Re match python 3 что возвращает

Модуль re Python – осваиваем регулярные выражения Python

Регулярные выражения Python – это шаблоны для поиска, описываемые с помощью специального синтаксиса. Термин «регулярные выражение» (“regular expressions”) часто сокращается до “regex” или “regexp”. Выражения могут включать в себя строки текста, повторы, составные шаблоны, ветвления и другие сложные правила.

Регулярные выражения чаще всего применяются для обработки текста. Например, в шаблонах поиска, в редакторах текста и современных IDE. Они также являются важной частью таких утилит командной строки Unix: sed, grep и awk.

В C, C++ и Python поддержка регулярных выражений реализована с помощью подключаемых библиотек.

Существует несколько спецификаций регулярных выражений с открытым исходным кодом. Каждая из них использует базовый синтаксис, но имеет различные расширения дополнительного функционала. Синтаксис, используемый в модуле re, основан на синтаксисе языка программирования Perl с улучшениями, свойственными для Python.

Поиск в тексте по шаблону

Наиболее часто модуль re Python используется для поиска в тексте по шаблону. Приведенный ниже пример ищет слова ‘this’ и ‘that’ в строке текста.

Метод search() принимает шаблон, а также текст для поиска, и возвращает объект Match, когда найдено соответствующая строка. Если нет, то search() возвращает значение None.

Объект Match содержит оригинал исходной строки, использованное регулярное выражение и позицию в тексте, где найдено совпадение.

Методы start() и end() содержат целочисленные индексы строки, обозначающие, где встречается подходящий под шаблон текст.

Компиляция выражений

Модуль re включает в себя функции для работы с регулярными выражениями. Но он более эффективен при компиляции выражений, которые использует программа. Функция compile() преобразует выражение в объект RegexObject.

Функции модуля поддерживают кэш. Но его размер ограничен, поэтому можно избежать лишней нагрузки на сервер при запросе из кэша. Благодаря чему вы перемещаете компиляцию на время старта приложения.

Множественные вхождения

До этого момента все шаблоны в приведенных примерах использовали метод search() для поиска единичного вхождения строки. Функция findall() возвращает все подстроки из текста, которые совпадают с шаблоном.

Подстрока ab встречается дважды.

Метод finditer() возвращает итератор, который создает объекты Match вместо строк, возвращаемых методом findall().

Этот пример находит те же два вхождения подстроки ab, а объект Match показывает их место в оригинальной строке.

Синтаксис шаблонов

Функция test_patterns() отображает текст, позиции символов, а также набор строк, соответствующий каждому шаблону.

Повторы

Существует пять способов задать повтор символов в шаблоне. Паттерн, за которым следует метасимвол *, повторяется ноль или более раз. При этом ноль значит, что он не обязан присутствовать в тексте.

Чтобы задать ограниченное количество вхождений, используйте , где m – это минимальное количество вхождений, а n – максимальное. Если опустить n (), то это будет означать, что шаблон должен встречаться хотя бы m раз, но без ограничений на максимальное количество.

Заметьте, насколько больше вхождений у шаблонов ab* и ab?, чем у ab+.

Стандартная обработка инструкции повторения заключается в том, чтобы добавить в результат как можно больше символов, пока результат соответствует шаблону. Это так называемое жадное поведение, которое может находить меньшее количество отдельных совпадений. Либо совпадения могут включать в себя больше исходного текста, чем требовалось. Такое поведение паттерна можно отключить с помощью символа «?», следующего за инструкцией повторения.

Отмена жадного потребления исходного текста для шаблона, в котором допускается ноль вхождений b, означает, что подходящая подстрока может вообще не включать в себя b.

Наборы символов

Наборы символов – это группы символов, каждый из которых может соответствовать определённому месту в шаблоне. Например, шаблону [ab] соответствует a или b.

«Жадный» вариант шаблона a[ab]+ вернет всю строку целиком, поскольку первый символ – это a, а каждый последующий – либо a, либо b.

