नियमित अभिव्यक्ति, शुरुआती के लिए एक गाइड। भाग 1

नियमित अभिव्यक्ति (आरवी) अनिवार्य रूप से पायथन में निर्मित और फिर से मॉड्यूल के साथ सुलभ एक छोटी प्रोग्रामिंग भाषा है। इसका उपयोग करते हुए, आप उन संभावित लाइनों के सेट के लिए नियमों को निर्दिष्ट करते हैं जिन्हें आप जांचना चाहते हैं; इस सेट में अंग्रेजी वाक्यांश, या ईमेल पते, या TeX कमांड, या जो कुछ भी हो सकते हैं। PB का उपयोग करके, आप इस तरह के प्रश्न पूछ सकते हैं जैसे "क्या यह रेखा पैटर्न से मेल खाती है?", या "क्या पैटर्न इस रेखा से कहीं मेल खाता है?" आप एक स्ट्रिंग को संशोधित करने या इसे विभिन्न तरीकों से टुकड़ों में तोड़ने के लिए नियमित अभिव्यक्तियों का उपयोग कर सकते हैं।

नियमित अभिव्यक्ति पैटर्न को बाइटकोड की एक श्रृंखला में संकलित किया जाता है, जिसे तब सी में लिखे गए संबंधित इंजन द्वारा निष्पादित किया जाता है। उन्नत उपयोग के लिए, इस बात पर ध्यान देना महत्वपूर्ण हो सकता है कि इंजन इस नियमित अभिव्यक्ति को कैसे निष्पादित करेगा और इसे लिखेगा ताकि यह एक बायटेकोड का उत्पादन करेगा जो काम करता है तेजी से। इस दस्तावेज़ में अनुकूलन पर विचार नहीं किया गया है, क्योंकि इसके लिए आपको इंजन के आंतरिक विवरण की अच्छी समझ होना आवश्यक है।

नियमित अभिव्यक्ति की भाषा अपेक्षाकृत छोटी और सीमित है, इसलिए नियमित अभिव्यक्ति का उपयोग करके सभी संभव स्ट्रिंग प्रसंस्करण कार्य नहीं किए जा सकते हैं। ऐसे कार्य भी हैं जिन्हें नियमित अभिव्यक्तियों के साथ किया जा सकता है, लेकिन भाव बहुत जटिल हैं। इन मामलों में, नियमित पायथन कोड लिखना बेहतर हो सकता है, भले ही यह विकसित नियमित अभिव्यक्ति की तुलना में धीमी गति से चलेगा, लेकिन यह अधिक समझने योग्य होगा।

सरल पैटर्न

हम सबसे सरल नियमित अभिव्यक्ति की खोज करके शुरू करेंगे। चूंकि स्ट्रिंग्स के साथ काम करने के लिए नियमित अभिव्यक्तियों का उपयोग किया जाता है, हम सबसे आम कार्य - मिलान वाले पात्रों के साथ शुरू करेंगे।

नियमित अभिव्यक्तियों के तकनीकी पक्ष (निर्धारक और गैर-नियतात्मक परिमित राज्य मशीनों) के विस्तृत विवरण के लिए, आप लेखन कंपाइलर पर लगभग किसी भी पाठ्यपुस्तक का उल्लेख कर सकते हैं।

चरित्र मिलान

अधिकांश पत्र और प्रतीक अपने आप से मेल खाते हैं। उदाहरण के लिए, नियमित अभिव्यक्ति test स्ट्रिंग test पूरी तरह मेल खाता होगा (आप केस-असंवेदनशील मोड को चालू कर सकते हैं, जो इस नियमित अभिव्यक्ति को Test या TEST से मिलान करने की अनुमति देगा, लेकिन बाद में और अधिक)।

इस नियम के अपवाद हैं; कुछ चरित्र विशेष रूप से मेटाचैटर हैं , और स्वयं के अनुरूप नहीं हैं। इसके बजाय, वे संकेत देते हैं कि कुछ असामान्य चीज़ मिलनी चाहिए, या नियमित अभिव्यक्ति के अन्य हिस्सों को दोहराकर या उनका अर्थ बदलकर प्रभावित करना चाहिए। इस ट्यूटोरियल में से अधिकांश विभिन्न मेटाचैकर और वे क्या करते हैं, इस पर चर्चा करने के लिए समर्पित है।

