Düzenli İfadeler - Gruplar

# Gruplama, Etikeleme ve Özellikler

group() metodu

Bu bölümde doğrudan düzenli ifadelerin değil, ama düzenli ifadeler kullanılarak üretilen eşleşme nesnelerinin bir metodu olan group() metodundan bahsedeceğiz.

Düzenli ifadelerde parantez içine alınan bölümler grup olarak adlandırılır. group() metodu, bir eşleşme nesnesi üzerinde çağrıldığında, bu eşleşmenin içindeki belirli bir grupla eşleşen alt dizeyi döndürür. group() metodu, bir re.Match nesnesinin belirli bir grup içindeki eşleşmeyi almak için kullanılır. re.findall() metodu, re.Match nesnelerini döndürmez; bu nedenle group() metodu re.findall() ile doğrudan kullanılamaz. Düzenli ifade içinde parantezle gruplandırılmış alt ifadeler, gruplar oluşturur ve bu gruplara, eşleşen metni belirli bir düzenleme tabi tutarak erişebiliriz. Esasında biz bu metodu önceki bölümlerde de kullanmıştık. Ama burada bu metoda biraz daha ayrıntılı olarak bakacağız.

Daha önceki bölümlerden hatırlayacağınız gibi, bu metot düzenli ifadeleri kullanarak eşleştirdiğimiz karakter dizilerini görme imkanı sağlıyordu. Bu bölümde bu metodu ( ) metakarakteri yardımıyla daha verimli bir şekilde kullanacağız. İsterseniz ilk olarak şöyle basit bir örnek verelim:

kardiz = "python bir programlama dilidir"
nesne = re.search("(python) (bir) (programlama) (dilidir)", kardiz)

print(nesne.group())

python bir programlama dilidir

Burada düzenli ifade kalıbımızı nasıl grupladığımıza dikkat edin. print(nesne.group()) komutunu verdiğimizde eşleşen karakter dizileri ekrana döküldü. Şimdi bu grupladığımız bölümlere tek tek erişelim:

nesne.group(0)

'python bir programlama dilidir'

Gördüğünüz gibi, “0” indeksi eşleşen karakter dizisinin tamamını veriyor. Gerisinin nasıl olacağını tahmin edebilirsiniz:

print(nesne.group(1))
print(nesne.group(2))
print(nesne.group(3))
print(nesne.group(4))

python
bir
programlama
dilidir

Düzenli ifadelerde parantez içine alınan bölümler grup olarak adlandırıldığını ifade etmiştik. Örneğin, (\d+)-(\d+) deseni, iki sayıyı tire ile ayıran bir grup içerir. Bir eşleşme gerçekleştiğinde, bu gruplara erişmek için group() metodu kullanılır.

İşte bir örnek:

import re

text = "2023-02-14"
pattern = re.compile(r'(\d+)-(\d+)-(\d+)')

match = pattern.match(text)

# Tam eşleşen metni alır
full_match = match.group()
print(full_match)  # 2023-02-14

# Grupları alır
group1 = match.group(1)
group2 = match.group(2)
group3 = match.group(3)

print(group1)  # 2023
print(group2)  # 02
print(group3)  # 14

Bu örnekte, (\d+)-(\d+)-(\d+) deseni ile 2023-02-14 metni eşleştirilir. group() metodu, tam eşleşen metni (2023-02-14) veya belirli grupları (grup 1, grup 2, grup 3) almak için kullanılır.

Eğer eşleşme gerçekleşmemişse veya belirli bir grup mevcut değilse, group() metodu None değerini döndürür. Bu nedenle, kullanmadan önce eşleşmenin gerçekleşip gerçekleşmediğini kontrol etmek önemlidir.

if match:
    print(match.group(1))
else:
    print("Eşleşme bulunamadı.")