Набор символов также может быть использован для исключения определённых значений. Специальный маркер «^» включает поиск символов, не входящих в следующий за ним набор.

Этот шаблон находит все подстроки, которые не содержат символы «-», «.» или пробелы.

По мере увеличения набора поиск каждого символа становится трудоёмким. Компактный формат шаблона с использованием диапазонов позволяет определить набор символов, включающий в себя все последовательные символы между стартовым и конечным.

Диапазон a-z это строчные буквы ASCII, а диапазон A-Z — заглавные буквы ASCII.

Особым случаем является метасимвол точки (.), который означает, что шаблон должен соответствовать любому единичному символу на этой позиции.

Сочетание точки с метасимволом повтора может привести к длинным совпадениям, если только не используется нежадная форма поиска.

Escape-коды

Более компактное представление шаблона использует символьные коды для поиска нескольких наборов символов. Escape-коды, использующиеся в модуле re:

Escape-коды начинаются с обратного слеша (). Но в коде Python этот символ должен быть экранирован. Использование литерала r решает эту проблему.

Эти шаблоны используют символьные коды с повторами, чтобы найти последовательности символов в исходной строке.

Чтобы создать шаблон для поиска символов, являющих частью синтаксиса регулярных выражений, используйте экранирование.

Эти шаблоны экранируют символы обратного слеша и плюса, поскольку оба имеют особое назначение в регулярном выражении.

Привязка

Также можно указать относительное местоположение в исходной строке, в котором шаблон должен появляться.

В этом примере шаблоны для поиска слов в начале и в конце строки отличаются. За словом в конце строки следует знак пунктуации, заканчивающий предложение. Шаблон w+$ не подойдёт, поскольку точка не обозначает букву или цифру.

Ограничение поиска

Если известно, что поиск будет осуществляться только в части исходной строки, можно ещё больше упростить шаблон, указав модулю re ограничить диапазон поиска. Например, если искомая строка должна находиться в начале, тогда использование метода match() вместо search() привяжет поиск к началу текста без применения в выражении специального символа.

Строка is расположена не в начале текста, поэтому она не находится с помощью метода match(). Но эта последовательность появляется в тексте два раза, поэтому метод search() находит её.

Метод search()принимает необязательные параметры начальной и конечной позиций, чтобы ограничить поиск до части исходной строки.

Этот пример реализует менее эффективную форму метода iterall(). Каждый раз, когда находится совпадение, конечная позиция этого совпадения используется для следующего поиска.

Группировка в шаблонах

Добавление групп в шаблон позволяет изолировать части совпадающего текста, расширяя возможности для разбора строк. Группы определяются заключением шаблонов в круглые скобки.

Любое регулярное выражение может быть включено в более крупное выражение. Все модификаторы повторов могут быть применены к группе как к единому целому, требуя повторения группы в шаблоне.

Чтобы найти части строки, совпадающие с каждой отдельной группой в шаблоне, используйте метод groups() объекта Match.

Match.groups() возвращает последовательность строк в порядке чередования групп в шаблоне.

Если вам не нужны все части, которые соответствуют группам, можно искать совпадение только по одной группе при помощи метода group().

Группа 0 представляет собой строку, совпадающую со всем регулярным выражением. Подгруппы пронумерованы, начиная с 1 в порядке чередования в выражении.

Используйте метод groupdict(), чтобы получить словарь, сопоставляющий имена групп с совпадающими подстроками. Именованные шаблоны также включаются в упорядоченную последовательность метода groups().

Обновлённая версия функции test_patterns(), показывающая нумерованные и именованные группы совпадений по шаблону, облегчит понимание следующих примеров.

Группы могут наследовать другие группы для создания более сложных выражений.

В данном случае группе (a*) соответствует пустая строка, поэтому метод groups() вернет пустую строку как подходящее значение.

