Регулярные выражения

Немного истории

• неплохая методичка, в которой есть практически всё про РВ, о чём говорилось в лекции. Серьёзно, прямо план лекции.

Копия плана (примеры и пояснения см. на сайте):

• Что такое РВ?
• Спецсимволы
  • Точка
  • Набор символов (диапазон)
    • Отрицание набора символов
  • Повторения
    • Звёздочка
    • Плюс
    • Знак вопроса
  • Фигурные скобки

    • 3.11+ {m,n}+ TODO попробовать

  • Скобочные группы (карманы)
  • Альтернация
  • Экранирование
  • Позиционные маркеры
    • Каретка
    • Доллар
• Дополнительные диапазоны и позиционные маркеры
• Контекстные проверки
  • Предпросмотр, негативный предпросмотр
  • Пост-просмотр, негативный пост-просмотр

  • 3.11+ (?>...) TODO попробовать

• Флаги
  • Поиск без учета регистра
  • Многостроковый поиск

    • Перевод строки как любой символ

• Жадные vs ленивые повторители

  • 3.11+ алчные повторители: *+, ++ и ?+

Особенности Python

• Работа функций match() и search()

  • Результат — последовательность Match Object-ов

• Удобные инструменты: findall() / finditer(); esacpe(), split()

Поиск с заменой

В методичке нет про поиск с заменой sub()

• Самоцитаты (back references) — \номер скобочной группы (номер открывающей скобки в целом RE)

  • Пример: (\w+).*(\1) на текст Matches between zero and unlimited times, as match times

• Использование цитат в sub():

  • sub(r"(\w+).(\w+)", r"\2 — \1 — \1", "---qwerty---")

Ещё почитать

• MRE

• re

Д/З

0. Прочитать и прощёлкать

   • методичку по regexp-ам

   • Howto

   • примеры в документации

   • В частности, Match Objects

1. EJudge: RegexDump 'Структура РВ'

   Написать программу, которой на вход подаётся синтаксически верное регулярное выражение, а затем — строки поиска (последняя строка пустая). Программа должна выводить информацию о первой найденной в строке поиска подстроке, соответствующей регулярному выражению, в таком формате:

   • Если подстрока не найдена, выводится «<NONE>»

   • Если подстрока найдена, выводится позиция: подстрока, где «позиция» — это номер символа в строке, начиная с которого была найдена подстрока

   • Если в регулярном выражении присутствовала группировка с сохранением (попросту скобочки), выводится номер группы/позиция: подстрока для каждой группы

   • Если в регулярном выражении присутствовали именованные группы, выводится имя группы/позиция: подстрока для каждой группы (в порядке их появления в re.Match.groupdict())

   • Если какая-то группа присутствует в исходном выражении, но не нашла сопоставления (например, была помечена повторителем * и пропущена), она не выводится

   Input:

   (\w)+(@+)?(?P<nonalpha>\W+)--(\w+)
   ^_^awww-----foo;_;
   L'amor che muove il sole e l'altre stelle
   #$qwer@@@--wqer#$

   Output:

   3: awww-----foo
   1/6: w
   3/7: ---
   4/12: foo
   nonalpha/7: ---
   <NONE>
   2: qwer@@@--wqer
   1/5: r
   2/6: @@
   3/8: @
   4/11: wqer
   nonalpha/8: @

3. EJudge: CorrectNumber 'Проверка числа'

   Дано число. Требуется определить, корректно ли оно. Число может быть записано в двух формах: обычной и экспоненциальной:

   • Число в обычной форме не должно содержать ведущих нулей. Знак "-" должен стоять только перед непололожительным числом и только в одном экземпляре. Число также может быть записано в двоичной, восьмеричной или шестнадцатеричной системе счисления. В различных системах счисления число будет иметь вид (угловые скобки означают термин):

     %0x<обычная форма>

     в шестнадцатеричной (состоит из цифр и маленьких латинских букв). Число знаков после "0x" не должно превышать 16.

     %0o<обычная форма>

     в восьмеричной. Число знаков после "0o" не должно превышать 8.

     %0b<обычная форма>

     в двоичной. Число знаков после "0b" не должно превышать 20.

   • Знак "-" также может быть только один и должен стоять перед символом "%". Примеры корректных чисел в обычной форме: 75, -%0x6f4, %0b101110 , %0o1705.

   • Число в экспоненциальной форме представляет собой запись следующего вида (необязательные элементы заключены в квадратные скобки):

         <число в обычной форме>[<.><неотрицательное число в обычной форме, может содержать ведущие нули, не влияющие на подсчет количества знаков и стоящие до символа "%" если число не в десятичной системе счисления>]<E>[<знак "+" или "-"><число в обычной форме>]

   Input:

   %0x5f7.00%0b1011E-%0o71

   Output:

   YES