Что такое Python RegEx: регулярные выражения в языке Python

Регулярные выражения (Regular expressions) или RegEx – это последовательности символов, задающие шаблоны для поиска или замены нужного фрагмента текста в строке или файле. Попросту говоря, это своего рода крошечный язык программирования, предоставляющий множество инструментов для поиска, замены и извлечения определенных фрагментов текста. К примеру, с его помощью можно быстро найти в тексте адреса электронной почты или телефонные номера. Регулярные выражения поддерживаются большинством современных языков программирования, в которых представлены различные по удобству и функционалу средства. В этой статье мы расскажем о самых основных особенностях применения RegEx в языке Python. А так же про то, как заменить часть текста в строке (спойлер: это не replace, для этого нужен re.sub() )

Язык регулярных выражений предусматривает спецсимволы, с помощью которых задается шаблон.

Взглянем на основные флаги и шаблоны регулярных выражений:

Модуль re

Для работы с регулярными выражениями в Python предусмотрен специальный модуль re. Прежде чем начать работу его нужно импортировать:

import re

Python выполняет предварительную компиляцию регулярного выражения, то есть переводит заданное выражение во внутренний формат. Это может быть осуществлено двумя способами:

•         Если речь идет об одноразовой проверке, достаточно использовать функции модуля re. В таком случае произойдет компиляция регулярного выражения и поиск соответствий.
•         Если проверка будет осуществляется многократно, предпочтительней будет сперва один раз скомпилировать выражение (получив доступ к специальному объекту класса re.regex), после чего использовать его методы.

Обычно код регулярных выражений записывается с префиксом r, подавляющих экранирование. Экранирование нужно обозначения специальных флагов, которые мы рассматривали выше, таких как \w . Например, во избежание необходимости дублировать экранирующий символ при поиске переноса строки, лучше указать r”\n” вместо “\\n”.

Функции RegEx

В модуле re определены несколько функций и констант для работы с RegEx. Вот наиболее распространенные функции:

•         re.search()
•         re.match()
•         re.findall()
•         re.split()
•         re.sub()
•         re.compile()

С помощью примеров разберем, как работают эти функции и в чем их особенности.

re.search(pattern, string)

Функция re.search() используется для поиска в строке первого вхождения заданного шаблона. Ниже приведен шаблон для поиска в тексте e-mail адреса:

s = "His email is [email protected]"
match = re.search(r'[\w.-]+@[\w.-]+', s)
if match:
    print(match.group())
else:
    print("соответствия не найдено")

В случае успеха функция возвращает объект match, а с помощью метода group() можно извлечь найденный текст.

re.findall(pattern, string)

Если нам нужно найти все вхождения, следует использовать функцию re.findall(). В случае успеха она возвращает список, который содержит все искомые вхождения по порядку. В противном случае функция возвратит пустой список.

s = "Her phone numbers: 12542-78514 and 96753-82514"
match = re.findall(r'\d{5}', s)
if match:
    print(match)

Результатом работы этого кода будет список из четырех наборов цифр, содержащихся в исходной строке.

re.match(pattern, string)

Функция re.match() осуществляет поиск по заданному шаблону с начала строки. Результат

ее работы со строкой “First Second Third” и шаблоном “First” окажется положительным. Однако, если мы попытаемся найти фрагмент “Second”, соответствий не обнаружится.

result = re.match(r'First', 'First Second Third')
# OK
result = re.match(r'Second', 'First Second Third')
# None

re.split(pattern, string, [maxsplit=0])

Функция re.split() разделяет строку по заданному шаблону. Например, разобьем строку на отдельные слова, разделенные пробелом:

txt = "Split at each white-space character"

x = re.split("\s", txt)

print(x)

# ‘Split’ ‘at’ ‘each’ ‘white-space’ ‘character’

Кроме того, эта функция принимает аргумент maxsplit со значением, по умолчанию равным 0. В вышеприведенном примере она разделит строку на максимальное количество частей. Если же специально задать этот аргумент, то разделение будет осуществлено не более заданного количества раз.

x = re.split("\s", txt, maxsplit=1)

В этом случае строка будет разделена всего на две части.

re.sub(pattern, repl, string, count=0)

Функция re.sub() осуществляет поиск шаблона в строке, заменяя его указанной подстрокой. В случае отсутствия шаблона никаких изменений не происходит. Следует упомянуть, что для операций поиска и замены пользователи часто пытаются использовать функцию replace, которой попросту не существует. Для этих целей предназначена re.sub(). Вот пример ее использования:

result = re.sub(r'small', 'big', 'Our company is small')

print result

# 'Our company is big'

В качестве четвертого параметра функции можно задать количество совпадений, подлежащих изменению. По умолчанию этот параметр равен 0, то есть заменяются все найденные совпадения с шаблоном. Ниже приведен пример, где во фрагменте из нескольких строк ищется и заменяется только 1 пробельный символ:

string = 'abc 12\
de 23 \n f45 6'
pattern = '\s+'
replace = ''
new_string = re.sub(r'\s+', replace, string, 1)
print(new_string)
# ‘abc12de 23’
# ‘f45 6’

re.compile(pattern, repl, string)

С помощью функции re.compile() можно собрать регулярное выражение в отдельный объект, который в дальнейшем будет использоваться как шаблон для поиска, а также избавит от неоднократного переписывания одного и того же выражения.

pattern = re.compile('the')
result = pattern.findall('We are the biggest company in the world')
print result
result2 = pattern.findall('We are the best company')
print result2
# ‘the’, ‘the’
# ‘the’

Кратко коснемся понятия флагов в регулярных выражениях. Многие функции в RegЕx принимают необязательный аргумент, известный как flag. Флаги влияют на некоторые особенности работы регулярных выражений. Они доступны в модуле re под двумя именами: длинным, например, IGNORECASE, и его коротким, однобуквенным сокращением, таким как I.

Краткий формат статьи позволил лишь поверхностно коснуться огромной темы под названием регулярные выражения. Существует масса книг, публикаций и ресурсов, посвященных работе с ними. Постепенно вы сможете лично убедиться в том, что регулярные выражения – это очень полезный и мощный инструмент.

P.S. Для быстрой проверки регулярных выражений рекомендую очень удобный ресурс: https://regex101.com.