यहां मेटाचट्रैक्टर्स की पूरी सूची दी गई है; इस HOWTO के बाकी हिस्सों में उनके अर्थों पर चर्चा की जाएगी।

. ^ $ * + ? { [ ] \ | ( )

पहला मेटाचैकर जिसे हम मानते हैं [ और ] । उनका उपयोग चरित्र वर्ग को निर्धारित करने के लिए किया जाता है, जो कि उन पात्रों का समूह है जिनके साथ आप एक मैच की तलाश कर रहे हैं। वर्णों को व्यक्तिगत रूप से सूचीबद्ध किया जा सकता है, या वर्णों की एक श्रृंखला के रूप में, पहले और अंतिम चरित्र द्वारा इंगित किया जा सकता है, जिसे '-' द्वारा अलग किया जाता है। उदाहरण के लिए, [abc] किसी भी अक्षर a, b या c से मेल खाएगा; यह वर्णों के समान सेट को निर्दिष्ट करने के लिए एक सीमा का उपयोग करते हुए अभिव्यक्ति [ac] के समान है। यदि आप केवल लोअरकेस अक्षरों से मेल खाना चाहते हैं, तो PB [az] जैसा दिखेगा।

मेटाचैकर्स कक्षाओं के अंदर सक्रिय नहीं हैं। उदाहरण के लिए, [akm$] किसी भी अक्षर 'a', 'k', 'm' या '$' से मेल खाएगा। '$' चिन्ह आमतौर पर एक मेटाचैकर है (जैसा कि ऊपर के पात्रों की सूची से देखा जा सकता है), लेकिन चरित्र वर्ग के अंदर यह अपनी विशेष प्रकृति खो देता है।

इस वर्ग के बाहर के वर्णों का मिलान करने के लिए, कक्षा की शुरुआत में '^' अक्षर जोड़ा जाता है। उदाहरण के लिए, अभिव्यक्ति [^5] '5' को छोड़कर किसी भी वर्ण से मेल खाती है।

शायद सबसे महत्वपूर्ण बैकस्लैश मेटाचैकर है। अजगर स्ट्रिंग शाब्दिक के साथ, बैकस्लैश का अनुसरण विभिन्न पात्रों द्वारा किया जा सकता है जो विभिन्न विशेष अनुक्रमों का प्रतिनिधित्व करते हैं। इसका उपयोग मेटाचैकर से बचने के लिए भी किया जाता है ताकि उनका उपयोग टेम्पलेट्स में किया जा सके; उदाहरण के लिए, यदि आपको मेटाचैकर्स के रूप में उनकी विशेष भूमिका से वंचित करने के लिए मैच [ या \ _ की जरूरत है, तो आपको इससे पहले एक बैकस्लैश डालना होगा: \[ या \\ ।

'\' शुरू होने वाले कुछ विशेष क्रम पूर्वनिर्धारित चरित्र सेटों का प्रतिनिधित्व करते हैं जो अक्सर उपयोगी होते हैं, जैसे संख्याओं का एक समूह, अक्षरों का एक सेट, या हर चीज का सेट जो रिक्त स्थान, टैब आदि नहीं हैं (व्हाट्सएप)। निम्नलिखित पूर्वनिर्धारित अनुक्रम उनमें से एक सबसेट हैं। क्लास सीक्वेंस की पूरी सूची और यूनिकोड स्ट्रिंग्स के लिए विस्तारित क्लास परिभाषाओं के लिए नियमित अभिव्यक्ति सिंटैक्स का अंतिम भाग देखें।

\d
किसी भी अंक से मेल खाता है; कक्षा समकक्ष [0-9] ।
\D
किसी भी गैर-संख्यात्मक चरित्र से मेल खाता है; कक्षा समकक्ष [^0-9] ।
\s
किसी भी व्हाट्सएप चरित्र से मेल खाता है; [ \t\n\r\f\v] बराबर।
\S
किसी भी गैर-व्हाट्सएप चरित्र से मेल खाता है; [^ \t\n\r\f\v] बराबर।
\w
किसी भी पत्र या संख्या से मेल खाता है; [a-zA-Z0-9_] बराबर।
\W
इसके विपरीत; [^a-zA-Z0-9_] ।

