Python RegEx: re.match(), re.search(), re.findall() s příkladem

Při používání Python regulární výraz, první věcí je uznat, že vše je v podstatě znak a my píšeme vzory, které odpovídají specifické posloupnosti znaků, také nazývané řetězec. Ascii nebo latinská písmena jsou ta, která jsou na vašich klávesnicích a pro shodu s cizím textem se používá Unicode. Obsahuje číslice a interpunkci a všechny speciální znaky jako $#@!% atd.

Například: Python regulární výraz by mohl říci programu, aby vyhledal konkrétní text z řetězce a poté podle toho vytiskl výsledek. Výraz může zahrnovat

• Shoda textu
• Opakování
• Rozvětvení
• Složení vzoru atd.

Regulární výraz nebo RegEx in Python se označuje jako RE (RE, regulární výrazy nebo vzor regulárních výrazů) jsou importovány prostřednictvím re modul. Python podporuje regulární výraz prostřednictvím knihoven. RegEx v Python podporuje různé věci jako Modifikátory, identifikátory a prázdné znaky.

Syntaxe regulárních výrazů (RE).

import re

• Modul „re“ je součástí dodávky Python primárně se používá pro vyhledávání řetězců a manipulaci
• Často se také používá pro webovou stránku “Jizvaping„(např.tracvelké množství dat z webových stránek)

Výukový program výrazů začneme tímto jednoduchým cvičením s použitím výrazů (w+) a (^).

Příklad výrazu w+ a ^

• "^": Tento výraz odpovídá začátku řetězce
• „w+“: Tento výraz se shoduje s alfanumerickým znakem v řetězci

Zde uvidíme a Python RegEx Příklad toho, jak můžeme v našem kódu použít výrazy w+ a ^. Pokrýváme funkci re.findall() in Python, později v tomto tutoriálu, ale na chvíli se jednoduše zaměříme na výraz \w+ a \^.

Například pro náš řetězec „guru99, vzdělání je zábava“, pokud spustíme kód pomocí w+ a^, dostane výstup „guru99“.

import re
xx = "guru99,education ">is fun"
r1 = re.findall(r"^\w+",xx)
print(r1)

Pamatujte, že pokud odstraníte znaménko + z w+, výstup se změní a bude dávat pouze první znak prvního písmene, tj. [g]

Příklad výrazu \s ve funkci re.split

• „s“: Tento výraz se používá pro vytvoření mezery v řetězci

Abychom pochopili, jak je tento RegEx v Python funguje, začneme jednoduchým Python RegEx Příklad funkce rozdělení. V příkladu jsme rozdělili každé slovo pomocí funkce „re.split“ a zároveň jsme použili výraz \s, který umožňuje analyzovat každé slovo v řetězci samostatně.

Když spustíte tento kód, poskytne vám výstup ['we', 'are', 'splitting', 'the', 'words'].

Nyní se podívejme, co se stane, když odstraníte „\“ z s. Ve výstupu není žádná abeceda 's', je to proto, že jsme z řetězce odstranili '\' a vyhodnotí to „s“ jako běžný znak a rozdělí tak slova všude tam, kde v řetězci najde „s“.

Podobně existují řady dalších Python regulární výraz, který můžete použít různými způsoby Python jako \d,\D,$,\.,\b atd.

Zde je úplný kód

import re
xx = "guru99,education ">is fun"
r1 = re.findall(r"^\w+", xx)
print((re.split(r'\s','we are splitting the words')))
print((re.split(r's','split the words')))

Dále uvidíme typy metod, které se používají s regulárním výrazem Python.

Použití metod regulárních výrazů

Balíček „re“ poskytuje několik metod, jak skutečně provádět dotazy na vstupní řetězec. Uvidíme metody re in Python:

• odveta()
• výzkum()
• re.findall()

Hodnocení: Na základě regulárních výrazů Python nabízí dvě různé primitivní operace. Metoda match kontroluje shodu pouze na začátku řetězce, zatímco vyhledávání kontroluje shodu kdekoli v řetězci.

odveta()

odveta() funkce re in Python prohledá vzor regulárního výrazu a vrátí první výskyt. The Python Metoda RegEx Match kontroluje shodu pouze na začátku řetězce. Pokud je tedy nalezena shoda v prvním řádku, vrátí objekt shody. Ale pokud je nalezena shoda v nějakém jiném řádku, Python Funkce RegEx Match vrátí hodnotu null.

Zvažte například následující kód Python funkce re.match(). Výrazy „w+“ a „\W“ budou odpovídat slovům začínajícím písmenem „g“ a poté cokoli, co nezačíná písmenem „g“, není identifikováno. Abychom zkontrolovali shodu pro každý prvek v seznamu nebo řetězci, spustíme v tomto forloop Python re.match() Příklad.

re.search(): Hledání vzoru v textu

výzkum() funkce prohledá vzor regulárního výrazu a vrátí první výskyt. Na rozdíl od Python re.match(), zkontroluje všechny řádky vstupního řetězce. The Python Funkce re.search() vrací odpovídající objekt, když je vzor nalezen, a „null“, pokud vzor nebyl nalezen

Jak používat search()?

