


Expression régulière Python - vérifiez si l'entrée est flottante
Les nombres à virgule flottante jouent un rôle essentiel dans diverses tâches de programmation, des calculs mathématiques à l'analyse des données. Cependant, lorsqu'il s'agit d'entrées utilisateur ou de données provenant de sources externes, il devient essentiel de vérifier que l'entrée est un nombre à virgule flottante valide. Python fournit des outils puissants pour relever ce défi, parmi lesquels les expressions régulières.
Dans cet article, nous explorerons comment utiliser des expressions régulières en Python pour vérifier si l'entrée est un nombre à virgule flottante. Les expressions régulières (souvent appelées regex) offrent un moyen concis et flexible de définir des modèles et de rechercher des correspondances dans le texte. En tirant parti des expressions régulières, nous pouvons construire un modèle qui correspond exactement au format à virgule flottante et valider l'entrée en conséquence.
Dans cet article, nous explorerons comment utiliser des expressions régulières en Python pour vérifier si l'entrée est un nombre à virgule flottante. Les expressions régulières (souvent appelées regex) offrent un moyen concis et flexible de définir des modèles et de rechercher des correspondances dans le texte. En tirant parti des expressions régulières, nous pouvons construire un modèle qui correspond exactement au format à virgule flottante et valider l'entrée en conséquence.
Comprendre les nombres à virgule flottante
Les nombres à virgule flottante sont un type de données utilisé pour représenter des nombres réels dans les systèmes informatiques. Ils sont appelés « virgule flottante » car la virgule décimale peut « flotter » pour représenter des nombres de tailles différentes. En Python, les nombres à virgule flottante sont représentés à l'aide du type de données float.
Les nombres à virgule flottante peuvent avoir à la fois une partie entière et une partie décimale, et peuvent être positifs ou négatifs. Ils sont généralement écrits sous la forme m.n, où m représente la partie entière et n représente la partie fractionnaire. Par exemple, 3,14 et -0,5 sont des nombres à virgule flottante valides.
Cependant, il est important de noter qu'en raison des limitations du matériel informatique, toutes les représentations décimales ne peuvent pas être représentées avec précision sous forme de nombres à virgule flottante. Cela peut parfois conduire à des résultats inattendus pour les calculs impliquant des nombres à virgule flottante. Il devient donc essentiel de valider l’entrée et de s’assurer qu’elle est conforme au format attendu.
Dans la section suivante, nous explorerons les expressions régulières et apprendrons à les utiliser pour vérifier si l'entrée est un nombre à virgule flottante valide.
Introduction aux expressions régulières
Les expressions régulières (souvent abrégées en regex) sont des outils puissants pour la correspondance de modèles et la manipulation de texte. Ils offrent un moyen concis et flexible de définir des modèles et de rechercher des séquences de caractères spécifiques dans des chaînes.
En Python, le module re fournit des fonctions et des méthodes pour utiliser des expressions régulières. Nous pouvons exploiter la puissance des expressions régulières pour vérifier si l'entrée est un nombre à virgule flottante valide.
Pour valider les nombres à virgule flottante à l'aide d'expressions régulières, nous devons définir un modèle qui correspond au format attendu. Voici les éléments clés du patron −
Symboles facultatifs − Les nombres peuvent commencer par un signe positif (+) ou négatif (-) facultatif.
Partie entière− Les nombres peuvent avoir une partie entière facultative, qui peut être composée d'un ou plusieurs chiffres.
Point décimal facultatif − Les nombres peuvent contenir un point décimal facultatif (.) pour séparer les parties entières et décimales.
Partie décimale− Les nombres peuvent avoir une partie décimale facultative composée d'un ou plusieurs chiffres.
Exposant− Les nombres peuvent avoir une partie exposant facultative, représentée par la lettre « e » ou « E », suivie d'un symbole facultatif et d'un ou plusieurs chiffres.
En construisant un modèle d'expression régulière contenant ces composants, nous pouvons vérifier efficacement si la chaîne d'entrée correspond au modèle de nombre à virgule flottante.
Dans la section suivante, nous approfondirons l'implémentation d'un programme Python qui utilise des expressions régulières pour vérifier les nombres à virgule flottante.
Programme Python pour vérifier les nombres à virgule flottante
Pour vérifier si une entrée donnée est un float à l'aide d'expressions régulières en Python, nous pouvons suivre ces étapes−
Importez le module re − Importez d'abord le module re, qui fournit des fonctions et des méthodes pour utiliser les expressions régulières.
Définir un modèle d'expression régulière − Créez un modèle d'expression régulière qui correspond au format attendu d'un nombre à virgule flottante. Ce mode sera utilisé pour valider la saisie.
Créer une fonction − Définissez une fonction, appelons-la is_float, qui prend la chaîne d'entrée comme paramètre.
Match pattern − Utilisez la fonction re.match() pour faire correspondre la chaîne d'entrée avec un modèle d'expression régulière. Cette fonction renvoie un objet match si le modèle correspond à la chaîne, ou None s'il ne correspond pas.
Vérifiez s'il y a une correspondance −Utilisez une instruction if pour vérifier si l'objet correspondant n'est pas Aucun. Si ce n'est pas le cas, la chaîne d'entrée est un nombre à virgule flottante valide.
Return result− Dans l'instruction if, renvoyez True pour indiquer que l'entrée est un nombre à virgule flottante. Sinon, renvoie False.
Maintenant, rassemblons tout cela et écrivons du code Python pour vérifier les nombres à virgule flottante à l'aide d'expressions régulières −
import re def is_float(input_string): pattern = r'^[-+]?[0-9]*\.?[0-9]+([eE][-+]?[0-9]+)?$' match = re.match(pattern, input_string) if match: return True return False
Dans le code ci-dessus, nous définissons le modèle d'expression régulière r'^[-+]?[0-9]*.?[0-9]+([eE][-+]?[0-9 ] +) ?$', qui correspond au format attendu d'un nombre à virgule flottante. Nous utilisons re.match() pour faire correspondre la chaîne d'entrée au modèle et renvoyer True si elle correspond.
Dans la section suivante, nous testerons la fonction is_float() en utilisant quelques exemples d'entrées pour voir comment elle fonctionne.
Programme de tests
Voici quelques cas de test que nous pouvons essayer -
Cas de test 1 −
Entrez− « 3.14 »
Résultat attendu − Correct
Explication− L'entrée est un nombre à virgule flottante valide.
Cas de test 2 −
Entrez− « -0,5 »
预期输出− 正确
说明− 输入是有效的浮点数。
测试用例 3 −
输入 − “10”
预期输出 − 错误
说明− 输入不是浮点数,因为它没有小数部分。
测试用例 4 −
输入− “abc”
预期输出− 错误
说明− 输入不是浮点数,因为它包含非数字字符。
测试用例 5 −
输入− “1.23e-4”
预期输出 − 正确
说明− 输入是以科学计数法表示的有效浮点数。
您可以通过使用这些输入调用 is_float() 函数并将输出与预期结果进行比较来测试程序。如果输出与所有测试用例的预期结果相匹配,则表明程序运行正常。
# Testing the program print(is_float("3.14")) # Expected output: True print(is_float("-0.5")) # Expected output: True print(is_float("10")) # Expected output: False print(is_float("abc")) # Expected output: False print(is_float("1.23e-4")) # Expected output: True
结论
在本文中,我们探讨了如何在 Python 中使用正则表达式来检查给定输入是否为浮点数。我们了解了正则表达式在模式匹配中的重要性以及如何应用它们来验证数字输入。
我们首先了解浮点数的特征以及它们的常见表示格式。然后,我们深入研究 is_float() 函数的实现,使用正则表达式检查浮点数。我们还讨论了使用 re.match() 函数进行精确字符串匹配的重要性。
通过使用多个测试用例对程序进行测试,我们确保了其可靠性,并验证了它能够正确识别浮点数,同时拒绝无效输入。
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Ce tutoriel montre comment utiliser Python pour traiter le concept statistique de la loi de Zipf et démontre l'efficacité de la lecture et du tri de Python de gros fichiers texte lors du traitement de la loi. Vous vous demandez peut-être ce que signifie le terme distribution ZIPF. Pour comprendre ce terme, nous devons d'abord définir la loi de Zipf. Ne vous inquiétez pas, je vais essayer de simplifier les instructions. La loi de Zipf La loi de Zipf signifie simplement: dans un grand corpus en langage naturel, les mots les plus fréquents apparaissent environ deux fois plus fréquemment que les deuxième mots fréquents, trois fois comme les troisième mots fréquents, quatre fois comme quatrième mots fréquents, etc. Regardons un exemple. Si vous regardez le corpus brun en anglais américain, vous remarquerez que le mot le plus fréquent est "th

