Regex

Conceito

• É uma forma flexível de identificar cadeias de caracteres que contenham determinados padrões dentro de strings.

Módulo re

import re

Padrão de utilização

re.método(r'padrão', texto_a_ser_escaneado)

re.search

• Retorna um objeto Match, com a posição da primeira ocorrência do padrão

• Retorna None

    string = "Este é um teste de expressões regulares em python, outro teste"
    print(re.search(r'teste', string))
  
    #retorna `<re.Match object; span=(10, 15), match='teste'>`
  

re.findall

• Encontra todas as ocorrências do padrão encontradas no texto

• Retorna uma lista

    string = "Este é um teste de expressões regulares em python, outro teste"
    print(re.findall(r'teste', string))
    # retorna `['teste', 'teste']`
  

re.sub

• Serve para subtituir algo dentro do texto

    string = "Este é um teste de expressões regulares em python, outro teste"
    print(re.sub(r'teste','Olá Mundo', string)
  
    #retorna `Este é um Olá Mundo de expressões regulares em python, outro Olá Mundo`
  
    #Usando o param count=1 fica assim.
    print(re.sub(r'teste','Olá Mundo', string, count=1))
  
    # retorna `Este é um Olá Mundo de expressões regulares em python, outro teste`
  

re.compile

• Serve para compilar regex.

• Reutilizar regex em alguns casos.

    string = "Este é um teste de expressões regulares em python, outro teste"
    regex = re.compile(r'teste')
    print(regex.search(string))
    print(regex.findall(string))
    print(regex.sub("def", string))
  

Metacaracteres

• São caracteres especiais, que possuem outros significados dentro de regex.

• Para escapá-los é necessário usa o '' antes do metacaractere

    import re
  
    texto = '''João trouxe     lindas flores para o seu amor, Maria, no dia 10 de Janeiro de 2022.
  
    Foi um ano excelente na vida de joão. Teve 5 filhos, todos adultos atualmente. maria , hoje sua esposa, ainda faz aquele café com pão de queijo às tardes de domingo.
    Não canso de ouvir Maria gritar:
    "Joooooooãoooooo, o café tá pronto, Veeemmm!!!.
    '''
  
    # Metacaractere: | (pipe) -> OU
    print(re.findall(r'João|Maria', texto))
  
    # retorna ['João', 'Maria', 'Maria']
  
  
    # Metacaractere: . (ponto) -> Seleciona quqlquer caractere, com exceção da quebra de linha.
    print(re.findall(r'.oão|Maria|adul..s', texto))
  
    # retorna ['João', 'Maria', 'joão', 'adultos', 'Maria', 'ooão']
  
  
    # Metacaractere: [] (colchetes) -> Seleciona um conjunto de caracteres envolvidos nestes.
    print(re.findall(r'[Jj]oão|[Mm]aria|adul..s', texto))
  
    # retorna ['João', 'Maria', 'joão', 'adultos', 'maria', 'Maria']
  
    # Metacaractere: [] (colchetes) -> Seleciona um conjunto de caracteres em range[a-z].
    print(re.findall(r'[a-zA-Z]oão|[a-zA-Z]aria|adul..s', texto))
  
    # retorna  ['João', 'Maria', 'joão', 'adultos', 'maria', 'Maria', 'ooão']
  

Flags

• Mudam o comportamento do regex

    import re
  
    texto = '''João trouxe     lindas flores para o seu amor, Maria, no dia 10 de Janeiro de 2022.
  
    Foi um ano excelente na vida de joão. Teve 5 filhos, todos adultos atualmente. maria , hoje sua esposa, ainda faz aquele café com pão de queijo às tardes de domingo.
    Não canso de ouvir Maria gritar:
    "Joooooooãoooooo, o café tá pronto, Veeemmm!!!.
    '''
  
    print(re.findall(r'joãO|MarIA|adultOs', texto, flags=re.IGNORECASE))
  
    # retorna ['João', 'Maria', 'joão', 'adultos', 'maria', 'Maria']
  

Quantificadores

• Também são metacaracteres, porém com a função de quantificar.

    import re
  
    texto = '''João trouxe     lindas flores para o seu amor, Maria, no dia 10 de Janeiro de 2022.
  
    Foi um ano excelente na vida de joão. Teve 5 filhos, todos adultos atualmente. maria , hoje sua esposa, ainda faz aquele café com pão de queijo às tardes de domingo.
    Não canso de ouvir Maria gritar:
    "Joooooooãoooooo, o café tá pronto, Veeemmm!!!. jão - jã
    '''
  

* (asteristico) == 0 ou n (ilimitadas vezes)

    # * == 0 ou n vezes
    print(re.findall(r'jo*ão*', texto, flags=re.I))
    print(re.findall(r'jo{0,}ão{0,}', texto, flags=re.I))

    # retorna ['João', 'joão', 'Joooooooãoooooo', 'jão', 'jã']

observação sobre quantificadores

• Não inporta a ordem dos itens no range, pois cada item é testado individualmente.

   texto2 = "Ela ama ser amada amaa amaad"
  
   print(re.findall(r'ama[da]{0,2}', texto2))
   print(re.findall(r'ama[da]*', texto2))
  
   # retorna ['ama', 'amada', 'amaa', 'amaad']
  

+ (soma) == 1 ou n (ilimitadas vezes)

    # + == 1 ou n vezes
    print(re.findall(r'jo+ão+', texto, flags=re.I))
    print(re.findall(r'jo{1,}ão{1,}', texto, flags=re.I))

    # retorna ['João', 'joão', 'Joooooooãoooooo']

? (interrogação) == 0 ou 1

    # ? == 0 ou 1 vez
    print(re.findall(r'jo?ão?', texto, flags=re.I))
    print(re.findall(r'jo{0,1}ão{0,1}', texto, flags=re.I))

    # retorna ['João', 'joão', 'jão', 'jã']

{n} valor dentro das chaves == valor específico

{min, max} valor dentro das chaves == valores em um intervalo