Informatika1-2018/Gyakorlat3

Előző - Fel - Következő

Reguláris kifejezések

A reguláris kifejezéseket akkor használjuk, amikor összetettebb karaktersort keresünk egy szövegben, illetve ilyen karakterláncokat szeretnénk helyettesíteni. Az órán a https://regex101.com/#python oldalon fogjuk kipróbálni, hogy mi hogyan működik.

• Speciális karakterek: nem ismeri fel őket, más jelentésük van, csak \ előkével tudunk rájuk keresni, pl \$, \^ stb.

. ^ $ * + ? { } [ ] \ | ( )

Karakterosztályok

Egyelőre egyetlen karakterre illesztünk.

• \d: tetszőleges számjegy, \D: tetszőleges karakter, ami nem számjegy.
• \w: tetszőleges alfanumerikus karakter, betű, szám vagy alulvonás (_), \W: tetszőleges, nem alfanumerikus karakter.
• \s: whitespace, azaz tab, sor vége, szóköz, \S tetszőleges, nem whitespace karakter.
• Mi is megadhatunk karakterosztályt: [xyz], vagy tilthatunk is, pl. [^xyz]. Előbbi az x,y,z karakterek bármelyikére illeszkedik, utóbbi bármilyen karakterre, ami nem x,y vagy z. Sőt, kötőjellel elválasztva intervallunként hivatkozhatunk a karakterekre, pl. [a-z] illeszkedik az összes kisbetűre, de az [A-Za-z0-9] is helyes, ez minden kis- és nagybetűre és számjegyre illeszkedik.
• ^: sor eleje, $, sor vége.
• A . minden karakterre illeszkedik.

Ismétlődések

Jelölés	Ismétlődések száma	Példa
*	0,1, vagy akármennyi	a \d* illeszkedik a '123' karakterekre, de az üres -re is
+	legalább 1	\d+ Illeszkedik tetszőleges darab számjegyre
?	0 vagy 1	oda\-?vissza illeszkedik az 'oda-vissza' és az 'odavissza' szavakra is
{m,n}	Legalább m, legfeljebb n darab, bármelyik szám elhagyható	:D{4,10} nem illeszkedik a ':DDDDDDDDDDDDDD'-re

Választás

• Bármilyen magánhangzóra illeszkedik a a|e|i|o|u kifejezés. Próbáljuk ki a GetValue|Get|Set|SetValue kifejezést. A SetValue szövegnél mire illeszkedik?

Csoportosítás

Lehetőségünk van csoportokat kijelölni a kifejezésen belül. Az alábbi példa olyan szövegre illeszkedik, amelyben kétszer ismétlődik bármi.

(.*)\1

Tudunk keresni html tageket is

<([A-Z][A-Z0-9]*)\b[^>]*>.*?</\1>

Több csoportot is tudunk kezelni, a nyitó zárójelek sorrendje határozza meg a csoport sorszámát. Cseréljük le az email cím országkódját .hu-ra!

(\w+)@((\w+)\.)+(\w+)

Feladatok

• yyyy.mm.dd formátumú dátumok
• Magyar mobilszámok
• Néggyel osztható 2-jegyű szám
• Szökőév
• yyyy.mm.dd formátumú dátumok
  • de az elválasztó más is lehet, nem csak pont, viszont a két elválasztónak azonosnak kell lennie.

   yyyy.mm.dd
   yyyy-mm-dd
   yyyy,mm,dd
   

• replace-el:
  • alakítsuk át a yyyy-mm-dd formátumú dátumokat mm-dd-yy alakúra!
  • cseréljünk fel két oszlopot ebben: [1]

Nehezebb feladatok

Nagy betűkkel írt római számok

Évezred: M{0,4}, évszázad: CM|CD|D?C{0,3}, évtized: XC|XL|L?X{0,3}, év: IX|IV|V?I{0,3}. Akkor mégis mi a hiba az alábbi megoldással?

M{0,4}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})

Hogy illeszkedik az üres sztringre is! Megoldás

\b(?=[MDCLXVI])M{0,4}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})\b

Pozitív egészek, esetleg a sokjegyű számok hármasával csoportosítva vannak és a csoportok szóközzel elválasztva

[1-9](\d{0,2}( \d{3})+|\d*)

Ugyanez szóhatárok közt:

\b[1-9](\d{0,2}( \d{3})+|\d*)\b

HTML-kódban hexadecimális színkód (3 vagy 6 hexa szám)

([0-9A-Fa-f]{3}){1,2}

Előző - Fel - Következő