Группы также полезны для создания альтернативных шаблонов. Используйте символ «|» для поиска строки, которая должна соответствовать одному или нескольким шаблонам.

Первое выражение в примере совпадает с последовательностью символов a, за которой следует строка из одной буквы a или b. Второй шаблон совпадает с последовательностью символов a, за которой следует строка, которая может включать в себя как a, так и b. Шаблоны похожи, но результат их работы разный.

Когда в строке нет совпадений с альтернативной группой, но весь шаблон имеет совпадения, то результат работы метода groups() равен None в том месте, где должна располагаться альтернативная группа.

Сравните группы, возвращаемые для захватных и незахватных групп шаблона, которым соответствуют одинаковые результаты.

Опции поиска

Для изменения обработки регулярных выражений используйте флаги. Они могут объединяться, используя битовую операцию «или», и передаваться в compile(), search(), match()и другие функции, которые принимают шаблон для поиска.

Регистронезависимый поиск

Использование флага IGNORECASE приводит к тому, чтобы буквенные символы и буквенные диапазоны в шаблоне будут совпадать как для строчных, так и для заглавных букв.

Поскольку выражение включает в себя букву «T», то без использования IGNORECASE единственным подходящим словом будет «This». А когда регистр игнорируется, слово «text» также подходит.

Исходный текст из нескольких строк

Шаблону в этом примере соответствуют первое или последнее слово исходной строки. Ему соответствует line. в конце текста даже при том, что там нет символа новой строки.

DOTALL – ещё один флаг для настройки поиска в многострочном тексте. Символу точки в шаблоне соответствует всё, кроме символа новой строки. Данный флаг позволяет символу новой строки также соответствовать метасимволу «.».

Без этого флага каждая строка исходного текста совпадает с шаблоном по отдельности. Добавление флага приводит к тому, что под шаблон подходит весь текст.

Unicode

В Python 2 объекты str используют набор символов ASCII. Поэтому шаблон и исходный текст должны быть представлены в кодировке ASCII. Escape-коды, описанные выше, также по умолчанию определяются в терминах ASCII.

Вследствие этого шаблону w+ будет соответствовать слово “French”, но не слово “Français”, поскольку ç не является частью набора символов ASCII. Чтобы включить поиск по символам Unicode в Python 2, добавьте флаг UNICODE при компиляции шаблона.

Другие Escape-последовательности (W, b, B, d, D, s и S) также иначе обрабатываются для текста в кодировке Unicode. Поэтому обработчик регулярных выражений использует базу Unicode для поиска свойств каждого символа.

Python 3 по умолчанию использует Unicode для всех строк, поэтому данный флаг не требуется.

Многословные регулярные выражения

Это регулярное выражение уже сложное. В нём несколько классов символов, групп и повторов.

Преобразование шаблона в многословный формат облегчит его расширение.

Этому регулярному выражению соответствуют те же строки, но в расширенном формате его легче читать. Комментарии также помогают различать части шаблона.

Данная версия шаблона разбивает строки, включающие в себя имя пользователя и email- адрес так, как они могут отображаться в заголовке письма. Сначала следует имя, и оно отделено от email-адреса в угловых скобках ( ).

Возможность вставлять комментарии в многословное регулярное выражение помогает в поддержке кода. Финальная версия шаблона содержит заметки по его реализации для разработчиков. А также пробелы для отделения групп друг от друга и выделения их иерархии.

Включение флагов в шаблоны

Также можно добавлять флаги в само регулярное выражение. Например, чтобы включить регистронезависимый поиск, добавьте (?i)в начало шаблона.

Поскольку параметры контролируют способ обработки всего регулярного выражения, они должны указываться в начале шаблона.

Аббревиатуры всех флагов приведены ниже:

Включённые в регулярное выражение флаги можно объединять путём размещения в одной группе. Например, (?imu) включает регистронезависимый поиск по многострочному тексту в кодировке Unicode.

