Module re : regex en Python

Le module re expose les expressions régulières en Python. Si vous avez déjà suivi le cours Regex sur ce site, vous trouverez toute la syntaxe familière ; nous examinons ici les API.

Raw string: r"..."

Les expressions régulières utilisent de nombreux antislashs (\d, \b, \s). Écrivez-les toujours sous forme de raw strings pour ne pas avoir à les doubler :

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 : trouver la première occurrence

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

Renvoie un objet Match s'il est trouvé, None sinon. Modèle idiomatique :

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

re.match : uniquement au début de la chaîne

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

Pour chercher n'importe où, préférez re.search.

re.findall : toutes les occurrences

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

Si le modèle contient des groupes de capture, findall renvoie les groupes, et non la correspondance complète :

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

re.sub : substitution

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

Il fonctionne également avec une fonction de remplacement (qui reçoit le Match) :

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

Groupes nommés

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 utiles

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 pour la sécurité de la mémoire

Si vous devez traiter des correspondances dans un bloc de texte énorme, re.findall alloue une liste en mémoire contenant toutes les chaînes de correspondances extraites. Il est préférable d'utiliser re.finditer(), qui renvoie un itérateur paresseux d'objets Match, consommant un minimum de mémoire.

À vous de jouer

Exercice de révision

Défi supplémentaire