Python RegEx
Een RegEx, of reguliere expressie, is een reeks tekens die een zoekpatroon vormt.
RegEx kan worden gebruikt om te controleren of een tekenreeks het opgegeven zoekpatroon bevat.
RegEx-module
Python heeft een ingebouwd pakket genaamd re, dat kan worden gebruikt om met reguliere expressies te werken.
Importeer de remodule:
import re
RegEx in Python
Als je de module hebt geïmporteerd re, kun je reguliere expressies gaan gebruiken:
Voorbeeld
Zoek in de string of deze begint met "The" en eindigt met "Spanje":
import
re
txt = "The rain in Spain"
x = re.search("^The.*Spain$", txt)
RegEx-functies
De remodule biedt een reeks functies waarmee we in een string naar een match kunnen zoeken:
| Function | Description |
|---|---|
| findall | Returns a list containing all matches |
| search | Returns a Match object if there is a match anywhere in the string |
| split | Returns a list where the string has been split at each match |
| sub | Replaces one or many matches with a string |
metakarakters
Metatekens zijn tekens met een speciale betekenis:
| Character | Description | Example | Try it |
|---|---|---|---|
| [] | A set of characters | "[a-m]" | |
| \ | Signals a special sequence (can also be used to escape special characters) | "\d" | |
| . | Any character (except newline character) | "he..o" | |
| ^ | Starts with | "^hello" | |
| $ | Ends with | "planet$" | |
| * | Zero or more occurrences | "he.*o" | |
| + | One or more occurrences | "he.+o" | |
| ? | Zero or one occurrences | "he.?o" | |
| {} | Exactly the specified number of occurrences | "he{2}o" | |
| | | Either or | "falls|stays" | |
| () | Capture and group |
Speciale sequenties
Een speciale reeks wordt \gevolgd door een van de tekens in de onderstaande lijst en heeft een speciale betekenis:
| Character | Description | Example | Try it |
|---|---|---|---|
| \A | Returns a match if the specified characters are at the beginning of the string | "\AThe" | |
| \b | Returns a match where the specified characters are at the beginning or at the
end of a word (the "r" in the beginning is making sure that the string is being treated as a "raw string") |
r"\bain" r"ain\b" |
|
| \B | Returns a match where the specified characters are present, but NOT at the beginning
(or at
the end) of a word (the "r" in the beginning is making sure that the string is being treated as a "raw string") |
r"\Bain" r"ain\B" |
|
| \d | Returns a match where the string contains digits (numbers from 0-9) | "\d" | |
| \D | Returns a match where the string DOES NOT contain digits | "\D" | |
| \s | Returns a match where the string contains a white space character | "\s" | |
| \S | Returns a match where the string DOES NOT contain a white space character | "\S" | |
| \w | Returns a match where the string contains any word characters (characters from a to Z, digits from 0-9, and the underscore _ character) | "\w" | |
| \W | Returns a match where the string DOES NOT contain any word characters | "\W" | |
| \Z | Returns a match if the specified characters are at the end of the string | "Spain\Z" |
sets
Een set is een set tekens binnen een paar vierkante haken
[]met een speciale betekenis:
| Set | Description | Try it |
|---|---|---|
| [arn] | Returns a match where one of the specified characters (a,
r, or n) are
present |
|
| [a-n] | Returns a match for any lower case character, alphabetically between
a and n |
|
| [^arn] | Returns a match for any character EXCEPT a,
r, and n |
|
| [0123] | Returns a match where any of the specified digits (0,
1, 2, or
3) are
present |
|
| [0-9] | Returns a match for any digit between
0 and 9 |
|
| [0-5][0-9] | Returns a match for any two-digit numbers from 00 and
59 |
|
| [a-zA-Z] | Returns a match for any character alphabetically between
a and z, lower case OR upper case |
|
| [+] | In sets, +, *,
., |,
(), $,{}
has no special meaning, so [+] means: return a match for any
+ character in the string |
De findall()-functie
De findall()functie retourneert een lijst met alle overeenkomsten.
Voorbeeld
Print een lijst van alle wedstrijden:
import re
txt = "The rain in Spain"
x = re.findall("ai",
txt)
print(x)
De lijst bevat de overeenkomsten in de volgorde waarin ze zijn gevonden.
Als er geen overeenkomsten worden gevonden, wordt een lege lijst geretourneerd:
Voorbeeld
Retourneer een lege lijst als er geen overeenkomst is gevonden:
import re
txt = "The rain in Spain"
x = re.findall("Portugal",
txt)
print(x)
De zoekfunctie ()
De search()functie zoekt in de tekenreeks naar een overeenkomst en retourneert een Match-object als er een overeenkomst is.
Als er meer dan één overeenkomst is, wordt alleen het eerste exemplaar van de overeenkomst geretourneerd:
Voorbeeld
Zoek naar het eerste witruimteteken in de tekenreeks:
import re
txt = "The rain in Spain"
x = re.search("\s",
txt)
print("The first white-space character is located in
position:", x.start())
Als er geen overeenkomsten worden gevonden, wordt de waarde Nonegeretourneerd:
Voorbeeld
Voer een zoekopdracht uit die geen overeenkomst oplevert:
import re
txt = "The rain in Spain"
x = re.search("Portugal",
txt)
print(x)
De split()-functie
De split()functie retourneert een lijst waarin de tekenreeks bij elke overeenkomst is gesplitst:
Voorbeeld
Splitsen bij elk witruimteteken:
import re
txt = "The rain in Spain"
x = re.split("\s",
txt)
print(x)
U kunt het aantal keren bepalen door de
maxsplit
parameter op te geven:
Voorbeeld
Splits de tekenreeks alleen bij het eerste optreden:
import re
txt = "The rain in Spain"
x = re.split("\s",
txt,
1)
print(x)
De sub() Functie
De sub()functie vervangt de overeenkomsten door de tekst van uw keuze:
Voorbeeld
Vervang elk witruimteteken door het cijfer 9:
import re
txt = "The rain in Spain"
x = re.sub("\s",
"9", txt)
print(x)
U kunt het aantal vervangingen regelen door de
count
parameter op te geven:
Voorbeeld
Vervang de eerste 2 exemplaren:
import re
txt = "The rain in Spain"
x = re.sub("\s",
"9", txt, 2)
print(x)
Overeenkomen met object
Een Match Object is een object dat informatie bevat over de zoekopdracht en het resultaat.
Opmerking: als er geen overeenkomst is, wordt de waarde Nonegeretourneerd in plaats van het overeenkomstobject.
Voorbeeld
Voer een zoekopdracht uit die een Match Object retourneert:
import re
txt = "The rain in Spain"
x = re.search("ai",
txt)
print(x) #this will print an object
Het Match-object heeft eigenschappen en methoden die worden gebruikt om informatie over de zoekopdracht op te halen, en het resultaat:
.span()geeft een tuple terug met de start- en eindposities van de wedstrijd.
.stringgeeft de tekenreeks terug die aan de functie is doorgegeven
.group()retourneert het deel van de tekenreeks waar een overeenkomst was
Voorbeeld
Print de positie (start- en eindpositie) van de eerste match.
De reguliere expressie zoekt naar woorden die beginnen met een hoofdletter "S":
import re
txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.span())
Voorbeeld
Druk de string af die aan de functie is doorgegeven:
import re
txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.string)
Voorbeeld
Druk het deel van de string af waar een overeenkomst was.
De reguliere expressie zoekt naar woorden die beginnen met een hoofdletter "S":
import re
txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.group())
Opmerking: als er geen overeenkomst is, wordt de waarde Nonegeretourneerd in plaats van het overeenkomstobject.