Поиск вперёд или назад

Иногда нужно сопоставить часть шаблона, только если для другой его части также будет найдено совпадение. Например, в регулярном выражении для разбора email-адреса обе угловые скобки были помечены как необязательные. В реальности скобки должны быть парными.

Приведенная ниже версия регулярного выражения использует утверждение положительного поиска вперёд для поиска пары. Синтаксис поиска вперёд следующий:

В этой версии регулярного выражения есть несколько важных изменений. Теперь имя получателя не является обязательным. Это означает, что одни лишь адреса не пройдут проверку. Что также уберегает от пар имя/адрес, имеющих некорректный формат.

Правило положительного поиска вперёд означает, что оставшаяся часть строки заключена в пару угловых скобок или не должна быть непарной скобки. То есть либо присутствуют обе скобки, либо ни одной.

Соответствие для группы поиска вперёд не захватывает никакой части текста, поэтому остаток шаблона продолжает искать соответствие с того же места, где найдено соответствие.

Утверждение негативного поиска вперёд ((?!pattern)) говорит, что текст с этого места не должен соответствовать шаблону. Например, шаблон распознавания email-адреса может быть изменён, чтобы игнорировать адреса noreply, которые часто используются автоматическими системами.

Адреса, начинающиеся с noreply, не подходят под шаблон, поскольку утверждение поиска вперёд не работает.

Синтаксис g также работает с пронумерованными ссылками, и его использование исключает путаницу между номерами групп и окружающими их цифровыми символами.

Передача значения счёта позволяет ограничить количество производимых замен.

Сделана только одна замена, поскольку count равен 1.

Метод subn() работает так же, как sub(), за исключением того, что он возвращает как изменённую строку, так и количество произведённых замен.

Поиск по шаблону нашёл два соответствия.

Разбиение строк с помощью шаблонов

str.split() – один из часто используемых методов разбиения строк для их последующего разбора. Но он поддерживает только символьные значения в качестве разделителей. А иногда необходимо регулярное выражение, если исходный текст отформатирован неодинаково. Например, многие языки разметки текста определяют разделители параграфов как два (или более) символа новой строки (n). В этом случае str.split() не может быть использован.

Стратегия определения параграфов с помощью метода findall() использовала бы шаблон вроде (.+?)n<2,>.

Этот шаблон не смог бы найти параграф в конце текста, как показано в примере: “Paragraph three.” не является частью вывода.

Расширение регулярного выражения так, чтобы он искал параграф с двумя (или более) символами новой строки, решает проблему, но усложняет шаблон. Использование re.split() вместо re.findall() справляется с проблемой разделения параграфов автоматически и позволяет ограничиться простым шаблоном.

Аргумент шаблона в методе split() более точно отражает спецификацию разметки: два (или более) символа новой строки обозначают разделение между параграфами исходного текста.

Заключение регулярного выражения в скобки, чтобы определить группу, заставляет метод split() работать как str.partition(). После этого он возвращает значения разделителей вместе с остальными частями строки.

Теперь вывод включает в себя каждый параграф, а также последовательность символов новой строки, которые разделяют параграфы.

re – стандартная документация библиотеки модуля.

Regular Expression HOWTO – введение в регулярные выражения для Python-разработчиков от Эндрю Кучлинга.

Kodos – интерактивный инструмент тестирования регулярных выражений от Фила Шварца.

Википедия: регулярные выражения – введение и основные понятия, концепции и техники работы с регулярными выражениями.

locale – модуль для установки конфигурации при работе с текстом в кодировке Unicode.

Пожалуйста, оставьте ваши мнения по текущей теме статьи. За комментарии, отклики, лайки, дизлайки, подписки огромное вам спасибо!

Пожалуйста, опубликуйте свои комментарии по текущей теме статьи. За комментарии, лайки, подписки, дизлайки, отклики низкий вам поклон!

