Tässä luvussa tutustut siihen, miten säännöllisiä lausekkeita voidaan hyödyntää edistyneissä Python-tilanteissa, kuten sisäkkäisissä funktioissa, merkkijonojen kääntämisessä ja merkkijonojen yhdistämisessä. Näiden tekniikoiden avulla voit käsitellä ja analysoida tekstidataa tehokkaammin ja joustavammin, mikä avaa uusia mahdollisuuksia automaatioon, datan puhdistukseen ja monimutkaiseen mallintunnistukseen.

Opit, miten säännölliset lausekkeet voivat:

• Tehostaa sisäkkäisten funktioiden toiminnallisuutta tiedon poiminnassa tai muuntamisessa;
• Yksinkertaistaa merkkijonojen kääntämistä tiettyjen mallien perusteella;
• Mahdollistaa dynaamisen ja muokattavan merkkijonojen yhdistämisen mallipohjaisten sääntöjen avulla.

Näiden sovellusten hallinta auttaa sinua kirjoittamaan tiiviimpää, luettavampaa ja tehokkaampaa Python-koodia monenlaisiin käytännön tehtäviin, kuten lokitiedostojen käsittelyyn ja dataputkien rakentamiseen.

Säännöllisten lausekkeiden käyttö sisäkkäisissä funktioissa

Kun käytät säännöllisiä lausekkeita Pythonissa, määrittelet usein mallit ja hakulogiikan funktioiden sisällä. Joskus saatat tarvita säännöllisiä lausekkeita sisäkkäisissä funktioissa — funktioissa, jotka on määritelty toisten funktioiden sisälle. Ymmärtämällä, miten näkyvyysalue ja muuttujien käyttö toimivat tässä yhteydessä, voit kirjoittaa selkeää ja uudelleenkäytettävää koodia.

Määritelmä: Sisäkkäinen funktio

Sisäkkäinen funktio on funktio, joka on määritelty toisen funktion sisällä. Sisempi funktio voi käyttää ulomman funktion muuttujia Pythonin leksikaalisen näkyvyyden (closure) ansiosta.

Näkyvyysalue ja säännölliset lausekkeet

• Sisempi funktio voi käyttää ulommassa funktiossa määriteltyjä säännöllisen lausekkeen malleja ja käännettyjä olioita;
• Voit välittää säännöllisen lausekkeen osumia tai tuloksia ulommasta funktiosta sisemmälle jatkokäsittelyä varten;
• Mallin kääntäminen ulommassa funktiossa parantaa tehokkuutta, jos sisempi funktio käyttää samaa mallia useita kertoja.

Käytännön esimerkki: Datan suodatus ja poiminta

Oletetaan, että haluat käsitellä sähköpostiosoitteiden listaa, suodattaa kelvolliset ja poimia käyttäjätunnuksen. Voit käyttää sisäkkäistä funktiota poimintalogiikan kapselointiin:

import re

def filter_and_extract_usernames(emails):
    pattern = re.compile(r"([\w.-]+)@[\w.-]+\.\w+")
    
    def extract_username(email):
        match = pattern.match(email)
        if match:
            return match.group(1)
        return None
    
    usernames = []
    for email in emails:
        username = extract_username(email)
        if username:
            usernames.append(username)
    return usernames

emails = [
    "alice.smith@example.com",
    "bob99@invalid",
    "carol.jones@domain.org"
]

print(filter_and_extract_usernames(emails))
# Output: ['alice.smith', 'carol.jones']

Tärkeimmät huomiot:

• pattern käännetään kerran ulommassa funktiossa ja sitä käytetään uudelleen sisäkkäisessä extract_username-funktiossa;
• Sisempi funktio käyttää regex-mallia ulomman funktion näkyvyysalueelta;
• Tämä rakenne pitää koodin järjestelmällisenä ja tehokkaana, erityisesti käsiteltäessä monimutkaisia datan jäsentämistehtäviä.

Säännöllisten lausekkeiden käyttö sisäkkäisissä funktioissa on tehokas tekniikka modulaarisen ja ylläpidettävän koodin rakentamiseen, joka käsittelee tekstidataa tehokkaasti.

Merkkijonojen kääntäminen Pythonissa

Merkkijonon kääntäminen on yleinen tehtävä tekstidatan käsittelyssä. Python tarjoaa yksinkertaisen tavan kääntää merkkijonoja viipaloinnilla, ja tätä voi yhdistää säännöllisiin lausekkeisiin edistyneempää tekstin käsittelyä varten.

