Python Regular Expressions (re-module) – een praktische gids

Ontdek hoe je de kracht van regular expressions in Python kunt benutten met de re-module. Stap-voor-stap voorbeelden illustreren veelvoorkomende patronen, matching-technieken en geavanceerde functies.

Wat is een Regular Expression?

Een regular expression (RegEx) is een reeks karakters die een zoekpatroon definieert. Bijvoorbeeld, het patroon ^a...s$ matched elke vijf-letter string die begint met a en eindigt met s.

^a...s$

Patronen kunnen gebruikt worden om te matchen tegen strings. De volgende tabel demonstreert hoe het patroon zich gedraagt met verschillende inputs:

Expressie	String	Gematched?
^a...s$	abs	Geen match
	alias	Match
	abyss	Match
	Alias	Geen match
	Een abacus	Geen match

---

Python's re-module biedt de tools die je nodig hebt om met RegEx te werken. Hier is een snel voorbeeld dat re.match() gebruikt om een patroon te checken tegen een string:

import re
patroon = '^a...s$'
test_string = 'abyss'
resultaat = re.match(patroon, test_string)
if resultaat:
    print("Zoeken succesvol.")
else:
    print("Zoeken onsuccesvol.")

Wanneer het patroon gevonden wordt, retourneert re.match() een match-object; anders None.

---

Patronen specificeren met metakarakters

Metakarakters zijn speciale symbolen die de regex-engine op een unieke manier interpreteert. Hieronder een snel overzicht van de meest voorkomende metakarakters:

[] . ^ $ * + ? {} () \ |

---

Vierkante haken: []

Vierkante haken definiëren een set karakters om te matchen. Bijvoorbeeld, [abc] matched elke enkele voorkomens van a, b of c.

Expressie	String	Gematched?
[abc]	a	1 match
	ac	2 matches
	Hey Jude	Geen match
	abc de ca	5 matches

Ranges kunnen uitgedrukt worden met een bindstreep, bijv. [a-e] gelijk aan [abcde]. Om een set te inverteren, plaats een caret ^ na de openende haak, bijv. [^abc] matched elk karakter behalve a, b of c.

---

Punt: .

De punt matched elk enkel karakter behalve een newline.

Expressie	String	Gematched?
..	a	Geen match
	ac	1 match
	acd	1 match
	acde	2 matches (bevat 4 karakters)

---

Caret: ^ en Dollar: $

De caret bewerkt het begin van een string; het dollarteken bewerkt het einde. Bijvoorbeeld, ^a matched elke string beginnend met a, terwijl a$ elke string matched die eindigt met a.

Expressie	String	Gematched?
^a	a	1 match
	abc	1 match
	bac	Geen match
^ab	abc	1 match
	acb	Geen match (start met a maar niet gevolgd door b)

Expressie	String	Gematched?
a$	a	1 match
	formule	1 match
	cab	Geen match

---

Quantifiers: *, +, ?, {n,m}

Deze symbolen controleren hoe vaak het voorgaande element moet voorkomen.

• * – nul of meer keer.
• + – één of meer keer.
• ? – nul of één keer.
• {n,m} – minstens n en maximaal m keer.

Voorbeelden:

Expressie	String	Gematched?
ma*n	mn	1 match
	man	1 match
	maaan	1 match
	main	Geen match (a niet gevolgd door n)
	vrouw	1 match

Expressie	String	Gematched?
ma+n	mn	Geen match (geen a)
	man	1 match
	maaan	1 match
	main	Geen match (a niet gevolgd door n)
	vrouw	1 match

Expressie	String	Gematched?
ma?n	mn	1 match
	man	1 match
	maaan	Geen match (meer dan één a)
	main	Geen match (a niet gevolgd door n)
	vrouw	1 match

Expressie	String	Gematched?
a{2,3}	abc dat	Geen match
	abc daat	1 match (bij daat)
	aabc daaat	2 matches (bij aabc en daaat)
	aabc daaaat	2 matches (bij aabc en daaaat)

Algemeen gebruikt patroon: [0-9]{2,4} matched twee tot vier opeenvolgende cijfers.

Expressie	String	Gematched?
[0-9]{2,4}	ab123csde	1 match (bij ab123csde)
	12 en 345673	3 matches (12, 3456, 73)
	1 en 2	Geen match

---

Alternatie: |

De verticale balk implementeert logische OR. Bijvoorbeeld, a|b matched elke string die a of b bevat.

Expressie	String	Gematched?
a|b	cde	Geen match
	ade	1 match (bij ade)
	acdbea	3 matches (bij acdbea)

---

Groeperen: ()

Haakjes groeperen sub-patronen en vangen gematchte substrings. Voorbeeld: (a|b|c)xz matched elke string die a, b of c bevat gevolgd door xz.

Expressie	String	Gematched?
(a|b|c)xz	ab xz	Geen match
	abxz	1 match (bij abxz)
	axz cabxz	2 matches (bij axzbc cabxz)

---

Escapen: \

Gebruik een backslash om een metakarakter als literaal te behandelen. Bijvoorbeeld, \$a matched de letterlijke reeks $a in plaats van $ te interpreteren als end-of-string anker.

---

Speciale Sequences

Speciale sequences vereenvoudigen veelvoorkomende patronen. Hieronder een referentielijst met illustrerende voorbeelden.

