بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 41: عبارت‌های منظم Regular Expressions

با ماژول re الگوهای متنی را جست‌وجو، استخراج، اعتبارسنجی و جایگزین می‌کنیم؛ از ایمیل و شماره تلفن تا خطوط لاگ.

در این جلسه یاد می‌گیری

درس

عبارت منظم (regular expression) زبانی کوچک برای توصیف الگوی متن است. الگو را همیشه با r"..." بنویسید تا \ را پایتون تفسیر نکند. re.search اولین تطابق در هر جای متن را پیدا می‌کند و اگر نبود None برمی‌گرداند.

import re

m = re.search(r"ORD-\d{4}", "ticket for ORD-2391 is open")
if m:
    print(m.group())  # ORD-2391

اجزای پایه: \d رقم، \w حرف/رقم/زیرخط، \s فاصله، . هر کاراکتر، [a-z] بازه. کمیت‌سنج‌ها: * صفر یا بیشتر، + یک یا بیشتر، ? اختیاری، {2,4} بین ۲ تا ۴. لنگرها: ^ ابتدا و $ انتها.

re.findall(r"\d+", "3 apples and 12 pears")  # ['3', '12']
re.findall(r"\b\w{5,}\b", "a short sentence")   # ['short', 'sentence']

re.match فقط از ابتدای رشته تطبیق می‌دهد و re.fullmatch کل رشته را می‌خواهد؛ برای اعتبارسنجی (validation) تقریباً همیشه fullmatch درست است، وگرنه 09123456789xyz هم قبول می‌شود.

print(bool(re.match(r"\d{3}", "123abc")))      # True
print(bool(re.fullmatch(r"\d{3}", "123abc")))  # False

پرانتز یک گروه (group) می‌سازد که با m.group(1) یا m.groups() خوانده می‌شود. گروه نام‌دار (?P<name>...) کد را خوانا می‌کند و m.group("name") یا m.groupdict() را ممکن می‌سازد. اگر الگو گروه داشته باشد findall لیست تاپل‌ها برمی‌گرداند.

m = re.fullmatch(r"(?P<year>\d{4})-(?P<month>\d{2})", "2026-10")
print(m.group("month"), m.groupdict())

re.sub تطابق‌ها را جایگزین می‌کند؛ در متن جایگزین \1 یا \g<name> به گروه‌ها اشاره می‌کند و به جای رشته می‌توان تابع داد. برای الگویی که بارها استفاده می‌شود re.compile بنویسید؛ پرچم‌هایی مثل re.IGNORECASE هم همان‌جا می‌آیند.

print(re.sub(r"\s+", " ", "too    many   spaces"))
print(re.sub(r"(\d{4})-(\d{2})-(\d{2})", r"\3/\2/\1", "2026-10-13"))
WORD = re.compile(r"error", re.IGNORECASE)

مثال‌های این جلسه

چالش‌ها

  1. Extract Numbers (آسان)
  2. Find an Order ID (آسان)
  3. Normalize Whitespace (آسان)
  4. Mobile Number Validator (متوسط)
  5. Reformat a Date (متوسط)
  6. Named Groups (متوسط)
  7. Email Validator (متوسط)
  8. Parse a Log Line (سخت)
  9. Mask Emails (سخت)
  10. Parse Key-Value Settings (سخت)
  11. Split on Many Delimiters (متوسط)
  12. Password Policy (سخت)

بیشتر بخوان

← جلسه‌ی 40: جعبه‌ابزار کتابخانه‌ی استاندارد جلسه‌ی 42: پروژه: تحلیل‌گر لاگ →