इन दृश्यों को एक चरित्र वर्ग में शामिल किया जा सकता है। उदाहरण के लिए, [\ _।] एक वर्ण वर्ग है जो किसी भी व्हाट्सएप-प्रतीक या अल्पविराम या डॉट से मेल खाएगा।

इस खंड में अंतिम रूपक है '.' । यह न्यूलाइन वर्ण को छोड़कर सभी वर्णों से मेल खाता है, लेकिन एक वैकल्पिक मोड ( re.DOTALL ) है जहां यह सेट इसे शामिल करेगा। '.' अक्सर उपयोग किया जाता है जहाँ आप "किसी भी वर्ण" से मेल खाना चाहते हैं।

चीजों को डुप्लिकेट करें

विभिन्न वर्ण सेटों से मेल खाने की क्षमता पहली चीज है जो नियमित अभिव्यक्ति कर सकती है और यह हमेशा स्ट्रिंग विधियों के साथ नहीं की जा सकती है। हालांकि, अगर यह एकमात्र अतिरिक्त अवसर होता, तो वे इतने दिलचस्प नहीं होते। एक और संभावना यह है कि आप निर्दिष्ट कर सकते हैं कि नियमित अभिव्यक्ति का एक हिस्सा कितनी बार दोहराया जाना चाहिए।

दोहराने के लिए पहला मेटाचैकर * । यह इंगित करता है कि पिछले चरित्र को एकल तुलना के बजाय शून्य या अधिक बार मिलान किया जा सकता है।

उदाहरण के लिए, ca*t ct (0 अक्षर a ), cat (1 वर्ण a ), caaat (3 वर्ण a ) और इसी तरह से मेल खाएगा। रेगेक्स इंजन में C के लिए अंतर प्रकार के आकार से उत्पन्न होने वाले विभिन्न आंतरिक प्रतिबंध हैं, जो इसे 2 बिलियन से अधिक वर्णों के मिलान से रोकता है। (मुझे आशा है कि आपको इसकी आवश्यकता नहीं है)।

पुनरावृत्ति जैसे * लालची कहा जाता है; इंजन इसे यथासंभव कई बार दोहराने की कोशिश करेगा। यदि टेम्पलेट के निम्नलिखित भाग मेल नहीं खाते हैं, तो इंजन वापस जाएगा और चरित्र के कुछ दोहराव के साथ फिर से प्रयास करेगा।

एक उदाहरण की चरण-दर-चरण परीक्षा स्पष्टीकरण को स्पष्ट कर देगी। आइए अभिव्यक्ति a[bcd]*b । यह वर्ग [bcd] से 'a' , शून्य या अधिक वर्णों से मेल खाता है, और अंत में अंतिम अक्षर 'b' । अब इस नियमित अभिव्यक्ति को स्ट्रिंग abcbd । यहां बताया गया है कि तुलना चरणों में कैसे होती है:

1. a - 'a' नियमित अभिव्यक्ति से मेल खाता है
2. abcbd - इंजन [bcd]* से अधिक से अधिक वर्णों तक मेल खाता है, यानी पंक्ति के अंत तक (चूंकि सभी वर्ण वर्ग कोष्ठक में हैं []]
3. विफलता - इंजन नियमित अभिव्यक्ति में अंतिम अक्षर से मेल खाने की कोशिश करता है - अक्षर b , लेकिन वर्तमान स्थिति पहले से ही लाइन के अंत में है, जहां कोई वर्ण नहीं हैं, इसलिए यह विफल हो जाता है।
4. abcb - वापस चला गया, एक चरित्र द्वारा कम [bcd]* साथ तुलना
5. विफलता - b फिर से खोजने की कोशिश करें, लेकिन अंत में केवल d
6. abc - फिर से वापस जाएं, अब [bcd]* यह सिर्फ बीसी है
7. abcb - फिर से, नियमित अभिव्यक्ति के अंतिम चरित्र की तलाश करें - बी। अब वह वास्तव में सही स्थिति में है और हम सफल हो रहे हैं

इसलिए, पीबी का अंत हो गया और इसकी तुलना abcb ने कर दी। इस उदाहरण से पता चलता है कि इंजन पहले जहां तक ​​हो सकता है, और यदि उसे कोई मेल नहीं मिलता है, तो वह फिर से वापस जाता है और बाकी नियमित अभिव्यक्ति के साथ फिर से काम करता है। वह ऐसा तब तक करेगा, जब तक कि उसे [bcd]* लिए शून्य मैच न [bcd]* , और यदि कोई मैच नहीं है, तो वह निष्कर्ष निकालता है कि स्ट्रिंग PB पैटर्न से बिल्कुल भी मेल नहीं खाती है।

