Expressões Regulares

Expressões regulares são padrões utilizados para encontrar sequências de caracteres em textos. Elas permitem a identificação de padrões específicos, como números de telefone, endereços de e-mail, CPFs e demais elementos.

Alguns conceitos importantes:

• [] Um conjunto de caracteres. Observação: Dentro de um conjunto, os caracteres especiais normalmente não precisam ser escapados (Exemplo: ., +, -).
• ? Quantificador em expressões regulares que indica que o padrão que o precede é opcional, ou seja, pode ocorrer zero ou uma vez.
• \b Denota uma fronteira de palavra, garantindo que o padrão comece e termine em uma fronteira de palavra (ou seja, não parte de um texto maior).
• \d Match no qual os dígitos correspondem a números de 0–9.
• [a-zA-Z] Match para qualquer caractere entre a-z (minúsculo) ou A-Z (maiúsculo).

Exemplo de Uso de Regex para Encontrar Endereços de E-mail:

import re

texto = "joao teste1@gmail.co maria teste2@gmail.com adolfo teste3@protonmail.com"

padrao_email = r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}"

emails_encontrados = re.findall(padrao_email, texto)

print(emails_encontrados)

Output

['teste2@gmail.com', 'teste3@protonmail.com']

Neste exemplo, utilizamos uma expressão regular para encontrar todos os endereços de e-mail em um texto.

O padrão r”[A-Za-z0–9._%+-]+@[A-Za-z0–9.-]+.[A-Z|a-z]{3,}” é projetado para corresponder a uma ampla variedade de endereços de e-mail, incluindo domínios com três ou mais caracteres após o ponto.

Exemplo de Uso de Regex para Encontrar CPFs:

import re

lista_cpfs = [
    "Fjwf: 000.000.000-11",
    "rfjkfrfjk 239.458.234-10",
    "ejkjefke 09812345691",
    "cpf invalido 984395930111",
]

padrao_cpf = r"\b\d{3}\.?\d{3}\.?\d{3}-?\d{2}\b"

cpfs = []

for texto in lista_cpfs:
    cpfs.append(re.findall(padrao_cpf, texto))

print(cpfs)

Output

[['000.000.000-11'], ['239.458.234-10'], ['09812345691'], []]

Neste exemplo, usamos uma expressão regular para encontrar CPFs em uma lista de strings.

O padrão r”.?.?-? corresponde a CPFs em diferentes formatos, incluindo aqueles com ou sem pontos e hífen.