Источник

re — Операции с регулярными выражениями¶

Исходный код: Lib/re.py

Модуль предоставляет операции сопоставления регулярных выражений, аналогичные тем, что есть в Perl.

И шаблоны, и строки для поиска могут быть строками Юникод ( str ), а также 8-битными строками ( bytes ). Однако строки Юникод и 8-битные строки нельзя смешивать: то есть вы не можете сопоставить строку Юникод с байтовым шаблоном или наоборот; аналогично, при запросе замены, строка замены должна быть того же типа, что и шаблон, и строка поиска.

Синтаксис регулярных выражений¶

Регулярное выражение (или RE) определяет набор строк, которые ему соответствуют; функции в этом модуле позволяют проверить, соответствует ли конкретная строка заданному регулярному выражению (или соответствует ли данное регулярное выражение определенной строке, что сводится к тому же самому).

Регулярные выражения можно объединять в новые регулярные выражения; если A и B являются регулярными выражениями, то AB также является регулярным выражением. В общем, если строка p соответствует A, а другая строка q соответствует B, строка pq будет соответствовать AB. Это верно, если A или B не содержат операций с низким приоритетом; граничные условия между A и B; или иметь пронумерованные групповые ссылки. Таким образом, сложные выражения можно легко построить из более простых примитивных выражений, подобных описанным далее. За подробностями теории и реализации регулярных выражений обратитесь к книге Фридла [Frie09] или почти в любом учебнике по построению компиляторов.

Если вы не используете необработанную строку для выражения шаблона, помните, что Python также использует обратную косую черту как escape- последовательность в строковых литералах; если escape-последовательность не распознаётся парсером Python, обратная косая черта и последующий символ включаются в результирующую строку. Однако, если Python распознает полученную последовательность, обратную косую черту следует повторить дважды. Это сложно и трудно понять, поэтому настоятельно рекомендуется использовать необработанные строки для всех, кроме простейших выражений.

Используется для обозначения набора (множества) символов. В множестве:

Добавлено в версии 3.6.

Подобно обычным круглым скобкам, но соответствует подстроке группы доступный через символическое имя группы name. Имена групп должны быть действительными Python идентификаторами, и каждое имя группы должно быть определено только один раз в регулярном выражении. Символическая группа также является пронумерованной группой, как если бы группа не была названа.

На именованные группы можно ссылаться в трёх контекстах. Если шаблон — (?P [‘»]).*?(?P=quote) (т. е. соответствует строке, заключенной в одинарные или двойные кавычки):

В этом примере выполняется поиск слова после дефиса:

Изменено в версии 3.5: Добавлена поддержка групповых ссылок фиксированной длины.

Большинство стандартных экранирований, поддерживаемых строковыми литералами Python, также принимаются анализатором регулярных выражений:

(Обратите внимание, что \b используется для представления границ слова и означает «возврат» только внутри классов символов.)

Восьмеричные escape-последовательности включены в ограниченной форме. Если первая цифра — 0, или если есть три восьмеричных цифры, это считается восьмеричным escape-символом. В противном случае это групповая ссылка. Что касается строковых литералов, восьмеричные escape-последовательности всегда имеют длину не более трёх цифр.

Изменено в версии 3.6: Неизвестные escape-последовательности, состоящие из ‘\’ и буквы ASCII, теперь являются ошибками.

Содержание модуля¶

Модуль определяет несколько функций, констант и исключение. Некоторые функции являются упрощенными версиями полнофункциональных методов для скомпилированных регулярных выражений. Большинство нетривиальных приложений всегда используют скомпилированную форму.

Поведение выражения можно изменить, указав значение flags. Значения могут быть любыми из следующих переменных, объединенных с помощью побитового ИЛИ (оператор | ).

но использование re.compile() и сохранение полученного объекта регулярного выражения для повторного использования более эффективно, когда выражение будет использоваться несколько раз в одной программе.

Обратите внимание, что для обратной совместимости флаг re.U всё ещё существует (а также его синоним re.UNICODE и его встроенный аналог (?u) ), но они избыточны в Python 3, поскольку совпадения по умолчанию для Юникод строк (а Юникод сопоставление не разрешено для байтов). ).

Показать отладочную информацию о скомпилированном выражении. Нет соответствующего встроенного флага.

re. I ¶ re. IGNORECASE ¶

Изменено в версии 3.7: Скомпилированные объекты регулярных выражений с флагом re.LOCALE больше не зависят от локали во время компиляции. Только локаль во время сопоставления влияет на результат сопоставления.

Это означает, что два следующих объекта регулярного выражения, которые соответствуют десятичному числу, функционально равны:

Обратите внимание, что даже в режиме MULTILINE re.match() будет соответствовать только началу строки, а не в начале каждой строки.

Если вы хотите найти совпадение в любом месте string, используйте вместо неё search() (см. также search() против match() ).

Добавлено в версии 3.4.

Разделить string по экземплярам pattern. Если в шаблоне используются захватывающие круглые скобки, то текст всех групп в pattern также возвращается как часть результирующего списка. Если maxsplit отличен от нуля, происходит не более maxsplit разбиений, а остаток строки возвращается как последний элемент списка.

Если в разделителе есть группы захвата, и он соответствует началу строки, результат будет начинаться с пустой строки. То же самое и с концом строки:

Таким образом, компоненты-разделители всегда находятся по одним и тем же относительным индексам в списке результатов.

Пустые совпадения для шаблона разделяют строку, только если она не находится рядом с предыдущим пустым совпадением.

Изменено в версии 3.1: Добавлен необязательный аргумент flags.

Изменено в версии 3.7: Добавлена поддержка разделения по шаблону, который может соответствовать пустой строке.

Возвращает все неперекрывающиеся совпадения pattern в string в виде списка строк. string просматривается слева направо, и совпадения возвращаются в найденном порядке. Если в шаблоне присутствует одна или несколько групп, возвращает список групп; это будет список кортежей, если в шаблоне больше одной группы. В результат включаются пустые совпадения.

Изменено в версии 3.7: Непустые совпадения теперь могут начинаться сразу после предыдущего пустого совпадения.

Изменено в версии 3.7: Непустые совпадения теперь могут начинаться сразу после предыдущего пустого совпадения.

Если repl — функция, она вызывается для каждого неперекрывающегося вхождения pattern. Функция принимает единственный аргумент объект сопоставления и возвращает заменяющую строку. Например:

Изменено в версии 3.1: Добавлен необязательный аргумент flags.

Изменено в версии 3.5: Несовпадающие группы заменяются пустой строкой.

Изменено в версии 3.6: Неизвестные escape-последовательности в pattern, состоящем из ‘\’ и буквы ASCII, теперь являются ошибками.

Изменено в версии 3.7: Неизвестные escape-последовательности в repl, состоящем из ‘\’ и буквы ASCII, теперь являются ошибками.

Изменено в версии 3.7: Пустые совпадения для шаблона заменяются рядом с предыдущим непустым совпадением.

Изменено в версии 3.1: Добавлен необязательный аргумент flags.

Изменено в версии 3.5: Несовпадающие группы заменяются пустой строкой.

Экранирование (Escape) специальных символов в pattern. Это полезно, если вы хотите сопоставить произвольную литеральную строку, которая может содержать метасимволы регулярного выражения. Например:

Изменено в версии 3.3: Символ ‘_’ больше не экранируется.

Очистить кеш регулярных выражений.

exception re. error ( msg, pattern=None, pos=None ) ¶

Возникает исключение, если переданная строка одной из функций указанных здесь, не является допустимым регулярным выражением (например, она может содержать несовпадающие круглые скобки) или когда во время компиляции или сопоставления возникает другая ошибка. Если строка не содержит совпадения с шаблоном, это никогда не будет ошибкой. Экземпляр ошибки содержит следующие дополнительные атрибуты:

Неформатированное сообщение об ошибке.