अन्य पुनरावृत्ति मेटाचैकर + , तुलना क्रम को एक या अधिक बार दोहरा रहा है। * और + के अंतर पर विशेष ध्यान दें। * आवश्यक भाग को शून्य या अधिक बार मिलान करने की आवश्यकता होती है, अर्थात, रिपीट बिल्कुल मौजूद नहीं हो सकता है, लेकिन + कम से कम एक घटना की आवश्यकता होती है। एक समान उदाहरण के लिए, ca+t cat से मेल खाएगा या, उदाहरण के लिए, caaat , लेकिन ct नहीं।

दो और दोहराए जाने वाले क्वालीफायर हैं। प्रश्न चिह्न ? एक मैच शून्य या एक समय के लिए जाँच। उदाहरण के लिए, home-?brew homebrew और home-brew दोनों से मेल खाता है।

सबसे पूर्ण दोहराव निर्दिष्ट करने वाला {m,n} , जहाँ m और n पूर्णांक हैं। इस निर्धारक का अर्थ है कि कम से कम m होना चाहिए और n पुनरावृत्ति से अधिक नहीं होना चाहिए। उदाहरण के लिए, a/{1,3}b a/b , a/b , a//b और a///b मेल खाता है। यह नहीं किया जा सकता है, एक पंक्ति जिसमें कोई स्लैश या a////b , जिसमें उनमें से चार हैं।

आप m या n निर्दिष्ट नहीं कर सकते हैं, तो अनुपस्थित के लिए सबसे उचित मूल्य ग्रहण किया जाता है। m कम करने का मतलब है कि निचली सीमा 0 है, n को कम करना ऊपरी सीमा के रूप में अनंत को मानता है, लेकिन, जैसा कि ऊपर उल्लेख किया गया है, उत्तरार्द्ध स्मृति द्वारा सीमित है।

पाठक पहले से ही नोटिस कर सकते थे कि अंतिम के माध्यम से तीनों अन्य क्वालीफायर व्यक्त किए जा सकते हैं। क्या {0,} के रूप में * , {1,} समान है + और {0,1} संकेत को प्रतिस्थापित कर सकते हैं ? ।

रेगुलर एक्सप्रेशंस का उपयोग करना

अब जब हमने कुछ सरल नियमित अभिव्यक्तियों को कवर किया है, तो हम उन्हें पायथन में कैसे उपयोग कर सकते हैं? re मॉड्यूल नियमित अभिव्यक्ति के लिए एक इंटरफ़ेस प्रदान करता है, जो आपको वस्तुओं में नियमित अभिव्यक्ति संकलित करने और फिर उन्हें मैप करने की अनुमति देता है।

नियमित अभिव्यक्ति संकलन

नियमित अभिव्यक्ति पैटर्न ऑब्जेक्ट्स में संकलित की जाती हैं, जिसमें विभिन्न ऑपरेशन के तरीके होते हैं, जैसे कि पैटर्न प्रविष्टि खोजना या स्ट्रिंग प्रतिस्थापन करना।

>>> आयात फिर से
>>> पी = री । संकलन ( 'अब *' )
>>> प्रिंट पी
< _sre। SRE_Pattern ऑब्जेक्ट 0x ... > पर

re.compile() विभिन्न वाक्यविन्यास विशेषताओं और विविधताओं को शामिल करने के लिए उपयोग किए गए वैकल्पिक तर्कों को भी स्वीकार करता है:

>>> p = re.compile('ab*', re.IGNORECASE)

एक स्ट्रिंग के रूप में re.compile() को नियमित अभिव्यक्ति दी जाती है। नियमित अभिव्यक्तियों को तार के रूप में माना जाता है क्योंकि वे पायथन भाषा का हिस्सा नहीं हैं, और उन्हें व्यक्त करने के लिए कोई विशेष वाक्यविन्यास नहीं है। (ऐसे एप्लिकेशन हैं जिन्हें नियमित रूप से अभिव्यक्ति की आवश्यकता नहीं है, इसलिए भाषा विनिर्देश को भूल जाने की आवश्यकता नहीं है, उनमें शामिल हैं।) इसके बजाय, एक re मॉड्यूल है, जो सी मॉड्यूल के लिए एक आवरण है, जैसे socket या zlib मॉड्यूल।