Chcete-li použít funkci search(), musíte provést import Python nejprve modul re a poté spusťte kód. The Python Funkce re.search() přebírá „vzor“ a „text“ ke skenování z našeho hlavního řetězce

Například zde hledáme dva doslovné řetězce „Testování softwaru“ „guru99“, v textovém řetězci „Software Testování je zábava“. Pro „testování softwaru“ jsme našli shodu, a proto vrací výstup Python re.search() Příklad jako „nalezena shoda“, zatímco pro slovo „guru99“ jsme v řetězci nenašli, a proto vrací výstup jako „Žádná shoda“.

Jak používat re.findall() in Python?

Zde máme seznam e-mailových adres a chceme, aby byly všechny e-mailové adresy načteny ze seznamu, použijeme metodu re.findall() v Python. Najde všechny e-mailové adresy ze seznamu.

Zde je úplný kód pro příklad re.findall()

import re

list = ["guru99 get", "guru99 give", "guru Selenium"]
for element in list:
    z = re.match("(g\w+)\W(g\w+)", element)
if z:
    print((z.groups()))
    
patterns = ['software testing', 'guru99']
text = 'software testing is fun?'
for pattern in patterns:
    print('Looking for "%s" in "%s" ->' % (pattern, text), end=' ')
    if re.search(pattern, text):
        print('found a match!')
else:
    print('no match')
abc = 'guru99@google.com, careerguru99@hotmail.com, users@yahoomail.com'
emails = re.findall(r'[\w\.-]+@[\w\.-]+', abc)
for email in emails:
    print(email)

Python Vlajky

Mnoho Python Metody regulárního výrazu a funkce regulárního výrazu přebírají volitelný argument nazvaný příznaky. Tyto příznaky mohou změnit význam daného Python Vzor regulárního výrazu. Abychom jim porozuměli, uvidíme jeden nebo dva příklady těchto příznaků.

Používají se různé vlajky Python zahrnuje

Příklad příznaků re.M nebo Multiline Flags

Ve víceřádcích se znak vzoru [^] shoduje s prvním znakem řetězce a začátkem každého řádku (následuje bezprostředně po každém novém řádku). Zatímco výraz malé „w“ se používá k označení mezery pomocí znaků. Když spustíte kód, první proměnná „k1“ vytiskne pouze znak „g“ pro slovo guru99, zatímco když přidáte víceřádkový příznak, načte první znaky všech prvků v řetězci.

Zde je kód

import re
xx = """guru99 
careerguru99	
selenium"""
k1 = re.findall(r"^\w", xx)
k2 = re.findall(r"^\w", xx, re.MULTILINE)
print(k1)
print(k2)

• Deklarovali jsme proměnnou xx pro řetězec ” guru99…. kariéra99….selen“
• Spusťte kód bez použití příznaků multiline, dává výstup pouze 'g' z řádků
• Spusťte kód s příznakem „multiline“, když vytisknete 'k2', dává výstup jako 'g', 'c' a 's'
• Rozdíl tedy můžeme vidět po a před přidáním více řádků ve výše uvedeném příkladu.

Stejně tak můžete použít i jiné Python příznaky jako re.U (Unicode), re.L (Sledovat národní prostředí), re.X (Povolit komentář) atd.

Python 2 Příklad

Výše uvedené kódy jsou Python 3 příklady, pokud se chcete zapojit Python 2 prosím zvažte následující kód.

# Example of w+ and ^ Expression
import re
xx = "guru99,education ">is fun"
r1 = re.findall(r"^\w+",xx)
print r1

# Example of \s expression in re.split function
import re
xx = "guru99,education ">is fun"
r1 = re.findall(r"^\w+", xx)
print (re.split(r'\s','we are splitting the words'))
print (re.split(r's','split the words'))

# Using re.findall for text
import re

list = ["guru99 get", "guru99 give", "guru Selenium"]
for element in list:
    z = re.match("(g\w+)\W(g\w+)", element)
if z:
    print(z.groups())
    
patterns = ['software testing', 'guru99']
text = 'software testing is fun?'
for pattern in patterns:
    print 'Looking for "%s" in "%s" ->' % (pattern, text),
    if re.search(pattern, text):
        print 'found a match!'
else:
    print 'no match'
abc = 'guru99@google.com, careerguru99@hotmail.com, users@yahoomail.com'
emails = re.findall(r'[\w\.-]+@[\w\.-]+', abc)
for email in emails:
    print email

# Example of re.M or Multiline Flags
import re
xx = """guru99 
careerguru99	
selenium"""
k1 = re.findall(r"^\w", xx)
k2 = re.findall(r"^\w", xx, re.MULTILINE)
print k1
print k2

Otestujte si svůj Python vědomosti

Nejčastější dotazy