Kuinka kääntää merkkijono

Voit kääntää minkä tahansa merkkijonon Pythonissa viipaloinnilla:

text = "Hello, world!"
reversed_text = text[::-1]
print(reversed_text)  # Output: !dlrow ,olleH

Selitys:

• text[::-1] luo uuden merkkijonon ottamalla kaikki merkit text-muuttujasta käänteisessä järjestyksessä.

Käyttötilanteita

Merkkijonojen kääntäminen on hyödyllistä useissa tilanteissa:

• Tarkistettaessa, onko merkkijono palindromi;
• Arkaluontoisen tiedon peittämisessä näyttämällä se takaperin;
• Hauskojen tekstitehosteiden luomisessa käyttöliittymiin.

Regexin yhdistäminen merkkijonon kääntämiseen

Voit käyttää säännöllisiä lausekkeita löytääksesi tiettyjä kuvioita merkkijonosta ja kääntää sitten vain nämä osat. Tämä on hyödyllistä, kun haluat kääntää vain tietyt sanat tai kuviot, etkä koko merkkijonoa.

Esimerkki: Kaikkien isolla kirjaimella alkavien sanojen kääntäminen

import re

def reverse_capital_words(text):
    def reverse_match(match):
        return match.group()[::-1]
    # Find all words starting with a capital letter
    pattern = r'\b[A-Z][a-zA-Z]*\b'
    return re.sub(pattern, reverse_match, text)

sentence = "Alice and Bob went to Wonderland."
result = reverse_capital_words(sentence)
print(result)  # Output: "ecilA and boB went to .dnalrednoW"

Toimintaperiaate:

• Regex-kuvio \b[A-Z][a-zA-Z]*\b osuu sanoihin, jotka alkavat isolla kirjaimella.
• reverse_match-funktio kääntää jokaisen osuman.
• re.sub korvaa jokaisen osuman käännetyllä versiolla.

Säännöllisten lausekkeiden ja merkkijonon kääntämisen yhdistäminen mahdollistaa monimutkaiset tekstimuunnokset tiiviisti ja joustavasti.

Merkkijonojen yhdistäminen Pythonissa

Merkkijonojen yhdistäminen on yleinen tehtävä tekstidatan käsittelyssä. Usein on tarpeen yhdistää useita merkkijonoja yhdeksi, esimerkiksi yhdistää sanoja, rivejä tai säännöllisen lausekkeen haun tuloksia.

join()-metodin käyttäminen merkkijonolistojen yhdistämiseen

str.join()-metodi on vakiotapa yhdistää lista merkkijonoja yhdeksi merkkijonoksi. Määrität erotinmerkkijonon ja kutsut join()-metodia sillä listalla, jonka haluat yhdistää.

words = ['Python', 'is', 'fun']
sentence = ' '.join(words)
print(sentence)  # Output: Python is fun

Keskeisiä huomioita join()-metodista:

• Erotin (esim. välilyönti, pilkku tai rivinvaihto) tulee ennen .join()-metodia;
• join()-metodin argumentin tulee olla iteroitava, joka sisältää merkkijonoja (esim. lista tai tuple);
• Tuloksena on yksi merkkijono, jossa kaikki alkiot on erotettu valitulla erottimella.

Regex-osumien yhdistäminen yhdeksi merkkijonoksi

Kun käytät re.findall()-funktiota, se palauttaa listan kaikista ei-päällekkäisistä osumista. Voit käyttää join()-metodia yhdistääksesi nämä osumat yhdeksi merkkijonoksi.

import re

text = 'cat, dog, bat, rat'
animals = re.findall(r'\w{3}', text)
all_animals = ', '.join(animals)
print(all_animals)  # Output: cat, dog, bat, rat

Yleisiä käyttötapauksia:

• Kaikkien regex-osumien yhdistäminen pilkulla erotetuksi merkkijonoksi;
• Tekstirivien yhdistäminen yhdeksi kokonaisuudeksi;
• CSV-rivien muodostaminen arvolistoista.

Merkkijonojen tehokas yhdistäminen auttaa käsittelemään, näyttämään ja tallentamaan tekstidataa luettavassa ja jäsennellyssä muodossa.