IB111 – cv. 12
Práce s textem, daty
Miroslav Kadlec
Obsah
● Regulární výrazy
● Syntaxe
● Příklady
● Práce se soubory
● Funkce open()
● Objekt file
● Komplexnější příklad
Regulární výrazy
● Způsob, jak popsat množinu řetězců, jejichž některé
části mají nějaké vlastnosti (výskyt dvojtečky, číslice, ...)
a jiné jsou naopak libovolné.
● Definujeme "pattern" (regulární výraz) popisující části řetězce
s pomocí zástupných znaků
– Některé znaky jsou tedy brány jako řídicí (tečka, závorka) a pokud je
chceme použít v jejich normálním významu, vložíme před ni "\" (to
platí i pro "\").
– "\" v kombinaci s nějakým písmenem definuje třídu znaků (\d značí
libovolnou číslici)
● Regulární výraz pak můžeme použít k
– Vyhledání/nahrazení všech výskytů nějakého podřetězce
– Ověření, že daný řetězec vyhovuje danému schématu
● URL, IP adresa, ...
Regulární výrazy
● Základní konstrukce
. libovolný znak
* libovolný počet opakování předchozího znaku
+ libovolný nenulový počet opakování předchozího znaku
[abc] jeden ze znaků a, b, c
[^abc] cokoliv mimo znaky v závorce
[a-h] znaky v daném rozpětí
(abc) řetězec beroucí se jako celek (pro opakování atd.)
● Třídy znaků
● \d (číslice), \D (ne-číslice) \w (alfanumerický znak), \W
(nealfanumerický znak), \s (netisknutelný znak) \S ( ... )
● K vyzkoušení: pythex.org
Práce se soubory
● Vestavěnáfunkce open()
● Slouží k otevření souboru
– 1. parametr: jméno souboru
– 2. parametr: režim otevření (zadán řetězcem)
"w" zápis do souboru (smazání obsahu, pokud existuje)
"a" zápis do souboru (ponechání obsahu, pokud existuje)
"r" čtení souboru (nic se nemaže)
"b" binární soubor
"w+" čtení a zápis (soubor je vytvořen pokud neexistuje)
"r+" čtení a zápis
– 3. (volitelný) parametr: bufferování (default nám bude stačit)
● Funce open() vrací objekt file, který slouží k přísupu k
obsahu souboru.
Práce se soubory
● Objekt file má různé metody
– .close() tím zavřeme soubor, až ho nebudeme
potřebovat
– .flush() vynutí uložení změn do souboru
– .read(pocetBytu)
– .readline(maxPocetBytu)
– .readlines(maxPocetBytu)
– .write("string"), .writelines(["line1", "line2"])
– .tell() zjistí aktuální pozici v souboru
– .seek(pozice, odkud) nastaví pozici v souboru (od
zacatku, konce, aktualni pozice)
Komplexnější příklad
● Statistiky textu
● Nejčastější slova
● Délky vět
– Průměrná délka věty
● Korelace písmen
– Počty případů, kdy za písmenem X následuje písmeno Y
– Udržovat strukturu
● Naivní imitace textu
– Generovat text o podobné korelaci písmen
– Začlenit i délku vět