एक स्ट्रिंग के रूप में नियमित अभिव्यक्ति पास करना पायथन को सरल बनाने की अनुमति देता है, लेकिन इसमें एक खामी है, जो अगले खंड का विषय है।

बैक्सलेश आपदा
(या रिवर्स तिरछा प्लेग :))

जैसा कि पहले उल्लेख किया गया है, नियमित अभिव्यक्तियों में, एक बैकस्लैश चरित्र ( '\' ) का उपयोग एक विशेष रूप को इंगित करने के लिए किया जाता है या पात्रों को अपनी विशेष भूमिका खोने की अनुमति देता है। यह एक ही उद्देश्य के लिए पायथन स्ट्रिंग शाब्दिक में एक ही चरित्र का उपयोग करके संघर्ष की ओर जाता है।

मान लें कि आप एक नियमित अभिव्यक्ति लिखना चाहते हैं, जो आपको LaTeX फ़ाइल में खोजने के लिए आवश्यक है। यह जानने के लिए कि प्रोग्राम कोड में क्या लिखना है, हम उस रेखा से शुरू करते हैं जिसका मिलान होना चाहिए। इसके बाद, आपको किसी भी बैकस्लैश और अन्य मेटाचैटर्स को बैकस्लैश से बचकर बचना चाहिए, जिसके परिणामस्वरूप स्ट्रिंग में \\ भाग दिखाई देता है। फिर, परिणामी स्ट्रिंग को re.compile () पारित किया जाना चाहिए \\section । हालाँकि, इसे पायथन स्ट्रिंग शाब्दिक के रूप में व्यक्त करने के लिए, दोनों बैकस्लैश को फिर से बचना चाहिए, अर्थात, "\\\\section" ।

संक्षेप में, बैकस्लैश से मिलान करने के लिए, आपको नियमित अभिव्यक्ति स्ट्रिंग के रूप में '\\\\' लिखना होगा, क्योंकि नियमित अभिव्यक्ति \\ होनी चाहिए, और प्रत्येक बैकस्लैश को नियमित स्ट्रिंग में परिवर्तित किया जाना चाहिए।

समाधान है कि नियमित अभिव्यक्ति के लिए कच्चे तार का उपयोग किया जाए; उपसर्ग 'r' साथ स्ट्रिंग शाब्दिक में 'r' स्लैश को किसी भी तरह से संसाधित नहीं किया जाता है, इसलिए r"\n" दो वर्णों ('\' और 'n') का एक स्ट्रिंग है, और "\ n" एक नई पंक्ति का एक वर्ण है। इसलिए, कच्चे तारों का उपयोग करते हुए नियमित अभिव्यक्ति अक्सर लिखी जाएगी।

नियमित स्ट्रिंग	कच्चा तार
'अब *	r'ab * '
'\\\\ अनुभाग'	r '\\ अनुभाग *'
'\\ w + \\ s + \\ 1'	r '\ w + \ s + \ 1'

प्रदर्शन की तुलना

आपके पास एक संकलित नियमित अभिव्यक्ति का प्रतिनिधित्व करने वाली वस्तु है, तो आप इसके साथ क्या करेंगे? टेम्प्लेट ऑब्जेक्ट में कई विधियाँ और विशेषताएँ होती हैं। केवल उनमें से सबसे महत्वपूर्ण यहां माना जाएगा; पूरी सूची के लिए re प्रलेखन देखें।

विधि / गुण	लक्ष्य
मैच ()	निर्धारित करें कि क्या एक नियमित अभिव्यक्ति एक पंक्ति की शुरुआत में मेल खाती है
खोज ()	सभी नियमित अभिव्यक्ति मैचों के लिए पूरे स्ट्रिंग को स्कैन करें
खोज ()	सभी regex मिलान सब्सट्रेट खोजें और उन्हें एक सूची के रूप में वापस करें
खोजक ()	नियमित अभिव्यक्ति मैचों के सभी सबस्ट्रिंग खोजें और उन्हें पुनरावृत्त के रूप में लौटाएं

