Regulární výrazy

Základy regulárních výrazů

Vymezení znaku:

• . ... jakýkoli znak
• \. ... znak skutečné tečky (zp. lomítko způsobí, že se bude chovat jako písmenko, ne jako speciální značka)
• [] ... znak z výčtu
• --> např. [A-Z-] ... velké písmeno nebo pomlčka
• [abc] ... a nebo b nebo c
• [^abc] ... jakýkoli znak krom vyjmenovaných
• X|Y ... X nebo Y

Vyznačení počtu znaků:

• X* ... X libovolný počet (ale co nejvíce, "greedy")
• X*? ... X libovolný počet (ale co nejméně, "lazy")
• X? ... X nejvýše jednou
• X+ ... X alespoň jednou

Poloha v řetězci:

• ^ ... začátek řádku
• $ ... konec řádku

Pomůcky:

• \d ... číslice (jako [0-9])
• \w ... libovolný znak tvořící slovo [a-zA-Z_0-9]
• \s ... libovolný prázdný znak (mezera, tabulátor)

Kompletní přehled na dokumentaci pythonu: http://docs.python.org/library/re.html

Funkce regulárních výrazů v modulu re

Základní funkce regexp:

• re.search(co, kde) ... hledá reg. výraz kdekoli v řetězci kde
• (pozor, existuje také re.match(co, kde) ... hledá jen na začátku řetězce kde)
• re.split(co, kde) ... rozdělí řetězec tam, kde najde regexp

Pokročilejší funkce je re.finditer:

• for iter in re.finditer(co, kde): print iter.start(), iter.end(), iter.group() ... prochází nalezené výskyty, vypisuje odkud, kam a co bylo nalezeno

Nahrazování pomocí regexp

Příkazem: re.sub(co, za_co, kde) ... navrací řetězec, v němž byly nahrazeny výskyty reg. výrazu

Pozn.: za_co nemusí být typu "str", ale může to být i funkce přijímající jeden parametr typu MatchObject (viz výše).

Úkol 1: program na vyhledání e-mailů

V Glade vyrobte okno, které bude obsahovat jedno tlačítko a dvě textová pole (gtk.TextView).

Do výchozího pythonovského programu (viz zde) přidejte níže uvedenou obsluhu události kliknutí na tlačítko. Nezapomeňte událost tlačítka vytvořit i v Glade!

    ## Odsud obsluhy událostí
    def on_button1_clicked(self, widget):
        buf1 = self.w("textview1").get_buffer()
        buf2 = self.w("textview2").get_buffer()

        input_text = buf1.get_text(buf1.get_start_iter(), buf1.get_end_iter())

        import re
        output_text = ""
        mailpattern = "" ## TODO Úkol pro studenty!
        for result in re.finditer(mailpattern, input_text):  ## navrací objekty typu MatchObject
            output_text = output_text + result.group() + "\n"

        buf2.set_text(output_text);

Úkol 2: užitečný program na zvýrazňování pythonovské syntaxe

Na podobném principu vytvořte pro svého hodného učitele program, který mu bude zvýrazňovat pythonovskou syntaxi ve formátu HTML. Klíčová slova pythonu (seznam zde) by mohla být tučně (tagy <b>, </b>), čísla modře (tagy <font color="blue">, </font>)....

Použijte k tomu příkaz re.sub().

--- re.sub("(aaa|ccc)(.)", "<b>\\g<1></b>", "aaaX bbbY cccZ dddŽ")

'<b>aaa</b> bbbY <b>ccc</b> ddd\xc5\xbd'

Úkol 2.1 pro rychlé: dovedete zařídit, aby se kód aktualizoval během psaní?