home *** CD-ROM | disk | FTP | other *** search
/ EuroCD 3 / EuroCD 3.iso / Programming / Python1.4_Source / Lib / regsub.py < prev    next >
Text File  |  1998-06-24  |  5KB  |  183 lines

  1. # Regular expression subroutines:
  2. # sub(pat, repl, str): replace first occurrence of pattern in string
  3. # gsub(pat, repl, str): replace all occurrences of pattern in string
  4. # split(str, pat, maxsplit): split string using pattern as delimiter
  5. # splitx(str, pat, maxsplit): split string using pattern as delimiter plus
  6. #                  return delimiters
  7.  
  8.  
  9. import regex
  10.  
  11.  
  12. # Replace first occurrence of pattern pat in string str by replacement
  13. # repl.  If the pattern isn't found, the string is returned unchanged.
  14. # The replacement may contain references \digit to subpatterns and
  15. # escaped backslashes.  The pattern may be a string or an already
  16. # compiled pattern.
  17.  
  18. def sub(pat, repl, str):
  19.     prog = compile(pat)
  20.     if prog.search(str) >= 0:
  21.         regs = prog.regs
  22.         a, b = regs[0]
  23.         str = str[:a] + expand(repl, regs, str) + str[b:]
  24.     return str
  25.  
  26.  
  27. # Replace all (non-overlapping) occurrences of pattern pat in string
  28. # str by replacement repl.  The same rules as for sub() apply.
  29. # Empty matches for the pattern are replaced only when not adjacent to
  30. # a previous match, so e.g. gsub('', '-', 'abc') returns '-a-b-c-'.
  31.  
  32. def gsub(pat, repl, str):
  33.     prog = compile(pat)
  34.     new = ''
  35.     start = 0
  36.     first = 1
  37.     while prog.search(str, start) >= 0:
  38.         regs = prog.regs
  39.         a, b = regs[0]
  40.         if a == b == start and not first:
  41.             if start >= len(str) or prog.search(str, start+1) < 0:
  42.                 break
  43.             regs = prog.regs
  44.             a, b = regs[0]
  45.         new = new + str[start:a] + expand(repl, regs, str)
  46.         start = b
  47.         first = 0
  48.     new = new + str[start:]
  49.     return new
  50.  
  51.  
  52. # Split string str in fields separated by delimiters matching pattern
  53. # pat.  Only non-empty matches for the pattern are considered, so e.g.
  54. # split('abc', '') returns ['abc'].
  55. # The optional 3rd argument sets the number of splits that are performed.
  56.  
  57. def split(str, pat, maxsplit = 0):
  58.     return intsplit(str, pat, maxsplit, 0)
  59.  
  60. # Split string str in fields separated by delimiters matching pattern
  61. # pat.  Only non-empty matches for the pattern are considered, so e.g.
  62. # split('abc', '') returns ['abc']. The delimiters are also included
  63. # in the list.
  64. # The optional 3rd argument sets the number of splits that are performed.
  65.  
  66.  
  67. def splitx(str, pat, maxsplit = 0):
  68.     return intsplit(str, pat, maxsplit, 1)
  69.     
  70. # Internal function used to implement split() and splitx().
  71.  
  72. def intsplit(str, pat, maxsplit, retain):
  73.     prog = compile(pat)
  74.     res = []
  75.     start = next = 0
  76.     splitcount = 0
  77.     while prog.search(str, next) >= 0:
  78.         regs = prog.regs
  79.         a, b = regs[0]
  80.         if a == b:
  81.             next = next + 1
  82.             if next >= len(str):
  83.                 break
  84.         else:
  85.             res.append(str[start:a])
  86.             if retain:
  87.                 res.append(str[a:b])
  88.             start = next = b
  89.             splitcount = splitcount + 1
  90.             if (maxsplit and (splitcount >= maxsplit)):
  91.                 break
  92.     res.append(str[start:])
  93.     return res
  94.  
  95.  
  96. # Capitalize words split using a pattern
  97.  
  98. def capwords(str, pat='[^a-zA-Z0-9_]+'):
  99.     import string
  100.     words = splitx(str, pat)
  101.     for i in range(0, len(words), 2):
  102.         words[i] = string.capitalize(words[i])
  103.     return string.joinfields(words, "")
  104.  
  105.  
  106. # Internal subroutines:
  107. # compile(pat): compile a pattern, caching already compiled patterns
  108. # expand(repl, regs, str): expand \digit escapes in replacement string
  109.  
  110.  
  111. # Manage a cache of compiled regular expressions.
  112. # If the pattern is a string a compiled version of it is returned.
  113. # If the pattern has been used before we return an already compiled
  114. # version from the cache; otherwise we compile it now and save the
  115. # compiled version in the cache.
  116. # Instead of a string, a compiled regular expression can also be
  117. # passed.
  118. # WARNING: if the pattern syntax is changed, the cache should be
  119. # flushed!
  120.  
  121. cache = {}
  122.  
  123. def compile(pat):
  124.     if type(pat) <> type(''):
  125.         return pat        # Assume it is a compiled regex
  126.     if cache.has_key(pat):
  127.         prog = cache[pat]    # Get it from the cache
  128.     else:
  129.         prog = cache[pat] = regex.compile(pat)
  130.     return prog
  131.  
  132.  
  133. # Expand \digit in the replacement.
  134. # Each occurrence of \digit is replaced by the substring of str
  135. # indicated by regs[digit].  To include a literal \ in the
  136. # replacement, double it; other \ escapes are left unchanged (i.e.
  137. # the \ and the following character are both copied).
  138.  
  139. def expand(repl, regs, str):
  140.     if '\\' not in repl:
  141.         return repl
  142.     new = ''
  143.     i = 0
  144.     ord0 = ord('0')
  145.     while i < len(repl):
  146.         c = repl[i]; i = i+1
  147.         if c <> '\\' or i >= len(repl):
  148.             new = new + c
  149.         else:
  150.             c = repl[i]; i = i+1
  151.             if '0' <= c <= '9':
  152.                 a, b = regs[ord(c)-ord0]
  153.                 new = new + str[a:b]
  154.             elif c == '\\':
  155.                 new = new + c
  156.             else:
  157.                 new = new + '\\' + c
  158.     return new
  159.  
  160.  
  161. # Test program, reads sequences "pat repl str" from stdin.
  162. # Optional argument specifies pattern used to split lines.
  163.  
  164. def test():
  165.     import sys
  166.     if sys.argv[1:]:
  167.         delpat = sys.argv[1]
  168.     else:
  169.         delpat = '[ \t\n]+'
  170.     while 1:
  171.         if sys.stdin.isatty(): sys.stderr.write('--> ')
  172.         line = sys.stdin.readline()
  173.         if not line: break
  174.         if line[-1] == '\n': line = line[:-1]
  175.         fields = split(line, delpat)
  176.         if len(fields) <> 3:
  177.             print 'Sorry, not three fields'
  178.             print 'split:', `fields`
  179.             continue
  180.         [pat, repl, str] = split(line, delpat)
  181.         print 'sub :', `sub(pat, repl, str)`
  182.         print 'gsub:', `gsub(pat, repl, str)`
  183.