Bu kontrol, eşleşme gerçekleşip gerçekleşmediğini kontrol etmede yardımcı olacaktır.

group() metoduna ait benzer bir örnek ( ) Parantez metakarakter başlığı altında ilgili sayfada detaylı anlatıldı.

groups() metodu

Bu metot, bize kullanabileceğimiz bütün grupları bir demet halinde sunar:

import re
kardiz = "python bir programlama dilidir"
nesne = re.search("(python) (bir) (programlama) (dilidir)", kardiz)

print(nesne.groups())

('python', 'bir', 'programlama', 'dilidir')

Grupları Etiketleme

Gruplama, bu desenler içindeki alt örüntüleri belirlemek ve bu gruplara etiketler eklemek için kullanışlı bir özelliktir. Bu bölüme kadar yaptığımız örneklerde, düzenli ifadeler ile desen oluşturup, oluşturduğumuz gruplara group(1), group(2), ...vb şekilde eriştik. Yani sürekli aşağıdaki şekilde örnekler verdik;

Gruplama ve Parantez Kullanımı

Gruplama, bir desen içinde belirli bir alt örüntüyü tanımlamak ve bu örüntüyü daha sonra referans almak için kullanılır. Gruplama için parantez () kullanılır. Örneğin:

import re
text = "John Doe, Jane Smith"
pattern = re.compile(r'(\w+) (\w+)')

match = pattern.match(text)

if match:
    print("Tam eşleşme:", match.group())
    print("Ad:", match.group(1))
    print("Soyad:", match.group(2))

Bu örnekte, (\w+) (\w+) deseni içindeki her iki kelimeyi gruplamak için parantez kullanılmıştır. match.group(1) ifadesi, desen içindeki ilk parantez içindeki örüntüye eşleşen kısmı döndürür.

Tam eşleşme: John Doe
Ad: John
Soyad: Doe

(?P<...> ile Etiketleme ile Gruplama

Desen içinde gruplama yaparken, gruplara etiket eklemek, grupları daha anlamlı hale getirmek ve daha sonra bu etiketleri kullanmak için faydalıdır. Etiketleme, ?P<etiket> sözdizimi ile yapılır. P harfi Placeholder'ın (Yer Tutucu'nun) kısalmasıdır. Örneğin:

import re
text = "John Doe, Jane Smith"
pattern = re.compile(r'(?P<ad>\w+) (?P<soyad>\w+)')

match = pattern.match(text)

if match:
    print("Tam eşleşme:", match.group())
    print("Ad:", match.group('ad'))
    print("Soyad:", match.group('soyad'))

Bu örnekte, (?P<ad>\w+) (?P<soyad>\w+) deseni içindeki her iki kelimeyi etiketleme kullanılarak gruplamıştır. match.group('ad') ve match.group('soyad') ifadeleri, etiketleme sayesinde gruplara erişimi sağlar.

Tam eşleşme: John Doe
Ad: John
Soyad: Doe

Etiketleme, özellikle karmaşık desenler içinde belirli alt örüntülerin anlamını artırmak ve kodun daha okunabilir olmasını sağlamak için kullanışlıdır.

Bir örnek daha yapalım;

import re
text = """
1234567890
533-456-7891
544 456 7892
(216) 456-7893
"""

pattern = re.compile(r"\(?(\d{3})\)?[ \-]?(\d{3})[ |-]?(\d{4})")
matches = pattern.findall(text)

for match in matches:
    operator, üçhane, dorthane = match
    print(f"Operator: {operator}, Üçhane: {üçhane}, Dorthane: {dorthane}")

Çıktı;

Operator: 123, Üçhane: 456, Dorthane: 7890
Operator: 533, Üçhane: 456, Dorthane: 7891
Operator: 544, Üçhane: 456, Dorthane: 7892
Operator: 216, Üçhane: 456, Dorthane: 7893

Sadece Operatör numaralarını öğrenmek istersek;

import re
text = """
1234567890
533-456-7891
544 456 7892
(216) 456-7893
"""

pattern = re.compile(r"\(?(\d{3})\)?[ \-]?(\d{3})[ |-]?(\d{4})")
matches = pattern.findall(text)

for match in matches:
    operator, üçhane, dorthane = match
    print(f"Operator: {operator}")

Çıktı;

Operator: 123
Operator: 533
Operator: 544
Operator: 216

Son Örnek te tarihle alakalı olsun;

import re

tarihler = """
30/04/2023
01-03-2021
02.22.2019
11.01.17
"""

pattern = re.compile(r"(?P<gun>\d{2})([\/\-\.])(?P<ay>\d{2})([\/\-\.])(?P<yil>\d{2,4})")
matches = pattern.findall(tarihler)

for match in matches:
    gun, _, ay, _, yil = match
    print(f"Gun: {gun}, Ay: {ay}, Yil: {yil}")

Çıktı;

Gun: 30, Ay: 04, Yil: 2023
Gun: 01, Ay: 03, Yil: 2021
Gun: 02, Ay: 22, Yil: 2019
Gun: 11, Ay: 01, Yil: 17

Lookahead (İleriye bak)

Lookahead, düzenli ifadelerde kullanılan bir özelliktir ve bir eşleşmeyi sınırlamak veya filtrelemek için kullanılır. Lookahead, bir düzenli ifade içinde belirli bir deseni kontrol etmek ve ardından bir eşleşme oluşturmak için kullanılır, ancak bu kontrolün sonucu eşleşme sonucuna dahil edilmez. Lookahead için ? işareti, ile başlayan düzenli ifadeler kullanılır.

