Python RegEx
Um RegEx, ou Expressão Regular, é uma sequência de caracteres que forma um padrão de pesquisa.
RegEx pode ser usado para verificar se uma string contém o padrão de pesquisa especificado.
Módulo RegEx
Python tem um pacote embutido chamado re, que pode ser usado para trabalhar com Expressões Regulares.
Importe o remódulo:
import re
RegEx em Python
Depois de importar o remódulo, você pode começar a usar expressões regulares:
Exemplo
Pesquise a string para ver se ela começa com "The" e termina com "Spain":
import
re
txt = "The rain in Spain"
x = re.search("^The.*Spain$", txt)
Funções RegEx
O remódulo oferece um conjunto de funções que nos permite pesquisar uma string por uma correspondência:
| Function | Description |
|---|---|
| findall | Returns a list containing all matches |
| search | Returns a Match object if there is a match anywhere in the string |
| split | Returns a list where the string has been split at each match |
| sub | Replaces one or many matches with a string |
Metacaracteres
Metacaracteres são caracteres com um significado especial:
| Character | Description | Example | Try it |
|---|---|---|---|
| [] | A set of characters | "[a-m]" | |
| \ | Signals a special sequence (can also be used to escape special characters) | "\d" | |
| . | Any character (except newline character) | "he..o" | |
| ^ | Starts with | "^hello" | |
| $ | Ends with | "planet$" | |
| * | Zero or more occurrences | "he.*o" | |
| + | One or more occurrences | "he.+o" | |
| ? | Zero or one occurrences | "he.?o" | |
| {} | Exactly the specified number of occurrences | "he{2}o" | |
| | | Either or | "falls|stays" | |
| () | Capture and group |
Sequências Especiais
Uma sequência especial é \seguida por um dos caracteres na lista abaixo e tem um significado especial:
| Character | Description | Example | Try it |
|---|---|---|---|
| \A | Returns a match if the specified characters are at the beginning of the string | "\AThe" | |
| \b | Returns a match where the specified characters are at the beginning or at the
end of a word (the "r" in the beginning is making sure that the string is being treated as a "raw string") |
r"\bain" r"ain\b" |
|
| \B | Returns a match where the specified characters are present, but NOT at the beginning
(or at
the end) of a word (the "r" in the beginning is making sure that the string is being treated as a "raw string") |
r"\Bain" r"ain\B" |
|
| \d | Returns a match where the string contains digits (numbers from 0-9) | "\d" | |
| \D | Returns a match where the string DOES NOT contain digits | "\D" | |
| \s | Returns a match where the string contains a white space character | "\s" | |
| \S | Returns a match where the string DOES NOT contain a white space character | "\S" | |
| \w | Returns a match where the string contains any word characters (characters from a to Z, digits from 0-9, and the underscore _ character) | "\w" | |
| \W | Returns a match where the string DOES NOT contain any word characters | "\W" | |
| \Z | Returns a match if the specified characters are at the end of the string | "Spain\Z" |
Conjuntos
Um conjunto é um conjunto de caracteres dentro de um par de colchetes
[]com um significado especial:
| Set | Description | Try it |
|---|---|---|
| [arn] | Returns a match where one of the specified characters (a,
r, or n) are
present |
|
| [a-n] | Returns a match for any lower case character, alphabetically between
a and n |
|
| [^arn] | Returns a match for any character EXCEPT a,
r, and n |
|
| [0123] | Returns a match where any of the specified digits (0,
1, 2, or
3) are
present |
|
| [0-9] | Returns a match for any digit between
0 and 9 |
|
| [0-5][0-9] | Returns a match for any two-digit numbers from 00 and
59 |
|
| [a-zA-Z] | Returns a match for any character alphabetically between
a and z, lower case OR upper case |
|
| [+] | In sets, +, *,
., |,
(), $,{}
has no special meaning, so [+] means: return a match for any
+ character in the string |
A função findall()
A findall()função retorna uma lista contendo todas as correspondências.
Exemplo
Imprima uma lista de todas as correspondências:
import re
txt = "The rain in Spain"
x = re.findall("ai",
txt)
print(x)
A lista contém as correspondências na ordem em que são encontradas.
Se nenhuma correspondência for encontrada, uma lista vazia será retornada:
Exemplo
Retorna uma lista vazia se nenhuma correspondência foi encontrada:
import re
txt = "The rain in Spain"
x = re.findall("Portugal",
txt)
print(x)
A função pesquisar()
A search()função procura uma correspondência na string e retorna um objeto Match se houver uma correspondência.
Se houver mais de uma correspondência, apenas a primeira ocorrência da correspondência será retornada:
Exemplo
Procure o primeiro caractere de espaço em branco na string:
import re
txt = "The rain in Spain"
x = re.search("\s",
txt)
print("The first white-space character is located in
position:", x.start())
Se nenhuma correspondência for encontrada, o valor Noneserá retornado:
Exemplo
Faça uma pesquisa que não retorne nenhuma correspondência:
import re
txt = "The rain in Spain"
x = re.search("Portugal",
txt)
print(x)
A função split()
A split()função retorna uma lista onde a string foi dividida em cada correspondência:
Exemplo
Dividir em cada caractere de espaço em branco:
import re
txt = "The rain in Spain"
x = re.split("\s",
txt)
print(x)
Você pode controlar o número de ocorrências especificando o
maxsplit
parâmetro:
Exemplo
Divida a string apenas na primeira ocorrência:
import re
txt = "The rain in Spain"
x = re.split("\s",
txt,
1)
print(x)
A função sub()
A sub()função substitui as correspondências pelo texto de sua escolha:
Exemplo
Substitua cada caractere de espaço em branco pelo número 9:
import re
txt = "The rain in Spain"
x = re.sub("\s",
"9", txt)
print(x)
Você pode controlar o número de substituições especificando o
count
parâmetro:
Exemplo
Substitua as 2 primeiras ocorrências:
import re
txt = "The rain in Spain"
x = re.sub("\s",
"9", txt, 2)
print(x)
Objeto de correspondência
Um Match Object é um objeto que contém informações sobre a pesquisa e o resultado.
Nota: Se não houver correspondência, o valor Noneserá retornado, em vez do Objeto de correspondência.
Exemplo
Faça uma pesquisa que retornará um Match Object:
import re
txt = "The rain in Spain"
x = re.search("ai",
txt)
print(x) #this will print an object
O objeto Match possui propriedades e métodos usados para recuperar informações sobre a pesquisa e o resultado:
.span()retorna uma tupla contendo as posições inicial e final da correspondência.
.stringretorna a string passada para a função
.group()retorna a parte da string onde houve uma correspondência
Exemplo
Imprima a posição (posição inicial e final) da primeira ocorrência de correspondência.
A expressão regular procura qualquer palavra que comece com "S" maiúsculo:
import re
txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.span())
Exemplo
Imprima a string passada na função:
import re
txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.string)
Exemplo
Imprima a parte da string onde houve uma correspondência.
A expressão regular procura qualquer palavra que comece com "S" maiúsculo:
import re
txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.group())
Nota: Se não houver correspondência, o valor Noneserá retornado, em vez do Objeto de correspondência.