


So verwenden Sie reguläre Python-Ausdrücke für die Konvertierung arithmetischer Ausdrücke
Regulärer Ausdruck ist ein leistungsstarkes Werkzeug in Python, das zum Abgleichen, Suchen, Ersetzen von Text und anderen Vorgängen verwendet werden kann. In der Informatik werden reguläre Ausdrücke verwendet, um arithmetische Ausdrücke einfach in ein computerlesbares Format zu konvertieren. In diesem Artikel wird erläutert, wie Sie reguläre Python-Ausdrücke für die Konvertierung arithmetischer Ausdrücke verwenden.
Zuerst müssen wir die grammatikalischen Regeln arithmetischer Ausdrücke verstehen. Arithmetische Ausdrücke bestehen aus Operanden und Operatoren, zum Beispiel: 2 + 4 * 5. In diesem Ausdruck sind die Zahlen 2, 4 und 5 Operanden und die Plus- und Multiplikationszeichen Operatoren. Die Reihenfolge, in der arithmetische Ausdrücke analysiert werden, wird durch die Rangfolge der Operatoren bestimmt. Im Allgemeinen haben Multiplikation und Division eine höhere Priorität als Addition und Subtraktion.
Nun sehen wir uns an, wie man reguläre Ausdrücke zum Parsen arithmetischer Ausdrücke verwendet. Zuerst müssen wir einen regulären Ausdruck definieren, der mit arithmetischen Ausdrücken übereinstimmt. Ein einfacher regulärer Ausdruck könnte sein:
pattern = r"(d+)([+-*/])(d+)"
Dieser reguläre Ausdruck entspricht einer Kombination aus zwei Zahlen und einem Operator. Unter diesen bedeutet „(d+)“ die Zuordnung einer beliebigen Anzahl von Zahlen und „([+-*/])“ die Zuordnung von Additions-, Subtraktions-, Multiplikations- und Divisionsoperatoren.
Jetzt schreiben wir eine Python-Funktion, die reguläre Ausdrücke verwendet, um arithmetische Ausdrücke zu analysieren:
import re def evaluate(expression): pattern = r"(d+)([+-*/])(d+)" match = re.match(pattern, expression) if match: operand1 = int(match.group(1)) operator = match.group(2) operand2 = int(match.group(3)) if operator == "+": return operand1 + operand2 elif operator == "-": return operand1 - operand2 elif operator == "*": return operand1 * operand2 elif operator == "/": return operand1 / operand2 else: return None
Diese Funktion akzeptiert einen arithmetischen Ausdruck als Parameter und gibt das Berechnungsergebnis zurück. Es verwendet zunächst reguläre Ausdrücke, um die Zahlen und Operatoren im Ausdruck abzugleichen, und speichert sie in den Variablen operand1, operand2. Anschließend wird die Berechnung basierend auf dem Typ des Operators durchgeführt und das Ergebnis zurückgegeben.
Jetzt testen wir die Funktion der Evaluierungsfunktion:
print(evaluate("2 + 4 * 5")) # 22 print(evaluate("10 - 3 / 2")) # 8.5
Die Ergebnisse sind alle korrekt. Die Evaluierungsfunktion kann arithmetische Ausdrücke erfolgreich analysieren und die Ergebnisse berechnen.
Lassen Sie uns abschließend vorstellen, wie mit der Operatorpriorität umgegangen wird. Wir können dies mithilfe regulärer Ausdrücke und rekursiver Funktionen tun. Zuerst definieren wir mehrere reguläre Ausdrücke, um Operatoren mit unterschiedlichen Prioritäten zuzuordnen:
pattern_high = r"(d+)([*/])(d+)" pattern_low = r"(d+)([+-])(d+)"
Unter diesen entspricht „pattern_high“ Multiplikations- und Divisionsoperationen und „pattern_low“ entspricht Additions- und Subtraktionsoperationen. Als nächstes schreiben wir eine rekursive Funktion, die alle Operatoren im Ausdruck verarbeitet:
def evaluate(expression): match_high = re.search(pattern_high, expression) match_low = re.search(pattern_low, expression) if match_high: operand1 = int(match_high.group(1)) operator = match_high.group(2) operand2 = int(match_high.group(3)) if operator == "*": result = operand1 * operand2 elif operator == "/": result = operand1 / operand2 new_expression = re.sub(pattern_high, str(result), expression, count=1) return evaluate(new_expression) elif match_low: operand1 = int(match_low.group(1)) operator = match_low.group(2) operand2 = int(match_low.group(3)) if operator == "+": result = operand1 + operand2 elif operator == "-": result = operand1 - operand2 new_expression = re.sub(pattern_low, str(result), expression, count=1) return evaluate(new_expression) else: return int(expression)
Diese Funktion verwendet zwei reguläre Ausdrücke, um Multiplikations- und Divisionsoperationen sowie Additions- und Subtraktionsoperationen abzugleichen. Wenn der Ausdruck Multiplikations- und Divisionsoperationen enthält, werden die Multiplikations- und Divisionsoperationen zuerst berechnet und die Funktion re.sub() verwendet, um den ursprünglichen Ausdruck durch das Ergebnis zu ersetzen. Wenn der Ausdruck nur Additions- und Subtraktionsoperationen enthält, werden die Additions- und Subtraktionsoperationen direkt berechnet.
Jetzt testen wir die Funktion der optimierten Auswertungsfunktion:
print(evaluate("2 + 4 * 5")) # 22 print(evaluate("10 - 3 / 2")) # 8.5 print(evaluate("2 + 4 * 5 / 2 - 3")) # 13
Die Ergebnisse sind alle korrekt, was darauf hinweist, dass unsere Optimierung wirksam geworden ist.
Zusammenfassend lässt sich sagen, dass arithmetische Ausdrücke einfach analysiert und die Ergebnisse mithilfe regulärer Python-Ausdrücke berechnet werden können. Für komplexe Ausdrücke können wir rekursive Funktionen und reguläre Ausdrücke verwenden, um die Priorität von Operatoren zu verwalten und den Algorithmus zu automatisieren.
Das obige ist der detaillierte Inhalt vonSo verwenden Sie reguläre Python-Ausdrücke für die Konvertierung arithmetischer Ausdrücke. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.