Lookahead iki türde gelir: pozitif lookahead ve negatif lookahead.

(?= ...) Pozitif Lookahead

Bir eşleşme sadece belirli bir desenin arkasında varsa gerçekleşir. Ancak, bu desen eşleşmenin sonucuna dahil edilmez.

Örneğin:

import re

text = "apple orange banana"
pattern = re.compile(r'\w+(?=\sorange)')

result = pattern.findall(text)
print(result)

['apple']

Bu örnekte, \w+(?=\sorange) deseni, boşluk karakteri (\s) ile ayrılmış olarak "orange" kelimesinden önce gelen kelimeyi eşleştirir.

Bir başka örneğe bakalım;

import re
metin = "quantity and qrcode is really useful"
desen = r"q(?=u)[a-zA-Z0-0]+"
print(re.findall(desen, metin))

['quantity']

Bu desenin açıklaması, q ile başlayıp u ile devam eden kelime grubunu seç demektir.

Yine aynı metinden yola çıkarak u ile devam eden karakterleri seç demek istersek;

import re
metin = "quantity and qrcode is really useful"
desen = r".(?=u)"
print(re.findall(desen, metin))

bu bize q , boşluk ve f karakterlerini seçecektir.

['q', ' ', 'f']

Bir örnek daha yapalım;

"The fat cat ran down the street. rere" ifadesinden at ile devam eden karakterleri seç demek istersek;

import re
metin = "The fat cat ran down the street. rere"
desen = r".(?=at)"
print(re.findall(desen, metin))

bu ifade bize f ve c karakterlerini verir. Çünkü cümle içerisinde at ile devam eden sadece fat ve cat vardır.

['f', 'c']

(?! ...) Negatif Lookahead

Bir eşleşme, belirli bir desenin arkasında yoksa gerçekleşir. Yani belirlediğimiz karakter ile devam etmeyen ifadeleri seçer.

Örneğin:

import re

text = "apple orange banana"
pattern = re.compile(r'\w+(?!\sorange)')

result = pattern.findall(text)
print(result)

['appl', 'orange', 'banana']

Bu örnekte, \w+(?!\sorange) deseni, boşluk karakteri (\s) ile ayrılmış olarak "orange" kelimesinden önce gelmeyen kelimeyi eşleştirir. Çıktıdakiappl kelimesinde eharfinin olmadığına dikkat edin.

Bir diğer örnek;

"quantity and qrcode is really useful" metninde, q ile başlayıp u ile devam etmeyen bir ifadeyi seçmek istersek;

import re
metin = "quantity and qrcode is really useful"
desen = r"q(?!u)[a-zA-Z0-9]+"
print(re.findall(desen, metin))

Burada q ile başlayıp u ile devam etmeyen kelime grubunu seçer. [a-zA-Z0-9] ile herhangi bir karakteri gidebildiği karar seçmesini sagladik bu bize qrcode kelimesini geri döndürecektir.

['qrcode']

Eğer bu ifadeyi u yerine r ile değiştirirsek yani q ile başlayıp r ile devam etmeyen kelime grubunu seç dersek bu durumda quantity seçilecektir;

import re
metin = "quantity and qrcode is really useful"
desen = r"q(?!r)[a-zA-Z0-9]+"
print(re.findall(desen, metin))

['quantity']

Lookahead, daha karmaşık eşleşme şartlarını ifade etmek ve belirli durumları kontrol etmek için kullanışlıdır. Ancak, düzenli ifadelerin anlaşılması ve kullanılması bazen karmaşık olabilir, bu nedenle dikkatlice kullanılmalıdır.

Look Behind (geriye bak)

Öncesinde belirlediğimiz karakter ya da karakter gruplarıyla devam eden ya da devam etmeyen ifadeleri seçmemizi sağlar. Lookbehind’ lar bir ifadeden önce başka bir ifade olup olmadığını kontrol etmek için kullanılır. Lookbehind için ?< işareti ile başlayan düzenli ifadeler kullanılır.

