Pular para conteúdo

Aula 11 – Regex com Python 🐍

Python é uma das linguagens mais poderosas para processamento de texto e dados. Para usar Regex, utilizamos a biblioteca padrão re.

📦 A Biblioteca re

Diferente do JavaScript, no Python os métodos de Regex fazem parte de um módulo que você precisa importar.

import re

texto = "O ano é 2024"

1. re.search(padrao, string)

Procura a primeira ocorrência do padrão. Retorna um objeto de "Match" ou None.

match = re.search(r"\d+", texto)
if match:
    print(f"Encontrado: {match.group()}") # "2024"

2. re.findall(padrao, string)

Retorna uma lista com todas as ocorrências encontradas.

texto = "A1, B2, C3"
matches = re.findall(r"\d", texto)
print(matches) # ["1", "2", "3"]

3. re.sub(padrao, substituto, string)

Substitui as ocorrências por um novo texto (equivalente ao .replace do JS).

limpo = re.sub(r"\s+", "_", "Texto com espaços")
print(limpo) # "Texto_com_espaços"

🏗️ O uso do r"" (Raw Strings)

Em Python, sempre use o prefixo r antes das aspas do seu Regex. Isso evita que o Python interprete as barras invertidas \ como comandos especiais dele mesmo.

  • Correto: re.search(r"\d", texto)
  • Errado: re.search("\d", texto) (pode causar bugs!)

💻 Exemplo em TermynalJS (Python CLI)

$ # Rodando script rápido em Python $ python -c "import re; print(re.findall(r'\w+', 'Regex é top'))" $ ['Regex', 'é', 'top'] $ $ # Verificando se começa com letra $ python -c "import re; print(bool(re.match(r'[a-zA-Z]', '123')))" $ False

📝 Exercícios de Fixação

  1. Básico: Importe a biblioteca re e verifique se a palavra "Python" existe na frase "Aprendendo Python com Regex".
  2. Básico: Use findall() para extrair todos os números de uma string: "Pedidos #102, #305 e #400".
  3. Intermediário: Use re.sub() para remover todos os parênteses de um número de telefone: (11) 9999-8888.
  4. Intermediário: Crie um script que use re.search() para encontrar a primeira data no formato DD/MM/AAAA.
  5. Desafio: Crie uma função em Python que receba uma lista de e-mails e retorne apenas os que terminam em @empresa.com.

Objetivo: Extrair todas as URLs de um bloco de texto.

  1. Código Sugerido: 
    import re

html = 'Acesse <a href="http://google.com">Google</a> e <a href="https://python.org">Python</a>'
links = re.findall(r'https?://[\w.]+', html)

for link in links:
    print(f"Link encontrado: {link}")
  2. Desafio: Tente fazer o findall retornar apenas o domínio (sem o http).