Шаблон регулярного выражения.

Индекс в pattern, в котором произошла ошибка компиляции (может быть None ).

Строка, соответствующая pos (может быть None ).

Столбец, соответствующий pos (может быть None ).

Изменено в версии 3.5: Добавлены дополнительные атрибуты.

Объекты регулярных выражений¶

Скомпилированные объекты регулярного выражения поддерживают следующие методы и атрибуты:

Если вы хотите найти совпадение в любом месте string, используйте вместо него search() (см. также search() против match() ).

Добавлено в версии 3.4.

Идентичен функции split() с использованием скомпилированного шаблона.

Идентично функции subn() с использованием скомпилированного шаблона.

Количество групп захвата в шаблоне.

Строка шаблона, из которой был скомпилирован объект шаблона.

Match объекты¶

Объекты Match поддерживают следующие методы и атрибуты:

Match. expand ( template ) ¶

Изменено в версии 3.5: Несовпадающие группы заменяются пустой строкой.

В меру сложный пример:

Именованные группы также могут упоминаться по их индексу:

Если группа соответствует несколько раз, доступно только последнее совпадение:

Добавлено в версии 3.6.

Пример, который удалит remove_this из адресов электронной почты:

Примеры регулярных выражений¶

Проверка на пару¶

В этом примере мы будем использовать следующую вспомогательную функцию для более изящного отображения совпадающих объектов:

Предположим, вы пишете покерную программу, в которой рука игрока представлена в виде строки из 5 символов, где каждый символ представляет карту: «a» — туз, «k» — король, «q» — дама, «j» — валет, «t» означает 10, а от «2» до «9» — карту с этим значением.

Чтобы узнать, является ли данная строка допустимой рукой, можно сделать следующее:

Чтобы узнать, из какой карты состоит пара, можно использовать метод group() объекта match следующим образом:

Имитация scanf()¶

Чтобы извлечь имя файла и числа из строки вроде:

Эквивалентное регулярное выражение было бы:

search() против match()¶

Python предлагает две разные примитивные операции, основанные на регулярных выражениях: re.match() проверяет совпадение только в начале строки, а re.search() проверяет совпадение в любом месте строки (это то, что Perl делает по умолчанию).

Создание телефонной книги¶

split() разбивает строку на список, ограниченный переданным шаблоном. Этот метод неоценим для преобразования текстовых данных в структуры данных, которые могут быть легко прочитаны и изменены Python, как показано в следующем примере создания телефонной книги.

Во-первых, нужны данные для работы. Обычно данные могут быть из файла, здесь же мы используем строковый синтаксис в тройных кавычках

Записи разделяются одной или несколькими символами новой строки. Теперь преобразуем строку в список, в котором каждая непустая строка содержит свою запись:

Шаблон 😕 соответствует двоеточию после фамилии, поэтому он не встречается в списке результатов. С maxsplit или 4 мы могли отделить номер дома от названия улицы:

Выравнивание текста¶

sub() заменяет каждое вхождение шаблона строкой или результатом функции. В этом примере демонстрируется использование sub() с функцией изменения текста или рандомизации всех символов в каждом слове предложения, кроме первого и последнего символов:

Поиск всех наречий¶

Поиск всех наречий и их положений¶

Обозначение необработанных строк¶

Нотация необработанных строк ( r»text» ) сохраняет читаемость регулярного выражения. Без неё каждая обратная косая черта ( ‘\’ ) в регулярном выражении должна быть снабжена экранирующим префиксом. Например, две следующие строки кода функционально идентичны:

Написание токенизатора¶

Токенизатор или сканер анализирует строку для классификации групп символов. Это ценный первый шаг при написании компилятора или интерпретатора.

Категории текста указываются с помощью регулярных выражений. Методика состоит в том, чтобы объединить их в одно основное регулярное выражение и перебрать последовательные совпадения:

Источник