Lookbehind (geriye bak) düzenli ifade özelliği, bir eşleşmenin gerçekleşebilmesi için önceki bir desenin arkasında belirli bir desenin bulunmasını kontrol etmeye yarar. Lookbehind özelliği, bir eşleşmenin önceki bir deseni içermesi gerektiğinde kullanılır ancak bu deseni eşleşmenin bir parçası olarak almaz.

Lookbehind iki türdedir: pozitif lookbehind (?<=...) ve negatif lookbehind (?<!...).

(?<=...) Pozitif Lookbehind

Bir eşleşme, belirli bir desenin önceki bir desenin arkasında varsa gerçekleşir.

Örneğin:

Bu örnekte, (?<=\s)orange deseni, boşluk karakteri (\s) ile ayrılmış olarak "orange" kelimesinden önce gelen kelimeyi eşleştirir.

['orange']

Bir başka örneğe bakalım;

"quantity and qrcode is really unuseful but this is an unethical" cümlesinde un ile başlayan karakterleri seçelim.

import re
metin = "quantity and qrcode is really unuseful but this is an unethical"
desen = r"(?<=un)."
print(re.findall(desen, metin))

eşleşme sadece unuseful ve unethical kelimelerde gerçekleşecek ve u ile e karakterlerini verecektir. Çünkü öncesinde un karakterleri bulunmaktadır.

['u', 'e']

Farklı bir örnek;

"quantity and qrcode is really unuseful but this is an unethical. The punisher was born in early age. Also the man is really old" cümlesinde almak istediğimiz kelimeler punisher ve man kelimeleri olsaydı. Bunun öncesinde "The" var mı? yok mu? diye kontrol edebilirdik. Diğer bir bakış açısı ise "The"" veya "the" ile başlayan kelimeleri bana nasıl getirebilirdik? olabilir. Bunun için;

import re
metin = "quantity and qrcode is really unuseful but this is an unethical. The punisher was born in early age. Also the man is really old"
desen = r"(?<=[tT]he )[a-zA-Z]+"
print(re.findall(desen, metin))

(?<=[tT]he )[a-zA-Z]+ ifadesi bizim için yeterli olacaktır. Çünkü The ya da the bizim seçmek istediğimiz iki farklı kelime olduğu için burada T veya t opsiyonel olmalıdır. Bu ifade bize şunu punisher ve man kelimelerini verecektir.

['punisher', 'man']

(?<!...) Negatif Lookbehind

Pozitif lookbehind'ın tam tersidir. Belirtilen ifade ile başlamayan ifadeleri kontrol etmek için kullanılır. (?<!ifade) şeklinde kullanılır.

Örneğin; a harfinden önce b harfi olmayan bütün ifadeleri yakala demek için (?<!b)a ifadesi kullanılır.

Örnek:

import re
text = "orange1 apple orange2 banana"
pattern = re.compile(r'(?<!\s)orange.')

result = pattern.findall(text)
print(result)

['orange1']

Bu örnekte, (?<!\s)orange deseni, boşluk karakteri (\s) ile ayrılmış olarak "orange" kelimesinden önce gelmeyen "orange" kelimesini eşleştirir.

Bir diğer örneğe bakalım;

import re
text = "pie, apple, orange juice, banana split"
pattern = re.compile(r'(?<!\s)pie')

result = pattern.findall(text)
print(result)

['pie']

Bu örnekte, (?<!\s)pie deseni, boşluk karakteri (\s) ile ayrılmamış olarak "pie" kelimesini eşleştirir. Yani, eğer "pie" kelimesi bir boşluk karakteri ile başlamıyorsa, bu kelimeyi eşleştirir. pie kelimesi burada orange juice içindeki pie kelimesine eşleşir, çünkü onun önünde bir boşluk karakteri yok.

Lookbehind özelliği, belirli bir desenin önceki bir deseni kontrol etmek için kullanılır ve eşleşmenin gerçekleşmesini sınırlar. Ancak, Python'da kullanılan bazı diğer programlama dillerinde olduğu gibi, Lookbehind özelliği tamamen genişletilmiş (fixed-width) desenlere izin vermez; yani, lookbehind deseni bir değişken uzunluktaysa hata alabilirsiniz.

Kaynaklar:

• gkandemi/regex: Düzenli ifadeler

• ChatGPT