reguläre ausdrücke mit python

Wenn du dir nicht sicher bist, in welchem der anderen Foren du die Frage stellen sollst, dann bist du hier im Forum für allgemeine Fragen sicher richtig.
mondschein
User
Beiträge: 52
Registriert: Dienstag 11. März 2008, 16:35

reguläre ausdrücke mit python

Beitragvon mondschein » Donnerstag 13. März 2008, 07:33

hallo,
ich habe ein kelines problem mit einer meiner extension (ich benutze mediawiki 1.10), welche in python geschrieben ist. das ganze problem findet sich hier (http://www.python-forum.de/topic-13876.html), da konnte mir aber leider niemand helfen :( . Meine "neue"Frage nun: kann mir jemand helfen zu entschlüsseln was genau diese funktion macht? (ich bin nciht so doll bewandert in python)...

Code: Alles auswählen

def doWiki(text):
   #display-style math should be centered
   text = re.sub(r'(?s)\n:+ *<math>(.*?)</math>\s*?([\.,;]?)\n', doMath, text)   
   
   text = re.sub(r'()\{([^|])', r'\\{\2', text)
   text = re.sub(r'()([^|])\}', r'\2\\}', text)
   text = doPreFormatted(text)

   # take care of lists, tables and images
   text = doIndent(text)
   text = doTables(text)
   text = doImages(text)   
   # first convert all HTML entities to Unicode

   text = re.sub('&#([0-9]+?);', uni_dec2utf8, text)
   text = re.sub('&#[xX]([0-9A-Fa-f]+?);', uni_hex2utf8, text)
   text = re.sub('&([a-zA-Z0-9]+?);', entity2utf8, text)

   text = re.sub(r'\$', r'\$', text)
   # multi-pass regexp parser

   for trans_tuple in translate:

      print "replacing " + trans_tuple[0]
      text = re.sub(trans_tuple[0], trans_tuple[1], text)   
   print "done"   
   # convert Unicode character to latex markup if possible
   text = unicode2latex.convert2(text)
   return text


also ich rufe dies methode mit einem text (den ganzen text) auf und dann gucke ich ob irgendwo math steht und rufe dann diese funktion auf:

Code: Alles auswählen

def doMath(mathtext):
   mtext = mathtext.group(1).replace("&", "tableand")
   mtext = re.sub(r'\n[ \t]*', r'\n', mtext) #remove whitespace at beginning of line
   return "\n\\[" + mtext + mathtext.group(2) + "\\]\n"

nur was mache ich hier genau!? ich "schneide" das <math> weg!? und nehm alle leerzeichen raus? und was gebe ich zum schluß zurück!? (bsp. <math>x=y+z</math>)

text = re.sub(r'()\{([^|])', r'\\{\2', text) --> was bedeutet hier die \2!?

text = re.sub(r'\$', r'\$', text) --> :?:

text = re.sub(trans_tuple[0], trans_tuple[1], text) --> und hier gucke ich in meinen translate array tupel [0] ist was ich suche im text und tupel[1] ist womit ich es ersetzte oder?!

danke für hilfe :oops:
BlackJack

Beitragvon BlackJack » Donnerstag 13. März 2008, 11:11

`doWiki()` wendet verschiedene Suchen/Ersetzen-Vorgänge, auf den übergebenen `text` an.

Als erstes wird etwas behandelt, was sich in Mediawiki wohl "display style math" nennt. Der reguläre Ausdruck mal auseinander genommen:

'(?s)' - Eine Steueranweisung die sagt, dass der Punkt ('.') auch auf Zeilenumbrüche zutrifft.

'\n' - Ein Zeilenumbruch,

':+' - gefolgt von mindestens einem Doppelpunkt,

' *' - und optionalen Leerzeichen,

'<math>' - dem Anfangstag,

'(.*?)' - beliebigen Zeichen ("non-greedy", Gruppe 1),

'</math>' - dem Endtag,

'\s*?' - optionale Leerzeichen ("non-greedy")

'([\.,;]?)' - optional eines der Zeichen Punkt, Komma oder Semikolon (Gruppe 2),

'\n' - und ein Zeilenumbruch.

Das trifft also zum Beispiel auf diese Zeichenkette zu: '\n:<math>foo</math>.\n'

Für die Ersetzung wird die `doMath`-Funktion mit einem "match"-Objekt aufgerufen und muss den Text zurückgeben, durch den der Treffer ersetzt werden soll.

Die Funktion schnappt sich Gruppe 1 und ersetzt dort '&'-Zeichen durch das Wort 'tableand'. Ersetzt führende Leerzeichen durch einen Zeilenumbruch und formatiert das Ergebnis + der zweiten Gruppe zwischen eckige Klammern mit einem Gegenschrägstrich davor. Beispiel:

Code: Alles auswählen

In [41]: def doMath(mathtext):
   ....:     mtext = mathtext.group(1).replace("&", "tableand")
   ....:     mtext = re.sub(r'\n[ \t]*', r'\n', mtext)
   ....:     return "\n\\[" + mtext + mathtext.group(2) + "\\]\n"
   ....:

In [42]: import re

In [43]: text = '\n:<math>foo & bar</math>.\n'

In [44]: re.sub(r'(?s)\n:+ *<math>(.*?)</math>\s*?([\.,;]?)\n', doMath, text)
Out[44]: '\n\\[foo tableand bar.\\]\n'


----

Ein Gegenschrägstrich gefolgt von einer Ziffer in der Ersetzungszeichenfolge bedeutet, dass dort die Gruppe mit der angegebenen Nummer eingesetzt wird.

----

``re.sub(r'\$', r'\$', text)`` ersetzt Dollarzeichen durch die Zeichenfolge Gegenschrägstrich + Dollarzeichen.

Code: Alles auswählen

In [45]: re.sub(r'\$', r'\$', 'Eine handvoll $')
Out[45]: 'Eine handvoll \\$'


----

Wenn Dir Gruppen und "non-greedy" nichts sagen, such mal ein Tutorial über reguläre Ausdrücke.

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder