Empfohlene Unterrichtsinhalte als Vorbereitung für dieses Thema: 02-01 (Strings), 05-03 (Module), 09-01 (Regular Expressions schreiben)
Mit regulären Ausdrücken können wir Strings beschreiben und auf bestimmte selbstdefinierte Eigenschaften prüfen. Im nächsten Schritt setzen wir diese Werkzeuge mit Pythoncode um.
re.search(): Strings matchen mit dem re-Modul¶Für die Arbeit mit regulären Ausdrücken steht uns das Modul re zur Verfügung. Wir können es importieren und dann alle Funktionen verwenden, die im Modul definiert sind. Die offizielle Dokumentation zum Modul ist hier zu finden: https://docs.python.org/3.8/library/re.html#module-contents
Um in Python einen String mit einem regulären Ausdruck zu prüfen, brauchen wir die zwei Funktionen re.compile() und re.search().
Mit re.compile() definieren wir einen regulären Ausdruck. Dabei fügen wir als Argument einen String ein, der den gesamten regulären Ausdruck enthält, den wir entworfen haben. Das Ergebnis dieser Funktion ist ein Objekt vom Typ regulärer Ausdruck; wir können diesen Wert in einer Variable speichern, um später damit weiter zu arbeiten.
# RegEx-Modul importieren:
import re
# RegEx erzeugen:
my_regex = re.compile("^Man(go|ko|ga)$")
print(type(my_regex))
Ab jetzt können wir verschiedene Strings daraufhin prüfen, ob sie die definierten Bedingungen erfüllen oder nicht. Dazu verwenden wir re.search(). Das erste Argument ist der reguläre Ausdruck, den wir im vorigen Schritt definiert haben. Das zweite Argument ist der String, den wir mit dem regulären Ausdruck prüfen wollen.
# RegEx-Modul importieren:
import re
# RegEx erzeugen:
my_regex = re.compile("^Man(go|ko|ga)$")
# Strings anhand der RegEx prüfen:
print(re.search(my_regex, "Mango"))
print(re.search(my_regex, "Manga"))
print(re.search(my_regex, "Manko"))
print(re.search(my_regex, "Mangold"))
Beim Prüfen von Strings mit regulären Ausdrücken bekommen wir als Rückgabe ein Objekt vom Typ re.Match - es sei denn, der String passt nicht zum regulären Ausdruck. Dann erhalten wir als Rückgabewert None.
Wenn wir einen Match gefunden haben, enthält die Rückgabe die folgenden Informationen:
span=(0, 5): Von Index 0 bis Index 5 des geprüften Strings haben wir einen Match für den regulären Ausdruck gefunden.match='Mango': Der Match wurde für den Teilstring "Mango" gefunden.Die Information zur Spanne ist interessant, weil reguläre Ausdrücke auf Strings unterschiedlicher Länge matchen können. Zum Beispiel, wenn wir optionale Sequenzen mit dem Quantifizierer * oder ? definieren:
# RegEx-Modul importieren:
import re
# RegEx erzeugen:
my_regex = re.compile("^Mango(ld)?$")
# Strings anhand der RegEx prüfen:
print(re.search(my_regex, "Mango"))
print(re.search(my_regex, "Manga"))
print(re.search(my_regex, "Manko"))
print(re.search(my_regex, "Mangold"))
re.sub(): Reguläre Ausdrücke zum Ersetzen von Teilstrings verwenden¶Wenn ein Match gefunden wird, können wir einen neuen String erzeugen, in dem genau der gematchte Teilstring durch etwas anderes ersetzt wird.
