Python 3 - Lernen und professionell anwenden

Kapitel 13

Verarbeitung von Zeichenketten

378

Abb. 13.4: Regulärer Ausdruck als Filter für Strings

13.5.1 Aufbau eines regulären Ausdrucks

Mithilfe von Sonderzeichen und speziellen Zeichensequenzen kann man komplexe Muster

definieren. Tabelle 13.9 liefert einen Überblick. Reguläre Ausdrücke sind im Wesentlichen

aus folgenden Elementen aufgebaut:

쐽 Einfache Zeichen, die für sich selbst stehen, z.B. a

쐽

Platzhalter für Zeichen aus einer Zeichenmenge, z.B. \d für eine Ziffer oder \D für ein

Zeichen, das keine Ziffer ist

쐽 Operatoren, mit denen aus einem oder mehreren regulären Ausdrücken ein neuer regu-

lärer Ausdruck gebildet wird, z.B.

+ für ein- oder mehrfache Wiederholung eines regu-

lären Ausdrucks

Sonderzeichen Bedeutung/Beispiel

. Jedes Zeichen außer Zeilenwechsel (\n).

'G.ld' passt auf 'Gold' und 'Geld'.

^ Beginn eines Strings oder das erste Zeichen nach \n.

'^S' passt auf 'Start' nicht aber auf 'der Start'.

[ ] Definition einer Menge von Zeichen. Zum Beispiel bezeichnet '[abc]'

ein Zeichen aus der Menge

{a, b, c}.

[^ ] Komplement einer Zeichenmenge. Zum Beispiel steht [^aeiouAEIOU]

für ein beliebiges Zeichen, das kein Vokal ist.

* Beliebig häufiges (eventuell keinmaliges) Wiederholen des vorausgehen-

den regulären Ausdrucks

+ Ein- oder mehrmaliges Wiederholen des vorausgehenden regulären

Ausdrucks

Tabelle 13.9: Die wichtigsten Sonderzeichen in regulären Ausdrücken

379

13.5

Reguläre Ausdrücke

Platzhalter für Zeichen aus einer Zeichenmenge

Ein Punkt . steht für genau ein beliebiges Zeichen. Der reguläre Ausdruck 'G.ld' beschreibt

die Menge aller Zeichenketten, die einen String enthalten, der folgendermaßen aufgebaut

ist: Ein G, gefolgt von einem beliebigen Zeichen und dahinter

ld. Der reguläre Ausdruck

'G.ld' passt also auf 'Gold', 'Geld' oder 'Gilde'.

Mit eckigen Klammern wird ein Zeichen beschrieben, das zu einer Menge von Zeichen

gehört. Zwischen den Klammern stehen die Elemente der Menge als String. Die Zeichen

können einzeln aufgelistet werden oder man definiert einen Bereich durch zwei Zeichen

und einem Minuszeichen '-' dazwischen. So ist der String 'a-z' eine Kurzschreibweise

für

'abcdefghijklmnopqrstuvwxyz'und '1-5' eine Kurzform für '12345'. Beispiel:

Der reguläre Ausdruck

0[0-7][0-7] passt auf alle dreistelligen Oktalzahlen, die mit einer

Null beginnen, z.B. 025.

Steht hinter der öffnenden Klammer ein Dach ^, so wird das Komplement der durch den fol-

genden String dargestellten Zeichenmenge gebildet. Mit

[^0-9] wird beispielsweise ein

Zeichen beschrieben, das keine Ziffer ist.

Bestimmte »Zeichentypen« können durch Sequenzen dargestellt werden, die mit einem

Backslash beginnen. So bezeichnet

\d eine Dezimalziffer oder \w ein alphanumerisches

Zeichen einschließlich Unterstrich (das entspricht

[a-zA-Z0-9_]). Der reguläre Ausdruck

'\d\d\d' passt auf alle Strings, die eine dreistellige Dezimalzahl enthalten.

*?, +? »Nicht gierige« Variante des Stern- bzw. Plusoperators. Die Verwendung

bei

findall() führt zum Finden der kürzesten passenden Textstellen

(siehe

Abschnitt 13.5.4).

? Null- oder einmaliges Auftreten des vorhergehenden regulären

Ausdrucks.

\ Maskieren eines Sonderzeichens

\A Beginn einer Zeichenkette.

'\AAuto' passt auf 'Autobahn', nicht aber auf 'Sie fuhr ein

rotes Auto'

.

\d Dezimalziffer, entspricht der Menge [0-9]

\D Alle Zeichen außer Dezimalziffern

\s Whitespace-Zeichen aus der Menge [ \t\n\r\f\v]

\S Alle Zeichen außer Whitespace-Zeichen

\w Irgendein alphanumerisches Zeichen aus [a-zA-Z0-9_]

\W

Irgendein nichtalphanumerisches Zeichen aus [^a-zA-Z0-9]

\Z Ende einer Zeichenkette

| oder

( ) Zeichengruppe

Sonderzeichen Bedeutung/Beispiel

Tabelle 13.9: Die wichtigsten Sonderzeichen in regulären Ausdrücken (Forts.)