Einführung in reguläre Ausdrücke (Regex)

Reguläre Ausdrücke (Regex)

• Ein regulärer Ausdruck (Regex oder RE) ist eine Zeichenkette, die eine Menge von Zeichenketten gemäß bestimmten Syntaxregeln beschreibt.
• Sie werden verwendet, um Texte zu suchen und zu manipulieren.

Regex-Syntax

Zeichen

• Literale Zeichen passen nur zu sich selbst (z.B. 'a', 'b', '1', '2').
• Der Punkt . passt zu jedem einzelnen Zeichen außer einem Zeilenumbruch.
• \d passt zu einer Ziffer (0-9),
• \w passt zu einem "Wortzeichen" (Buchstabe, Ziffer oder Unterstrich)
• \s passt zu einem Whitespace-Zeichen (Leerzeichen, Tabulator, Zeilenumbruch).
• \D, \W, \S sind das Gegenteil von \d, \w und \s.
• Der Backslash \ wird verwendet, um Sonderzeichen zu "escapen" oder spezielle Zeichenklassen darzustellen.

Quantoren

• Quantoren geben die Häufigkeit des Vorkommens eines vorhergehenden Zeichens oder einer Gruppe an.
• * steht für null oder mehr Vorkommnisse.
• + steht für ein oder mehr Vorkommnisse.
• ? steht für null oder ein Vorkommnis.
• {n} steht für genau n Vorkommnisse.
• {n,} steht für n oder mehr Vorkommnisse.
• {n,m} steht für mindestens n und höchstens m Vorkommnisse.

Anker

• Anker passen nicht zu Zeichen, sondern zu Positionen im Text.
• ^ passt zum Anfang der Zeichenkette.
• $ passt zum Ende der Zeichenkette.
• \b passt zu einer Wortgrenze.

Zeichenklassen

• Zeichenklassen definieren eine Menge von Zeichen, von denen eines passen muss.
• [abc] passt zu 'a', 'b' oder 'c'.
• [a-z] passt zu jedem Kleinbuchstaben.
• [^abc] passt zu jedem Zeichen außer 'a', 'b' und 'c'.

Gruppen und Rückbezüge

• ( ) gruppiert einen Teil des Ausdrucks.
• \1, \2, usw. beziehen sich auf die n-te Gruppe im Ausdruck (Rückbezug).

Alternation

• | bedeutet entweder der Ausdruck links oder der Ausdruck rechts davon muss passen.

Beispiele für reguläre Ausdrücke

• a.*b: Passt zu einer Zeichenkette, die mit 'a' beginnt, dann beliebig viele Zeichen enthält und mit 'b' endet.
• \d{3}-\d{2}-\d{4}: Passt zu einer US-amerikanischen Sozialversicherungsnummer (z.B. "123-45-6789").
• [A-Za-z]+: Passt zu einem oder mehreren Buchstaben (ein Wort).
• ^M: Passt zu einer Zeile, die mit 'M' beginnt.
• (Mr|Mrs|Ms)\. [A-Z][a-z]+: Passt zu einer Anrede (z.B. "Mr. Smith").

Verwendung in Python mit dem re-Modul

• Das re-Modul in Python bietet Funktionen zum Arbeiten mit regulären Ausdrücken.

import re

text = "Hallo, mein Name ist Max."
pattern = "Name ist (\w+)"

match = re.search(pattern, text)

if match:
    name = match.group(1)
    print(f"Name: {name}") # Ausgabe: Name: Max

Wichtige Funktionen im re-Modul

• re.search(pattern, string): Durchsucht die Zeichenkette nach dem ersten Vorkommnis des Musters.
• re.match(pattern, string): Überprüft, ob das Muster am Anfang der Zeichenkette passt.
• re.findall(pattern, string): Findet alle Vorkommnisse des Musters in der Zeichenkette und gibt eine Liste zurück.
• re.sub(pattern, replacement, string): Ersetzt alle Vorkommnisse des Musters in der Zeichenkette durch replacement.
• re.compile(pattern): Kompiliert einen regulären Ausdruck für die wiederholte Verwendung.