Разбор строк
Базовые разбор строк часто можно выполнить комбинацией методов 'split', 'strip' и приведением полученных элементов строки к нужным типам. Но иногда этого бывает мало или получаемый код выходит слишком громоздким.
scanf
Пакет scanf[pip] предоставляет метод разбора строк аналогичный C функции scanf.
from scanf import scanf
template = 'Power: %f [%], %s, Stemp: %f'
text = 'Power: 0.0 [%], Cool, Stemp: 23.73'
s = scanf(template, text)
#s == (0.0, 'Cool', 23.73)
| Шаблон | Значение |
|---|---|
%c | Один символ |
%5c | Пять символов |
%d, %i | Целое число |
%7d, %7i | Целое число в 7 символов |
%f | Число с плавающей запятой |
%X, %x | Целое число в шестнадцатеричной системе |
%s | Строка до первого пробела |
Поддерживаемые модификаторы: ширина поля %12d и пропуск поля %*d.
Дополнительно имеется тип %c — один или нескольких символов, например %12c, а %s работает до первого пробела.
Подробное описание форматов scanf.
Регулярные выражения
Регулярные выражения — специальный язык программирования. В стандартной библиотеке Python есть модуль для работы с ними — re. Перед использованием регулярные выражения следует компилировать методом re.compile, это повышает производительность.
Основные применения:
- Проверка формальной корректности строки
- Поиск/замена по шаблону
- Разделение строки по правилам
Проверить свои регулярные выражения можно, например, на сайте http://www.pyregex.com/.
Использование длинных и сложных регулярных выражений считается плохим стилем. Для разбора сложного синтаксиса следует использовать другие инструменты.
Некоторые популярные регулярные выражения
| Выражение | Смысл |
|---|---|
^ | Начало строки |
$ | Конец строки |
. | Один любой символ |
[abcd] | Один из символов abcd |
[a-z0-9A-Z] | Один из алфовитноцифровых символов |
\w | Один символ из набора [a-zA-Z0-9_] + Unicode letters |
\s | Один пробельный символ |
( ) | Группа из одного или нескольких шаблонов к которой можно обращаться |
+ | Модификатор «один или несколько» |
* | Модификатор «ноль или несколько» |
Чтобы избежать проблем с экранированием регулярные выражения записываются, как строки без экранирования, например r'\w+'.
Некоторые методы
match
Проверка на соответствие строки — шаблону.
import re
r = re.compile(r"\w+ = \w+")
r.match("Привет = мир") != None # True
r.match("Привет =") != None # False
r.match("Привет = мир проверка") != None # True
r = re.compile(r"^\w+\s+=\s+\w+$")
r.match("Привет = мир проверка") != None # False
r.match("Привет = мир\n") != None # True
r = re.compile(r"^(\w+)\s+=\s+(\w+)$")
wd = r.match("Привет = мир")
wd.group(0) # 'Привет = мир'
wd.group(1) # 'Привет'
wd.group(2) # 'мир'
search / findall
Поиск в строке подстрок(-и) удовлетворяющей выражению.
import re
r = re.compile(r"[а-я]+")
wd = r.search("Если я чешу в затылке не беда!")
s = wd.group(0) # s == 'сли'
t = r.findall("Если я чешу в затылке не беда!")
#t == ['сли', 'я', 'чешу', 'в', 'затылке', 'не', 'беда']
sub
Замена подстрок(-и) удовлетворяющей выражению.
import re
r = re.compile(r"\s+")
s = r.sub("-","begin begin begin end end end")
# s == 'begin-begin-begin-end-end-end'
split
Разбиение строки по разделителю в виде регулярного выражения.
import re
r = re.compile(r"\s+")
s = r.split("Если я чешу в затылке не беда!")
# s == ['Если', 'я', 'чешу', 'в', 'затылке', 'не', 'беда!']