अगर कोई मैच नहीं मिला, तो match() और search() None लौटा। यदि खोज सफल होती है, तो MatchObject उदाहरण मैच के बारे में जानकारी युक्त होता है: जहां यह शुरू होता है और समाप्त होता है, मैच का एक विकल्प और इसी तरह।

आप re मॉड्यूल के साथ अंतःक्रियात्मक रूप से प्रयोग करके इस बारे में पता लगा सकते हैं। आप पायथन वितरण के साथ शामिल Tools/scripts/redemo.py , एक डेमो प्रोग्राम भी देख सकते हैं। यह आपको नियमित अभिव्यक्ति और तार में प्रवेश करने की अनुमति देता है, और प्रदर्शित करता है कि नियमित अभिव्यक्ति के साथ मेल खाता है या नहीं। redemo.py जटिल रेगुलर एक्सप्रेशंस डिबगिंग के लिए बहुत उपयोगी हो सकता है। फिल श्वार्ट्ज का कोडोस पीबी मॉडल के विकास और परीक्षण के लिए एक अन्य संवादात्मक उपकरण है।

इस ट्यूटोरियल में, हम उदाहरणों के लिए मानक पायथन इंटरप्रेटर का उपयोग करते हैं:

>>> आयात फिर से
>>> पी = री । संकलन ( '[az] +' )
>>> पी
< _sre। SRE_Pattern ऑब्जेक्ट 0x ... > पर

अब आप नियमित अभिव्यक्ति [az]+ लिए तार की तुलना करने की कोशिश कर सकते हैं। एक खाली रेखा इससे मेल नहीं खाएगी, क्योंकि + अर्थ "एक या अधिक" बार दोहराना है। match() इस मामले में None लौटना चाहिए, जो हम देखते हैं:

>>> पी। मैच ( "" )
>>> प्रिंट पी। मैच ( "" )
कोई नहीं

अब एक पंक्ति का प्रयास करें जो पैटर्न से मेल खाना चाहिए: 'tempo' । इस मामले में, match() एक MatchObject , जिसे आप भविष्य में उपयोग करने के लिए कुछ चर में रख सकते हैं:

>>> एम = पी। मैच ( 'टेम्पो' )
>>> प्रिंट एम
< _sre। 0x ... > पर SRE_Match ऑब्जेक्ट

अब आप संबंधित लाइनों के बारे में जानकारी प्राप्त करने के लिए MatchObject को कॉल कर सकते हैं। MatchObject में कई विधियां और विशेषताएं हैं, जिनमें से सबसे महत्वपूर्ण हैं:

विधि / गुण	लक्ष्य
समूह ()	एक स्ट्रिंग लौटें जो एक नियमित अभिव्यक्ति से मेल खाती है
शुरू ()	वापसी शुरू मैच की स्थिति
अंत ()	मैच का अंतिम स्थान लौटाएं
स्पान ()	मिलान स्थितियों का एक टपल (आरंभ, अंत) वापस करें

>>> एम। समूह ( )
'गति'
>>> एम। शुरू ( ) , एम। अंत ( )
( 0 , 5 )
>>> एम। स्पान ( )
( 0 , 5 )

चूंकि match() विधि केवल लाइन की शुरुआत से मैचों की जांच करती है, start() हमेशा वापस आएगी 0. हालांकि, search() विधि पूरी लाइन को स्कैन करती है, इसलिए इसके लिए शुरुआत जरूरी नहीं है कि शून्य:

>>> प्रिंट पी। मैच ( '::: संदेश' )
कोई नहीं
>>> एम = पी। खोज ( '::: संदेश' ) ; प्रिंट एम
< _sre। 0x ... > पर SRE_Match ऑब्जेक्ट
>>> एम। समूह ( )
'संदेश'
>>> एम। स्पान ( )
( ४ , ११ )

वास्तविक कार्यक्रमों में, सबसे आम शैली एक चर में MatchObject को संग्रहीत MatchObject रही है, और फिर None लिए जाँच कर रहा है। आमतौर पर यह इस तरह दिखता है:

पी = री । संकलन ( ... )
म = प। मैच ( 'स्ट्रिंग यहाँ जाता है' )
यदि एम:
प्रिंट 'मिलान मिला:' , एम। समूह ( )
और :
'नो मैच' प्रिंट करें

टेम्पलेट के लिए दो तरीके सभी मैच लौटाते हैं। findall() मिलान वाले पदार्थों की सूची लौटाता है:

