re-module: regex in Python

De module re stelt reguliere expressies in Python bloot. Als je al hebt genomen de Regex cursus op deze site vind je alle syntaxis bekend; hier we kijken naar de API's.

Ruwe tekenreeks: r"..."

Regexes gebruiken veel backslashes (\d, \b, \s). Schrijf ze altijd als onbewerkte strings zodat je ze niet hoeft te verdubbelen:

import re
# raw: \d is a single token
pattern = r"\d+"
# NOT raw: you would have to write "\\d+" otherwise Python interprets \d as "d"

re.search: zoek het eerste exemplaar

import re
m = re.search(r"\d+", "ho 42 mele e 17 pere")
m.group()    # '42'
m.start()    # 3
m.end()      # 5

Retourneert een object Match indien gevonden, anders None. Idiomatisch patroon:

if m := re.search(r"\d+", testo):
    print(m.group())

re.match: alleen aan het begin van de string

re.match(r"\d+", "42 anni")     # match!
re.match(r"\d+", "ho 42 anni")  # None (doesn't start with a digit)

Als u overal wilt zoeken, geeft u de voorkeur aan re.search.

re.findall: alle exemplaren

re.findall(r"\d+", "ho 42 mele, 17 pere, 3 banane")
# ['42', '17', '3']

Als het patroon capture groups heeft, retourneert findall de groepen, niet de hele wedstrijd:

re.findall(r"(\w+)@(\w+)", "ada@x bob@y")
# [('ada', 'x'), ('bob', 'y')]

re.sub: vervanging

re.sub(r"\d+", "###", "ho 42 mele e 17 pere")
# 'ho ### mele e ### pere'

Het werkt ook met een vervangingsfunctie (die de Match ontvangt):

re.sub(r"\d+", lambda m: str(int(m.group()) * 2), "ho 42 mele")
# 'ho 84 mele'

Genoemde groepen

m = re.search(r"(?P<anno>\d{4})-(?P<mese>\d{2})-(?P<giorno>\d{2})", "2025-01-15")
m.group("anno")    # '2025'
m.groupdict()      # {'anno': '2025', 'mese': '01', 'giorno': '15'}

Handige vlaggen

re.search(r"ciao", "CIAO", re.IGNORECASE)       # case-insensitive
re.findall(r"^.+$", testo, re.MULTILINE)        # ^/$ match every line
re.search(r"a.b", "a\nb", re.DOTALL)            # . matches newline too

re.finditer voor geheugenveiligheid

Als u overeenkomsten in een enorm tekstblok moet verwerken, wijst re.findall een lijst in het geheugen toe die alle geëxtraheerde overeenkomstreeksen bevat. Het verdient de voorkeur om re.finditer() te gebruiken, wat een luie iterator van Match-objecten oplevert, die minimaal geheugen verbruikt.

Probeer het

Oefening beoordelen

Extra uitdaging