Regular Expression คืออะไร?
ในโลกความเป็นจริง การแยกวิเคราะห์สตริงในภาษาโปรแกรมส่วนใหญ่จัดการโดย Regular Expression Regular Expression ในภาษาโปรแกรม Python เป็นวิธีที่ใช้สำหรับจับคู่รูปแบบข้อความ
โมดูล "re" ซึ่งมาพร้อมกับการติดตั้ง Python ทุกครั้งให้การสนับสนุน Regular Expression
ใน Python การค้นหา Regular Expression มักเขียนเป็น:
match = re.search(pattern, string)
เมธอด re.search() รับสองอาร์กิวเมนต์ คือ รูปแบบ Regular Expression และสตริง และค้นหารูปแบบนั้นภายในสตริง หากพบรูปแบบภายในสตริง search() จะคืนค่า match object หรือ None หากไม่พบ ดังนั้นใน Regular Expression กำหนดสตริงหนึ่ง ให้กำหนดว่าสตริงนั้นตรงกับรูปแบบที่กำหนดหรือไม่ และอาจรวบรวม substring ที่มีข้อมูลที่เกี่ยวข้องได้ Regular Expression สามารถใช้ตอบคำถามได้ เช่น −
สตริงนี้เป็น URL ที่ถูกต้องหรือไม่?
ผู้ใช้ใดใน /etc/passwd อยู่ในกลุ่มที่กำหนด?
วันที่และเวลาของข้อความเตือนทั้งหมดในไฟล์ log คืออะไร?
ชื่อผู้ใช้และเอกสารที่ร้องขอโดย URL ที่ผู้เยี่ยมชมพิมพ์คืออะไร?
การจับคู่รูปแบบ (Matching patterns)
Regular Expressions เป็นภาษาย่อยที่ซับซ้อน พวกมันอาศัยตัวอักษรพิเศษในการจับคู่สตริงที่ไม่รู้จัก แต่ลองเริ่มจากตัวอักษรตัวจริง เช่น ตัวอักษร ตัวเลข และตัวอักษรเว้นวรรค ซึ่งจับคู่กับตัวเองเสมอ มาดูตัวอย่างพื้นฐาน:
# ต้องการโมดูล 're' สำหรับ regular expression import re # search_string = "TutorialsPoint" pattern = "Tutorials" match = re.match(pattern, search_string) # If-statement หลังจาก search() ทดสอบว่าสำเร็จหรือไม่ if match: print("regex matches: ", match.group()) else: print('pattern not found')
ผลลัพธ์
regex matches: Tutorials
การจับคู่สตริง (Matching a string)
โมดูล "re" ของ Python มีเมธอดมากมาย และเพื่อทดสอบว่า Regular Expression เฉพาะตัวตรงกับสตริงเฉพาะตัวหรือไม่ คุณสามารถใช้ re.search() ได้ อ็อบเจกต์ re.MatchObject ให้ข้อมูลเพิ่มเติม เช่น ส่วนใดของสตริงที่พบการจับคู่
ไวยากรณ์
matchObject = re.search(pattern, input_string, flags=0)
ตัวอย่าง
# ต้องการโมดูล 're' สำหรับ regular expression import re # ใช้ regular expression จับคู่สตริงวันที่ regex = r"([a-zA-Z]+) (\d+)" if re.search(regex, "Jan 2"): match = re.search(regex, "Jan 2") # จะพิมพ์ [0, 5) เนื่องจากจับคู่ที่ต้นและท้ายของ # สตริง print("Match at index %s, %s" % (match.start(), match.end())) # กลุ่มมีค่าที่จับคู่ได้ โดยเฉพาะ: # match.group(0) คืนค่าสตริงที่จับคู่เต็มรูปแบบเสมอ # match.group(1), match.group(2), ... จะคืนค่า # capture groups ตามลำดับจากซ้ายไปขวาในสตริงอินพุท # match.group() เทียบเท่า match.group(0) # ดังนั้นจะพิมพ์ "Jan 2" print("Full match: %s" % (match.group(0))) # ดังนั้นจะพิมพ์ "Jan" print("Month: %s" % (match.group(1))) # ดังนั้นจะพิมพ์ "2" print("Day: %s" % (match.group(2))) else: # หาก re.search() ไม่จับคู่ จะคืนค่า None print("Pattern not Found! ")
ผลลัพธ์