>>> पी = री । संकलित करें ( ' \ d +' )
>>> पी। Findall ( '12 ड्रमर्स ड्रमिंग, 11 पिपर्स पाइपिंग, 10 लॉर्ड्स ए-लीपिंग ' )
[ '12' , '11' , '10' ]

परिणाम के रूप में इसे वापस करने से पहले findall() विधि को एक पूरी सूची बनानी होगी। finditer() विधि MatchObject रूप में MatchObject इंस्टेंस का एक क्रम देता है।

>>> इटेटर = पी। खोजक ( '12 ढोलक बजाने वाले , 11 ... 10 ...' )
>>> इटरेटर
< callable-iterator ऑब्जेक्ट 0x401833ac > पर
>>> मैच के लिए पुनरावृत्ति:
... प्रिंट मैच। स्पान ( )
...
( 0 , 2 )
( २२ , २४ )
( २ ९ , ३१ )

मॉड्यूल स्तर के कार्य

आपको टेम्प्लेट ऑब्जेक्ट बनाने और उनके तरीकों को कॉल करने की आवश्यकता नहीं है; re मॉड्यूल शीर्ष स्तर के कार्य match(), search(), findall(), sub() और इसी तरह प्रदान करता है। ये फ़ंक्शन पहले तर्क के रूप में स्ट्रिंग PB के साथ, टेम्प्लेट के लिए समान तर्क लेते हैं और None या MatchObject भी None MatchObject ।

>>> प्रिंट री । मिलान ( r 'From \ s +' , 'Fromage amk' )
कोई नहीं
>>> पुनः । मैच ( r 'फ्रॉम \ _ +' , 'एमक थू से 14 मई 19:12:10 1998' )
< _sre। 0x ... > पर SRE_Match ऑब्जेक्ट

ये फ़ंक्शन केवल आपके लिए एक टेम्प्लेट ऑब्जेक्ट बनाते हैं और उपयुक्त विधि कहते हैं। वे ऑब्जेक्ट को कैश में भी स्टोर करते हैं, इसलिए उसी नियमित अभिव्यक्ति का उपयोग करके भविष्य की कॉल तेजी से होगी।

क्या आपको इन कार्यों या टेम्पलेट्स का उपयोग तरीकों के साथ करना चाहिए? यह इस बात पर निर्भर करता है कि आपकी व्यक्तिगत कोडिंग शैली पर कितनी बार नियमित अभिव्यक्ति का उपयोग किया जाएगा। यदि एक नियमित अभिव्यक्ति का उपयोग कोड में केवल एक स्थान पर किया जाता है, तो ऐसे कार्य संभवतः अधिक सुविधाजनक हैं। यदि प्रोग्राम में कई नियमित अभिव्यक्तियाँ हैं, या एक ही स्थान पर कई स्थानों पर पुन: उपयोग किया जाता है, तो सभी अनुभागों को एक ही स्थान पर एकत्रित करना उचित होगा, जो सभी नियमित अभिव्यक्तियों को प्रस्तुत करता है। मानक पुस्तकालय से एक उदाहरण के रूप में, यहाँ xmllib.py से एक टुकड़ा है:

ref = re.compile( ... )
entityref = re.compile( ... )
charref = re.compile( ... )
starttagopen = re.compile( ... )

मैं खुद भी संकलित वस्तुओं के साथ काम करना पसंद करता हूं, यहां तक ​​कि एक-बार के उपयोग के लिए भी, लेकिन कुछ भी इसमें उतना ही शुद्ध होगा जितना मैं हूं।

संकलन के झंडे

संकलन के झंडे आपको कुछ पहलुओं को संशोधित करने की अनुमति देते हैं कि नियमित अभिव्यक्ति कैसे काम करती है। फ्लैग मॉड्यूल में दो नामों के तहत उपलब्ध हैं: लंबा, जैसे IGNORECASE और छोटा, एकल-अक्षर रूप में, जैसे I बाइनरी OR के रूप में कई झंडे निर्दिष्ट किए जा सकते हैं; उदाहरण के लिए re.I | re.M re.I | re.M झंडे सेट करता है I और M।

डॉटल ने एस
मिलान '.' जैसा है '.' , वह है, किसी भी वर्ण के साथ, लेकिन जब यह ध्वज चालू होता है, तो विचार में एक नया वर्ण जोड़ा जाता है।

