टेक्स्ट प्रोसेसिंग के लिए रेगुलर एक्सप्रेशन शक्तिशाली उपकरण हैं, जिनका व्यापक रूप से पायथन डेटा विश्लेषण, वेब स्क्रैपिंग, लॉग प्रोसेसिंग और अन्य क्षेत्रों में उपयोग किया जाता है। यह ट्यूटोरियल आपको व्यवस्थित रूप से पायथन के re मॉड्यूल में महारत हासिल करने और व्यावहारिक उदाहरणों के माध्यम से टेक्स्ट डेटा को कुशलतापूर्वक प्रोसेस करने का तरीका दिखाएगा।

रेगुलर एक्सप्रेशन क्यों सीखें?

डेटा प्रोसेसिंग में रेगुलर एक्सप्रेशन एक महत्वपूर्ण भूमिका निभाते हैं:

• डेटा सफाई: अव्यवस्थित डेटा को तुरंत फॉर्मेट करें
• लॉग विश्लेषण: प्रमुख त्रुटि जानकारी निकालें
• फॉर्म सत्यापन: ईमेल, फोन नंबर आदि जैसे फॉर्मेट की जांच करें
• वेब स्क्रैपिंग: HTML से विशिष्ट सामग्री निकालें
• टेक्स्ट प्रीप्रोसेसिंग: प्राकृतिक भाषा प्रसंस्करण के लिए डेटा तैयार करें

अध्ययनों से पता चलता है कि पेशेवर डेवलपर टेक्स्ट प्रोसेसिंग कार्यों में रेगुलर एक्सप्रेशन का उपयोग करके कार्य कुशलता में उल्लेखनीय सुधार कर सकते हैं, खासकर जटिल टेक्स्ट पैटर्न से निपटते समय।

पायथन re मॉड्यूल कोर विधियों का गहन विश्लेषण

1. शुरुआती मिलान के लिए re.match() का उपयोग करना

import re

pattern = r"hello"
text = "hello world"
result = re.match(pattern, text)
if result:
    print("मिलान सफल:", result.group())  # आउटपुट: hello

2. re.search() ग्लोबल खोज तकनीक

text = "Python最新版本3.9发布了" # Note: Keeping original string data
match = re.search(r'\d+.\d+', text)
if match:
    print("संस्करण संख्या मिली:", match.group())  # आउटपुट: 3.9

3. re.findall() सभी मिलानों को निकालना

contact_info = "邮箱: [email protected], 客服: [email protected]" # Note: Keeping original string data
emails = re.findall(r'[\w\.-]+@[\w\.-]+', contact_info)
print(emails)  # ['[email protected]', '[email protected]']

रेगुलर एक्सप्रेशन सिंटैक्स का गहन विश्लेषण

कोर मेटैकरैक्टर उपयोग गाइड

कैरेक्टर	कार्य विवरण	व्यावहारिक उदाहरण
.	किसी भी एकल कैरेक्टर से मेल खाता है	a.c → “abc”
\d	अंक कैरेक्टर से मेल खाता है	\d\d → “42”
\w	शब्द कैरेक्टर से मेल खाता है	\w+ → “Var123”
\s	व्हाइटस्पेस कैरेक्टर से मेल खाता है	a\sb → “a b”

क्वांटिफायर सिस्टम समझाया गया

क्वांटिफायर	मिलान नियम	विशिष्ट उपयोग
*	शून्य या अधिक घटनाएं	a*b → “b”, “aaaab”
+	एक या अधिक घटनाएं	a+b → “ab”, “aaaab”
{n,m}	n से m घटनाएं	a{2,4}b → “aab”, “aaaab”

उन्नत रेगुलर एक्सप्रेशन तकनीकें

ग्रुपिंग कैप्चर और संदर्भ

log_entry = "2023-05-15 14:30:22 [ERROR] System crash"
match = re.match(r'(\d{4}-\d{2}-\d{2}) (\d{2}:\d{2}:\d{2}) \[(\w+)\]', log_entry)
if match:
    date, time, level = match.groups()
    print(f"त्रुटि {date} {time}, स्तर:{level} पर हुई")

व्यवहार में नॉन-ग्रीडी मिलान

html_content = "<p>第一段</p><p>第二段</p>" # Note: Keeping original string data
# ग्रीडी मोड
print(re.findall(r'<p>(.*)</p>', html_content))
# नॉन-ग्रीडी मोड
print(re.findall(r'<p>(.*?)</p>', html_content))

लुकअराउंड्स एप्लीकेशन

# अंक के बाद वाले Python को निकालें
code_text = "Python3 Python2 Python"
print(re.findall(r'Python(?=\d)', code_text))

# अंक के बाद वाले Python को निकालें
print(re.findall(r'Python(?!\d)', code_text))

व्यावहारिक मामले: डेटा निष्कर्षण और सत्यापन

फोन नंबर निकालने वाला

contact_text = "办公室: 010-87654321, 手机: 13912345678" # Note: Keeping original string data
phone_numbers = re.findall(r'\b\d{3}-\d{8}\b|\b1[3-9]\d{9}\b', contact_text)
print(phone_numbers)  # ['010-87654321', '13912345678']

पासवर्ड शक्ति सत्यापनकर्ता

def check_password_strength(password):
    """पासवर्ड में अपरकेस और लोअरकेस अक्षर और अंक शामिल हैं, लंबाई 8-20 कैरेक्टर है"""
    pattern = r'^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[\w]{8,20}$'
    return re.match(pattern, password) is not None

print(check_password_strength("Secure123"))  # True
print(check_password_strength("weak"))       # False

प्रदर्शन अनुकूलन और सामान्य मुद्दे

1. रेगुलर एक्सप्रेशन दक्षता में सुधार:

   • सामान्य पैटर्न को प्रीकंपाइल करने के लिए re.compile() का उपयोग करें
   • जटिल बैकट्रैकिंग लॉजिक से बचें
   • नॉन-कैप्चरिंग समूह (?:...) का उपयोग करने को प्राथमिकता दें

2. विशिष्ट त्रुटियों को रोकें:

   • विशेष कैरेक्टर जैसे ., *, +, ? को सही ढंग से एस्केप करने की आवश्यकता है
   • लालची मिलान के कारण अप्रत्याशित परिणामों से अवगत रहें
   • यूनिकोड कैरेक्टर से मिलान करने के लिए \u का उपयोग करें

सामान्य रेगुलर एक्सप्रेशन संदर्भ

• ईमेल सत्यापन: ^[w\.-]+@[\w\.-]+\.\w+$
• URL पहचान: https?://[^\s]+
• चीनी कैरेक्टर मिलान: [\u4e00-\u9fa5]
• दिनांक निष्कर्षण: \d{4}-\d{2}-\d{2}