1. Warum Reguläre Ausdrücke (Regex)?
+
+ Im echten Alltag eines Software-Entwicklers oder Data Engineers sind 80% aller Rohdaten unstrukturiert: E-Mails, Server-Logs, Tweets, Rechnungen oder Kundeneingaben.
+ Einfache String-Methoden wie .find() oder .split() reichen oft nicht aus.
+
+ Ein regulärer Ausdruck ist wie ein Phantombild:
+ Statt nach einem festen Text zu suchen („Suche exakt nach 'Peter'“), suchst du nach einer Struktur:
+
+ „Suche 2 Großbuchstaben, gefolgt von 2 Ziffern, gefolgt von weiteren Zahlen – egal welche Nummern es genau sind, das ist eine IBAN!“
+
2. Cheat-Sheet: Die wichtigsten Metazeichen & Quantifizierer
+
+ In Python nutzen wir das Modul import re. Regex-Muster werden als Raw-Strings (r"...") definiert:
+
| Zeichen | +Kategorie | +Bedeutung | +Beispiel | +
|---|---|---|---|
\d |
+ Metazeichen | +Beliebige Ziffer (0-9) | +r"\d{4}" → "2026" |
+
\w |
+ Metazeichen | +Wortzeichen (Buchstabe, Ziffer, Unterstrich) | +r"#\w+" → "#python" |
+
\s |
+ Metazeichen | +Whitespace (Leerzeichen, Tab, Umbruch) | +r"\s+" |
+
. |
+ Metazeichen | +Beliebiges Zeichen (außer Zeilenumbruch) | +r"a.c" → "abc", "a9c" |
+
+ |
+ Quantifizierer | +Mindestens 1 Mal (1 bis unendlich) | +r"\d+" → "42" |
+
* |
+ Quantifizierer | +0 oder mehrmals (optional beliebig oft) | +r"ab*c" → "ac", "abc" |
+
? |
+ Quantifizierer | +Optional (0 oder 1 Mal) | +r"https?" → "http", "https" |
+
{min,max} |
+ Quantifizierer | +Von min bis max Wiederholungen | +r"\d{2,4}" |
+
^ und $ |
+ Anker | +Zeilenanfang (^) und Zeilenende ($) |
+ r"^\d+$" (nur Ziffern) |
+
3. Die 4 Haupt-Methoden in Python
+ +| Methode | +Zweck | +Code-Beispiel | +
|---|---|---|
re.search() |
+ Sucht den ersten Treffer irgendwo im String. | +m = re.search(r"\d+", "Raum 404") |
+
re.fullmatch() |
+ Prüft, ob der gesamte String dem Muster entspricht (Validierung). | +re.fullmatch(r"^[a-z]+@[a-z]+\.[a-z]{2,}$", mail) |
+
re.findall() |
+ Sammelt alle Vorkommnisse in einer Python-Liste. | +re.findall(r"#\w+", tweet) |
+
re.sub() |
+ Sucht Treffer und ersetzt sie (auch per Lambda/Funktion). | +re.sub(r"\d", "*", "Pin: 1234") → "Pin: ****" |
+
Mit benannten Gruppen kannst du Daten direkt in ein lesbares Dictionary extrahieren:
+import re + +pattern = r"^(?P<jahr>\d{4})-(?P<monat>\d{2})-(?P<tag>\d{2})$" +match = re.fullmatch(pattern, "2026-08-29") +if match: + print(match.groupdict()) + # Output: {'jahr': '2026', 'monat': '08', 'tag': '29'}+
4. 📋 Deine Aufgaben-Checkliste
+Öffne die Datei aufgabe.py und löse die 5 Teilziele:
-
+
- + + + +
- + + + +
- + + + +
- + + + +
- + + + +
💡 Lösungshinweise (Aufklappen bei Bedarf)
+ +🔍 Tipp zu TODO 4: IBAN-Maskierung mit Lambda
+Übergebe an re.sub() eine Funktion, die das Match-Objekt zerlegt:
pattern = r"\b([A-Z]{2}\d{2})([A-Z0-9]{8,30})\b" +return re.sub( + pattern, + lambda m: m.group(1) + ("*" * len(m.group(2))), + text +)+
🔍 Tipp zu TODO 5: ISO-Datum mit benannten Gruppen
+Nutze re.fullmatch und groupdict():
pattern = r"^(?P<jahr>\d{4})-(?P<monat>\d{2})-(?P<tag>\d{2})$" +match = re.fullmatch(pattern, datum_str.strip()) +if not match: + raise ValueError("Ungültiges Format") +return match.groupdict()+
5. 🧪 Lösung überprüfen & Testen
+ +1. Automatische Tests ausführen:
+python3 test_aufgabe.py2. Interaktives Skript starten:
+python3 aufgabe.py