Begin van string: \A

Expressie	String	Gematched?
\Athe	de zon	Match
	In de zon	Geen match

Woordgrens: \b

Expressie	String	Gematched?
\bfoo	voetbal	Match
	een voetbal	Match
	avoetbal	Geen match
foo\b	de foo	Match
	de afoo test	Match
	de avoetest	Geen match

Niet-woordgrens: \B

Expressie	String	Gematched?
\Bfoo	voetbal	Geen match
	een voetbal	Geen match
	avoetbal	Match
foo\B	de foo	Geen match
	de afoo test	Geen match
	de avoetest	Match

Cijfer: \d / Niet-cijfer: \D

Expressie	String	Gematched?
\d	12abc3	3 matches (bij 12abc3)
	Python	Geen match
\D	1ab34"50	3 matches (bij 1ab34"50)
	1345	Geen match

Whitespace: \s / Niet-whitespace: \S

Expressie	String	Gematched?
\s	Python RegEx	1 match
	PythonRegEx	Geen match
\S	a b	2 matches (bij a b)
		Geen match

Woordkarakter: \w / Niet-woord: \W

Expressie	String	Gematched?
\w	12&": ;c	3 matches (bij 12": ;c)
	"%> !	Geen match
\W	1a2%c	1 match (bij 1a2%c)
	Python	Geen match

Einde van string: \Z

Expressie	String	Gematched?
Python\Z	Ik hou van Python	1 match
	Ik hou van Python Programmeren	Geen match
	Python is leuk.	Geen match

---

Tip: Gebruik een online regex-tester zoals regex101 om patronen snel te maken en debuggen.

---

RegEx in Python gebruiken

Python's re-module biedt een rijke set functies en constanten voor regex-operaties. Importeer het met:

import re

Hieronder de meest voorkomende utilities en hoe je ze gebruikt.

---

re.findall()

Retourneert een lijst van alle non-overlapping matches in een string.

# Alle getallen uit een string halen
import re
string = 'hallo 12 hi 89. Hoe gaat het 34'
patroon = '\d+'
resultaat = re.findall(patroon, string)
print(resultaat)  # Uitvoer: ['12', '89', '34']

Bij geen match wordt een lege lijst geretourneerd.

---

re.split()

Splitst een string op elk punt waar het patroon matched, retourneert een lijst van substrings.

import re
string = 'Twaalf:12 Negenentachtig:89.'
patroon = '\d+'
resultaat = re.split(patroon, string)
print(resultaat)  # Uitvoer: ['Twaalf:', ' Negenentachtig:', '.']

Gebruik de optionele maxsplit-argument om het aantal splitsingen te beperken. Waarde 0 (standaard) splitst bij elke match.

import re
string = 'Twaalf:12 Negenentachtig:89 Negen:9.'
patroon = '\d+'
# Split alleen bij eerste voorkomen
resultaat = re.split(patroon, string, 1)
print(resultaat)  # Uitvoer: ['Twaalf:', ' Negenentachtig:89 Negen:9.']

---

re.sub()

Vervangt alle voorkomens van een patroon met een vervangingsstring.

# Alle whitespace-karakters verwijderen
import re
string = 'abc 12\nde 23 \n f45 6'
patroon = '\s+'
vervang = ''
nieuwe_string = re.sub(patroon, vervang, string)
print(nieuwe_string)  # Uitvoer: abc12de23f456

Om vervangingen te beperken, geef een count-argument. Waarde 0 vervangt elke match.

nieuwe_string = re.sub(r'\s+', vervang, string, 1)
print(nieuwe_string)  # Uitvoer: abc12de 23 f45 6

---

re.subn()

Als re.sub(), maar retourneert een tuple met de nieuwe string en het aantal vervangingen.

nieuwe_string = re.subn(patroon, vervang, string)
print(nieuwe_string)  # Uitvoer: ('abc12de23f456', 4)

---

re.search()

Vindt de eerste locatie waar het patroon matched.

string = "Python is leuk"
match = re.search('\\APython', string)
if match:
    print("patroon gevonden in de string")
else:
    print("patroon niet gevonden")
# Uitvoer: patroon gevonden in de string

---

Match-object

Wanneer een match gevonden wordt, retourneert re.search() een Match-object. Veelvoorkomende methoden en attributen:

• group() – de gematchte substring.
• start() / end() – indices van de match.
• span() – een tuple van (start, end).
• groups() – alle gevangen groepen.

string = '39801 356, 2102 1111'
patroon = '(\\d{3}) (\\d{2})'
match = re.search(patroon, string)
if match:
    print(match.group())
    print(match.group(1))
    print(match.group(2))
    print(match.groups())
    print(match.start(), match.end(), match.span())
else:
    print("patroon niet gevonden")
# Uitvoer:
# 801 35
# 801
# 35
# ('801', '35')
# 2 8 (2, 8)

---

Raw strings gebruiken (prefix r)

Een string-literal prefixen met r behandelt backslashes als letterlijke karakters, wat per-ongeval escapesequenties voorkomt. Dit is vooral nuttig in regex-patronen.

string = '\n en \r zijn escapesequenties.'
resultaat = re.findall(r'[\n\r]', string)
print(resultaat)  # Uitvoer: ['\n', '\r']

---

Voor diepere verkenning van de re-module, raadpleeg de officiële Python-documentatie.