Tìm hiểu Backreferences trong regex của Python

Backreferences cho phép bạn tham chiếu đến các nhóm bắt (capturing groups) trong một biểu thức chính quy, giống như cách bạn sử dụng biến trong lập trình. Điều này rất hữu ích khi bạn cần làm việc với các mẫu chuỗi phức tạp, đặc biệt là khi cần trích xuất hoặc thay thế các phần tử cụ thể trong chuỗi. Trong bài viết này, mình sẽ tìm hiểu về backreferences trong regex của Python và cách áp dụng chúng một cách hiệu quả.

Giới thiệu về Backreferences trong regex của Python

Backreferences trong regex của Python hoạt động giống như các biến trong Python. Chúng cho phép bạn tham chiếu đến các nhóm bắt trong một biểu thức chính quy.

Cú pháp của một backreference như sau:

\N

Hoặc bạn có thể sử dụng cú pháp sau:

Bài viết này được đăng tại [free tuts .net]

\g<N>

Trong cú pháp này, N có thể là 1, 2, 3, v.v., đại diện cho nhóm bắt tương ứng.

Lưu ý rằng \g<0> tham chiếu đến toàn bộ kết quả khớp, có cùng giá trị với match.group(0).

Giả sử bạn có một chuỗi với từ lặp lại Python như sau:

s = 'Python Python is awesome'

Và bạn muốn loại bỏ từ lặp lại (Python) để chuỗi kết quả sẽ là:

Python is awesome

Để làm điều đó, bạn có thể sử dụng một biểu thức chính quy với một backreference.

Đầu tiên, khớp một từ với một hoặc nhiều ký tự và một hoặc nhiều khoảng trắng:

'\w+\s+'

Thứ hai, tạo một nhóm bắt chứa chỉ các ký tự từ:

'(\w+)\s+'

Thứ ba, tạo một backreference tham chiếu đến nhóm bắt đầu tiên:

'(\w+)\s+\1'

Trong mẫu này, \1 là một backreference tham chiếu đến nhóm bắt (\w+).

Cuối cùng, thay thế toàn bộ kết quả khớp bằng nhóm bắt đầu tiên sử dụng hàm sub() từ module re:

import re

s = 'Python Python is awesome'

new_s = re.sub(r'(\w+)\s+\1', r'\1', s)

print(new_s)

Output:

Python is awesome

Một số ví dụ khác về backreference trong regex của Python

Sử dụng backreference trong regex Python

để lấy văn bản bên trong dấu ngoặc kép

Giả sử bạn muốn lấy văn bản bên trong dấu ngoặc kép:

"This is regex backreference example"

Hoặc dấu ngoặc đơn:

'This is regex backreference example'

Nhưng không phải là sự kết hợp của dấu ngoặc đơn và kép. Ví dụ sau sẽ không khớp:

'not match"

Để làm điều này, bạn có thể sử dụng mẫu sau:

'['"](.*?)['"]'

Tuy nhiên, mẫu này sẽ khớp với văn bản bắt đầu bằng dấu ngoặc đơn (‘) và kết thúc bằng dấu ngoặc kép (“) hoặc ngược lại. Ví dụ:

import re

s = '"Python's awesome". She said'
pattern = '['"].*?['"]'

match = re.search(pattern, s)

print(match.group(0))

Nó trả về "Python' chứ không phải "Python's awesome":

"Python'

Để sửa lỗi này, bạn có thể sử dụng một backreference:

r'(['"]).*?\1'

Backreference \1 tham chiếu đến nhóm bắt đầu tiên. Vì vậy, nếu nhóm bắt đầu bằng dấu ngoặc đơn, \1 sẽ khớp với dấu ngoặc đơn. Và nếu nhóm bắt đầu bằng dấu ngoặc kép, \1 sẽ khớp với dấu ngoặc kép.

Ví dụ:

import re

s = '"Python's awesome". She said'
pattern = r'(['"])(.*?)\1'

match = re.search(pattern, s)
print(match.group())

Output:

"Python's awesome"

Sử dụng backreference trong regex Python

để tìm các từ có ít nhất một ký tự lặp lại liên tiếp

Ví dụ sau sử dụng backreference để tìm các từ có ít nhất một ký tự lặp lại liên tiếp:

import re

words = ['apple', 'orange', 'strawberry']
pattern = r'\b\w*(\w)\1\w*\b'

results = [w for w in words if re.search(pattern, w)]

print(results)

Output:

['apple', 'strawberry']

Kết bài

Backreferences trong regex của Python là một công cụ mạnh mẽ cho phép bạn tham chiếu các nhóm bắt trong một biểu thức chính quy. Bằng cách sử dụng backreferences, bạn có thể thực hiện các tác vụ phức tạp như loại bỏ các từ trùng lặp, trích xuất văn bản trong dấu ngoặc kép hoặc tìm các từ có ký tự lặp lại liên tiếp. Điều này giúp tiết kiệm thời gian và công sức trong việc xử lý chuỗi và làm cho mã của bạn trở nên linh hoạt và hiệu quả hơn. Hy vọng rằng bài hướng dẫn này đã cung cấp cho bạn những kiến thức cơ bản và các ví dụ hữu ích để bạn có thể áp dụng backreferences trong các dự án của mình.