Traiter avec des images bruyantes est un problème courant, en particulier avec des photos de téléphones portables ou de caméras basse résolution. Ce tutoriel explore les techniques de filtrage d'images dans Python à l'aide d'OpenCV pour résoudre ce problème. Filtrage d'image: un outil puissant Filtre d'image

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

Python, un favori pour la science et le traitement des données, propose un écosystème riche pour l'informatique haute performance. Cependant, la programmation parallèle dans Python présente des défis uniques. Ce tutoriel explore ces défis, en se concentrant sur l'interprète mondial

Ce didacticiel montre la création d'une structure de données de pipeline personnalisée dans Python 3, en tirant parti des classes et de la surcharge de l'opérateur pour une fonctionnalité améliorée. La flexibilité du pipeline réside dans sa capacité à appliquer une série de fonctions à un ensemble de données, GE

La sérialisation et la désérialisation des objets Python sont des aspects clés de tout programme non trivial. Si vous enregistrez quelque chose dans un fichier Python, vous effectuez une sérialisation d'objets et une désérialisation si vous lisez le fichier de configuration, ou si vous répondez à une demande HTTP. Dans un sens, la sérialisation et la désérialisation sont les choses les plus ennuyeuses du monde. Qui se soucie de tous ces formats et protocoles? Vous voulez persister ou diffuser des objets Python et les récupérer dans son intégralité plus tard. C'est un excellent moyen de voir le monde à un niveau conceptuel. Cependant, à un niveau pratique, le schéma de sérialisation, le format ou le protocole que vous choisissez peut déterminer la vitesse, la sécurité, le statut de liberté de maintenance et d'autres aspects du programme

Le module statistique de Python fournit de puissantes capacités d'analyse statistique de données pour nous aider à comprendre rapidement les caractéristiques globales des données, telles que la biostatistique et l'analyse commerciale. Au lieu de regarder les points de données un par un, regardez simplement des statistiques telles que la moyenne ou la variance pour découvrir les tendances et les fonctionnalités des données d'origine qui peuvent être ignorées et comparer les grands ensembles de données plus facilement et efficacement. Ce tutoriel expliquera comment calculer la moyenne et mesurer le degré de dispersion de l'ensemble de données. Sauf indication contraire, toutes les fonctions de ce module prennent en charge le calcul de la fonction moyenne () au lieu de simplement additionner la moyenne. Les nombres de points flottants peuvent également être utilisés. Importer au hasard Statistiques d'importation de fracTI