IGNORECASE, I
केस असंवेदनशील मिलान; उदाहरण के लिए, [AZ] लोअरकेस अक्षरों से भी मेल खाएगा, इसलिए Spam Spam, spam, spAM और इसी तरह से मेल Spam, spam, spAM ।

LOCALE, L
\w, \W, \b, \B स्थानीयकरण निर्भर करता है। उदाहरण के लिए, यदि आप फ्रेंच पाठ के साथ काम करते हैं और शब्दों को खोजने के लिए \w+ लिखना चाहते हैं, लेकिन \w केवल सेट [A-Za-z] के पात्रों की खोज करता है और 'é' या 'ç' की खोज नहीं करेगा। यदि सिस्टम सही तरीके से कॉन्फ़िगर किया गया है और फ्रेंच का चयन किया गया है, तो 'é' को एक पत्र के रूप में भी माना जाएगा।

मल्टीलाइन, एम
(मेटाचैटरर्स ^ और $ का अभी तक वर्णन नहीं किया गया है; उन्हें इस मैनुअल के दूसरे भाग की शुरुआत में थोड़ा बाद में प्रस्तुत किया जाएगा।

आमतौर पर ^ केवल एक पंक्ति की शुरुआत में एक मैच के लिए खोज करता है, और $ के अंत में केवल एक नई पंक्ति वर्ण (यदि कोई हो) से पहले। यदि यह ध्वज निर्दिष्ट किया गया है, ^ तुलना सभी लाइनों पर होती है, जो कि शुरुआत में होती है, और प्रत्येक न्यूलाइन वर्ण के तुरंत बाद। इसी तरह $ ।

यूनिकोड, यू
\w, \W, \b, \B, \d, \D, \s, \S संबंधित यूनिकोड तालिका बनाता है।

VERBOSE, X
इसमें वर्बोज़ (क्रिया) नियमित अभिव्यक्ति शामिल हैं जिन्हें अधिक स्पष्ट और स्पष्ट रूप से आयोजित किया जा सकता है। यदि इस ध्वज को निर्दिष्ट किया जाता है, तो नियमित अभिव्यक्ति स्ट्रिंग में रिक्त स्थान को अनदेखा किया जाता है, जब तक कि वे वर्ण वर्ग में न हों या अनपेक्षित बैकस्लैश से पहले न हों; यह आपको एक स्पष्ट तरीके से नियमित अभिव्यक्ति को व्यवस्थित करने की अनुमति देता है। यह ध्वज आपको '#' शुरू होने वाले नियमित भावों में टिप्पणी करने की अनुमति देता है, जिसे इंजन द्वारा अनदेखा किया जाएगा।

आरवी पढ़ने में कितना आसान हो जाता है इसका एक उदाहरण:

charref = पुनः । संकलन ( आर "")
और [#] # एक संख्यात्मक इकाई संदर्भ की शुरुआत
(
0 [4-7] + # ऑक्टल रूप
| [0-9] + # दशमलव का रूप
| x [0-9a-fA-F] + # हेक्साडेसिमल रूप
)
; # अनुगामी अर्धविराम
"" " , पुनः । VERBOSE )

क्रिया के बिना, यह इस तरह दिखेगा:

charref = पुनः । संकलन ( "& # (0 [4-7] +"
"। [0-9] +"
"। x [0-9a-fA-F] +);" )

उपरोक्त उदाहरण में, पायथन के स्ट्रिंग लिटरल्स के स्वचालित संघटन का उपयोग पीबी को छोटे भागों में तोड़ने के लिए किया गया था, लेकिन फिर भी, स्पष्टीकरण के बिना, इस उदाहरण का उपयोग करके संस्करण की तुलना में समझना कठिन है re.VERBOSE।

इस बिंदु पर, हम अभी के लिए अपनी समीक्षा पूरी करेंगे। मैं आपको दूसरे हाफ से पहले थोड़ा आराम करने की सलाह देता हूं , जिसमें अन्य मेटाचैटरर्स के बारे में एक कहानी है, विभाजन के तरीके, खोज और प्रतिस्थापन की जगह, और नियमित अभिव्यक्ति का उपयोग करने के उदाहरणों की एक बड़ी संख्या है।

विस्तार