Match at index 0, 5 Full match: Jan 2 Month: Jan Day: 2
เนื่องจากเมธอดข้างต้นหยุดหลังการจับคู่ครั้งแรก จึงเหมาะสำหรับการทดสอบ Regular Expression มากกว่าการแยกข้อมูล
Capturing Groups (กลุ่มการจับคู่)
หากรูปแบบมีวงเล็บสองคู่ขึ้นไป ผลลัพธ์สุดท้ายจะเป็น tuple แทนที่จะเป็นลิสต์ของสตริง ด้วยกลไกกลุ่มของวงเล็บ () และ finall() แต่ละรูปแบบที่จับคู่ได้แสดงด้วย tuple และแต่ละ tuple มี group(1), group(2).. data
import re regex = r'([\w\.-]+)@([\w\.-]+)' str = ('hello john@hotmail.com, hello@Tutorialspoint.com, hello python@gmail.com') matches = re.findall(regex, str) print(matches) for tuple in matches: print("Username: ",tuple[0]) #username print("Host: ",tuple[1]) #host
ผลลัพธ์
[('john', 'hotmail.com'), ('hello', 'Tutorialspoint.com'), ('python', 'gmail.com')] Username: john Host: hotmail.com Username: hello Host: Tutorialspoint.com Username: python Host: gmail.com
การค้นหาและแทนที่สตริง (Finding and replacing string)
งานทั่วไปอีกอย่างคือค้นหาทุกครั้งของรูปแบบในสตริงที่กำหนดและแทนที่พวกมัน re.sub(pattern, replacement, string) จะทำได้พอดี ตัวอย่างเช่น เพื่อแทนที่โดเมนอีเมลเก่าทั้งหมด
โค้ด
# requid library import re #given string str = ('hello john@hotmail.com, hello@Tutorialspoint.com, hello python@gmail.com, Hello World!') #pattern to match pattern = r'([\w\.-]+)@([\w\.-]+)' #replace the matched pattern from string with, replace = r'\1@XYZ.com' ## re.sub(pat, replacement, str) -- returns new string with all replacements, ## \1 is group(1), \2 group(2) in the replacement print (re.sub(pattern, replace, str))
ผลลัพธ์
hello john@XYZ.com, hello@XYZ.com, hello python@XYZ.com, Hello World!
Re options flags (ตัวเลือก flag ของ re)
ใน Python Regular Expression เช่นข้างต้น เราสามารถใช้ตัวเลือกต่างๆ เพื่อปรับเปลี่ยนพฤติกรรมของการจับคู่รูปแบบ อาร์กิวเมนต์เพิ่มเติมเหล่านี้ flag ทางเลือกถูกเพิ่มเข้าไปในฟังก์ชัน search() หรือ findall() เป็นต้น เช่น re.search(pattern, string, re.IGNORECASE)
IGNORECASE −
ตามที่ชื่อบ่งชี้ ทำให้รูปแบบไม่สนใจตัวพิมพ์เล็ก/ใหญ่ (upper/lowercase) ด้วยนี้ สตริงที่มี 'a' และ 'A' จะจับคู่ทั้งคู่
DOTALL
re.DOTALL อนุญาตให้ dot(.) metacharacter จับคู่ตัวอักษรทั้งหมดรวมถึง newline (\n)
MULTILINE
re.MULTILINE อนุญาตให้จับคู่จุดเริ่มต้น(^) และจุดสิ้นสุด($) ของแต่ละบรรทัดของสตริง แต่โดยปกติ ^ และ & จะจับคู่แค่จุดเริ่มต้นและจุดสิ้นสุดของสตริงทั้งหมด
