Módulo re: regex en Python

El módulo re expone las expresiones regulares en Python. Si ya realizaste el curso de Regex en este sitio, toda la sintaxis te resultará familiar; aquí nos centraremos en las API.

Raw string: r"..."

Las expresiones regulares usan muchas barras invertidas (\d, \b, \s). Escríbelas siempre como raw strings para no tener que duplicarlas:

import re
# raw: \d is a single token
pattern = r"\d+"
# NOT raw: you would have to write "\\d+" otherwise Python interprets \d as "d"

re.search: encontrar la primera ocurrencia

import re
m = re.search(r"\d+", "ho 42 mele e 17 pere")
m.group()    # '42'
m.start()    # 3
m.end()      # 5

Devuelve un objeto Match si lo encuentra, None en caso contrario. Patrón idiomático:

if m := re.search(r"\d+", testo):
    print(m.group())

re.match: solo al inicio de la cadena

re.match(r"\d+", "42 anni")     # match!
re.match(r"\d+", "ho 42 anni")  # None (doesn't start with a digit)

Para buscar en cualquier parte, prefiere re.search.

re.findall: todas las ocurrencias

re.findall(r"\d+", "ho 42 mele, 17 pere, 3 banane")
# ['42', '17', '3']

Si el patrón tiene grupos de captura, findall devuelve los grupos, no el emparejamiento completo:

re.findall(r"(\w+)@(\w+)", "ada@x bob@y")
# [('ada', 'x'), ('bob', 'y')]

re.sub: sustitución

re.sub(r"\d+", "###", "ho 42 mele e 17 pere")
# 'ho ### mele e ### pere'

También funciona con una función de reemplazo (que recibe el Match):

re.sub(r"\d+", lambda m: str(int(m.group()) * 2), "ho 42 mele")
# 'ho 84 mele'

Grupos con nombre (named groups)

m = re.search(r"(?P<anno>\d{4})-(?P<mese>\d{2})-(?P<giorno>\d{2})", "2025-01-15")
m.group("anno")    # '2025'
m.groupdict()      # {'anno': '2025', 'mese': '01', 'giorno': '15'}

Flags útiles

re.search(r"ciao", "CIAO", re.IGNORECASE)       # case-insensitive
re.findall(r"^.+$", testo, re.MULTILINE)        # ^/$ match every line
re.search(r"a.b", "a\nb", re.DOTALL)            # . matches newline too

re.finditer para seguridad de memoria

Si necesitas procesar emparejamientos en un bloque de texto enorme, re.findall asigna una lista en memoria que contiene todas las cadenas de texto extraídas. Se prefiere usar re.finditer(), que produce un iterador perezoso (lazy) de objetos Match, consumiendo el mínimo de memoria.

Pruébalo

Ejercicio de repaso

Desafío adicional