Регулярные выражения очень широко применяются при обработке строк для сравнения шаблонов. Язык Python, разумеется, имеет встроенную поддержку для работы с ними. Чтобы воспользоваться этими возможностями, необходимо импортировать модуль re.
import re
Теперь все готово для использования регулярных выражений.
Метод re.search()
Метод re.search() используется для нахождения первого вхождения заданного шаблона в строку.
Синтаксис: re.search(pattern, string, flags[optional])
Метод re.search() принимает на вход шаблон и строку и возвращает объект match в случае успеха, а в противном случае, если шаблон не был найден, возвращает None. Объект match имеет метод group(), который возвращает сам шаблон.
import re s = "my number is 123" match = re.search(r'\d\d\d', s) match <_sre.SRE_Match object; span=(13, 16), match='123'> match.group() '123'
В примере выше мы использовали шаблон \d\d\d. Шаблон \d в регулярных выражениях сравнивает единичные цифры, следовательно \d\d\d будет сравнивать цифры вида 111, 222, 786. Соответственно, цифры вида 12, 1444 будут пропущены.
Основные шаблоны регулярных выражений
| Символ | Описание |
| . | любой символ, за исключением новой строки |
\w |
любой буквенный, цифровой символ, а также нижнее подчеркивание |
\W |
любые не буквенные и не цифровые символы и не нижнее подчеркивание |
\d |
любая одиночная цифра |
\D |
любой одиночный символ, кроме цифры |
\s |
любой пробельный символ, как например \n, \t, а также сам пробел |
\S |
любой не пробельный одиночный символ |
[abc] |
любой одиночный символ в данном множестве, то есть в этом примере это либо a, либо b, либо c |
[^abc] |
любой одиночный символ, отличный от a, b и c |
[a-z] |
любой одиночный символ в диапазоне от a до z |
[a-zA-Z] |
любой одиночный символ в диапазоне a-z или A-Z |
[0-9] |
любой одиночный символ в диапазоне 0—9 |
^ |
сравнение начинается с начала строки |
$ |
сравнение начинается с конца строки |
+ |
один или больше символов (жадное соответствие). |
* |
ноль или больше символов (жадное соответствие). |
Рассмотрим еще один пример.
import re
s = "tim email is tim@somehost.com"
match = re.search(r'[\w.-]+@[\w.-]+', s)
# Приведенное выше регулярное выражение будет искать e-mail адрес
if match:
print(match.group())
else:
print("сравнений не обнаружено")
Ожидаемый результат
tim@somehost.com
Здесь мы использовали шаблон [\w.-]+@[\w.-]+ чтобы найти в строке соответствие с e-mail адресом. В случае успеха метод re.search() возвращает объект match, а уже при помощи метода этого объекта group() можно извлечь хранящийся там текст. В данном примере это tim@somehost.com.
Группровка выражений
Группировка выражений позволяет нам извлекать части из нужной строки. Создать группу можно при помощи круглых скобок (). Допустим, мы хотим извлечь отдельно имя пользователя и имя хоста из e-mail адреса, такого как в предыдущем примере. Для этого нам нужно заключить в разные скобки шаблон для имени и шаблон для хоста следующим образом:
match = re.search(r'([\w.-]+)@([\w.-]+)', s)
Обратите внимание: добавление скобок не означает изменение шаблона для поиска соответствия. Наш код по-прежнему ищет полное совпадение с заданным шаблоном. Если поиск увенчается успехом, match.group(1) будет соответствовать содержимому первых круглых скобок, а match.group(2) — содержимому вторых круглых скобок.
import re
s = "tim email is tim@somehost.com"
match = re.search('([\w.-]+)@([\w.-]+)', s)
if match:
print(match.group()) ## tim@somehost.com (полное сравнение)
print(match.group(1)) ## tim (the username, первая группа)
print(match.group(2)) ## somehost (the host, вторая группа)
Функция findall()
Как вы уже знаете, функция re.search() находит только первое вхождение заданного шаблона в строку. А если мы хотим найти все вхождения, в дело вступает функция findall().
Синтаксис: findall(pattern, string, flags=0[optional])
В случае успеха данная функция возвращает список, в котором в виде строк содержатся все искомые вхождения по порядку. Если вхождений нет, то эта функция возвратит пустой список.
import re
s = "Tim's phone numbers are 12345-41521 and 78963-85214"
match = re.findall(r'\d{5}', s)
if match:
print(match)
Ожидаемый результат:
['12345', '41521', '78963', '85214']
Функция findall() также позволяет использовать группировку выражений. Когда заданы скобочные группы, функция findall() возвращает список кортежей, в которых содержатся искомые соответствия. Следующий пример должен все окончательно прояснить.
import re
s = "Tim's phone numbers are 12345-41521 and 78963-85214"
match = re.findall(r'(\d{5})-(\d{5})', s)
print(match)
for i in match:
print()
print(i)
print("Первая группа", i[0])
print("Вторая группа", i[1])
Ожидаемый результат:
[('12345', '41521'), ('78963', '85214')]
('12345', '41521')
Первая группа 12345
Вторая группа 41521
('78963', '85214')
Первая группа 78963
Вторая группа 85214
Опциональные флаги
Обе функции, re.search() и re.findall(), могут принимать необязательные параметры — флаги. С их помощью можно слегка изменять поведение функции.
| Флаги | Описание |
|---|---|
re.IGNORECASE |
При поиске соответствий будет игнорироваться регистр символов. |
re.DOTALL |
Позволяет (.) искать символ новой строки. По умолчанию (.) ищет любой символ кроме символа новой строки. |
re.MULTILINE |
Благодаря этому флагу ^ и $ будут означать начало и конец каждой строчки (line) в многострочной строке (string). По умолчанию эти символы означают начало и конец строки (string). |
Использование функции re.match()
Функция re.match() очень похожа на функцию re.search(). Различие состоит лишь в том, что функция re.match() начинает поиск сравнений с начала строки.
import re
s = "python tuts"
match = re.match(r'py', s)
match_1 = re.match(r'th', s)
if match:
print(match.group()) # выведет на экран 'py'
if match_1:
print(match_1.group()) # не выведет на экран ничего
Того же можно достичь и с функцией re.search(), просто добавив ^ к шаблону сравнения.
import re
s = "python tuts"
match = re.search(r'^py', s)
match_1 = re.search(r'^th', s)
if match:
print(match.group()) # выведет на экран 'py'
if match_1:
print(match_1.group()) # не выведет на экран ничего
На этом мы завершаем знакомство с модулем re языка Python.