Im folgenden Beispiel geht es um Kontonummern, die anonymisiert werden sollen. Wir könnten alle Zahlen durch ein Platzhalterzeichen ersetzen:
import re
secret = 'Kontonummer: 108010222202'
# Hier definieren wir das Muster für Zahlen:
zahlen = re.compile('[0-9]') # \d
# re.sub ersetzt Teilstrings durch beliebige andere Zeichensequenzen:
print(re.sub(zahlen, 'X', secret))
print(secret)
Die Funktion re.sub(pattern, replacement, string) sucht im übergebenen string nach dem übergebenen pattern und ersetzt jede Stelle im String, die dem Muster entspricht, durch das gewünschte replacement. Der Rückgabewert ist vom Typ String.
Da Strings in Python immutable sind, verändern wir nicht den Wert der Originalvariable secret. Stattdessen wird bei re.sub() ein neuer String erzeugt, der teilweise dem alten String entspricht und teilweise Änderungen enthält.
re.split(): Strings mit regulären Ausdrücken zerteilen¶Wir können reguläre Ausdrücke auch verwenden, um Strings zu zerlegen. Wir kennen bereits die Funktion string.split(sep), bei der der gegebene String an allen Vorkommen des Substrings sep aufgeteilt wird. Das Ergebnis von split() ist eine Liste (vgl. Thema 02-01, Strings).
Fast analog dazu funktioniert die Funktion re.split(pattern, string). Das übergebene pattern beschreibt in der Syntax regulärer Ausdrücke den Separator, der jetzt nicht mehr exakt bekannt sein muss, sondern mithilfe von Bedingungen beschrieben werden kann.
Im folgenden Code wird ein Text an allen Satzendzeichen aufgeteilt. Das Ziel ist es, eine Liste aller einzelnen Sätze zu erhalten.
import re
# Der Text enthält mehrere Sätze, die durch Satzendzeichen
# voneinander getrennt sind
heine_brief = """Sehr liebenswürdige und charmante Person! Ich bedauere sehr, daß ich Sie letzthin nur wenige Augenblicke sehen konnte. Sie haben einen äußerst vortheilhaften Eindruck hinterlassen u ich sehne mich nach dem Vergnügen, Sie recht bald wiederzusehen. – Wenn es Ihnen möglich ist, kommen Sie schon morgen, in jedem Fall, so bald es Ihnen Ihre Zeit erlaubt, Sie kündigen sich an wie letzthin. Den ganzen Tag bin ich zu jeder Stunde bereit Sie zu empfangen. Die liebste Zeit wär' mir von 4 Uhr bis so spät Sie wollen. – Trotz meiner Augenleiden schreibe ich eigen händig, weil ich jetzt keinen vertrauten Sekretair besitze. – Ich habe viel Peinliches um die Ohren und bin sehr leidend noch immer. Ich weiß nicht, warum Ihre liebreiche Theilnahme mir so wohl thut, und ich abergläubischer Mensch mir einbilden will, eine gute Fee besuche mich in trüber Stunde. Sie war die rechte Stunde. – Oder sind Sie eine böse Fee? Ich muß das bald wissen."""
# Das Muster soll auf alle Satzendzeichen matchen.
satzende = re.compile('[!\.?]\s–?\s*')
brief_saetze = re.split(satzende, heine_brief)
for satz in brief_saetze:
print(satz)
print("+++")
Wie man sieht, werden die Sätze erfolgreich separiert, aber die Satzendzeichen gehen dabei verloren. Wie man so lange Texte besser mit regulären Ausdrücken verarbeiten kann, besprechen wir in der nächsten Themeneinheit, 09-03.
re stellt alle Funktionen zur Verfügung, die wir brauchen, um in Python mit regulären Ausdrücken zu arbeiten.re.compile() erzeugen wir einen regulären Ausdruck, mit dem wir dann arbeiten können.re.search() prüfen wir, ob ein String die Bedingungen eines definierten regulären Ausdrucks erfüllt.re.sub() ersetzen wir gematchte Teilstrings durch beliebige andere Strings.re.split() zerteilen wir einen String an allen Stellen, an denen ein Match für den angegebenen regulären Ausdruck gefunden wurde.