Dominando Expressões Regulares em Python: re.match(), re.search(), re.findall() — Exemplos Práticos

O que é uma Expressão Regular em Python?

Uma expressão regular (regex) é uma descrição textual compacta que diz ao Python como localizar padrões dentro de uma string. Regexes são indispensáveis para extração de dados, validação e transformação em bases de código, logs, arquivos de configuração e projetos de web scraping.

Em Python, o módulo re vem com o interpretador e expõe uma API rica para compilar padrões, buscar e substituir texto. Seja filtrando entrada de usuário, parseando logs ou raspando conteúdo de sites, um sólido domínio dos fundamentos de regex economiza tempo e reduz bugs.

Conceitos Básicos de Regex

• Caracteres literais — correspondem ao texto exato que você escreve.
• Metacaracteres — símbolos especiais que descrevem classes, intervalos ou quantificadores (ex: \d, \w, +, ?, *).
• Ancoras — ^ e $ fixam o padrão ao início ou fim de uma string.
• Quantificadores — especificam quantas vezes um token pode repetir.
• Grupos e alternância — capturam sub-correspondências e permitem múltiplas opções.
• Flags — ajustam comportamento do padrão (case-insensitivity, multilinha, etc.).

Tabela de Identificadores Comuns

Identificador	Descrição	Whitespace	Escape Especial
\d	Qualquer dígito (0-9)	\n	., +, *, ?, [], $, ^, (, ), {}, |, \
\D	Não-dígito	\s
\s	Espaço, tab, newline, etc.	\t
\S	Não-espaço	\e
\w	Alfanumérico mais underscore	\r
\W	Não-alfanumérico (exceto underscore)	\f
.	Qualquer caractere exceto newline	—
\b	Fronteira de palavra	—
\.	Ponto literal	—
\{x}	Exatamente x ocorrências	—

Começando com re

import re

O módulo re faz parte da biblioteca padrão do Python e não requer dependências externas. Casos de uso comuns incluem:

• Validação de strings (ex: endereços de email, números de telefone)
• Extração de dados de texto não estruturado
• Web scraping automatizado

Exemplo 1: \w+ e ^

• ^ — ancora no início de uma string.
• \w+ — um ou mais caracteres de palavra (letras, dígitos, underscore).

Usando estes, podemos capturar a primeira palavra de uma string:

import re
sample = "guru99, education is fun"
result = re.findall(r"^\w+", sample)
print(result) # Output: ['guru99']

Removendo o + retornaria apenas o primeiro caractere: ["g"].

Exemplo 2: Dividindo em Whitespace com \s

A função re.split() pode dividir uma string onde um padrão corresponde. Usando \s divide em qualquer caractere de whitespace.

import re
text = "we are splitting the words"
print(re.split(r"\s", text)) # ['we', 'are', 'splitting', 'the', 'words']

Se a barra invertida for omitida, s é tratado como literal, resultando em divisões em cada caractere s.

Visão Geral dos Métodos de Regex

• re.match() — verifica correspondência apenas no início da string.
• re.search() — varre toda a string e retorna a primeira correspondência.
• re.findall() — retorna lista de todas as correspondências não sobrepostas.

Usando re.match()

import re
text = "guru99 is a great platform"
match = re.match(r"^\w+", text)
print(match.group() if match else "No match") # Output: guru99

Usando re.search()

import re
text = "Software Testing is fun"
for pattern in ["Software testing", "guru99"]:
    found = re.search(pattern, text, re.IGNORECASE)
    print(f"Looking for '{pattern}' in '{text}' - {'found a match!' if found else 'no match'}")

Usando re.findall()

import re
emails = "guru99@google.com, careerguru99@hotmail.com, users@yahoomail.com"
found = re.findall(r"[\w\.-]+@[\w\.-]+", emails)
for e in found:
    print(e)

Flags de Regex

Flags modificam comportamento do padrão. Flags comuns incluem:

Flag	Descrição
re.M (re.MULTILINE)	Faz ^ e $ corresponderem ao início e fim de cada linha.
re.I (re.IGNORECASE)	Ignora distinção de maiúsculas/minúsculas.
re.S (re.DOTALL)	Faz ponto corresponder newlines.
re.U (re.UNICODE)	Aplica classes de caracteres Unicode-aware.
re.L (re.LOCALE)	Faz classes dependerem do locale atual.
re.X (re.VERBOSE)	Permite whitespace e comentários no padrão.

Exemplo Multilinha

import re
text = """guru99
careerguru99
selenium"""
print(re.findall(r"^\w", text)) # ['g']
print(re.findall(r"^\w", text, re.MULTILINE)) # ['g', 'c', 's']

Compatibilidade com Python 2

Todos os exemplos acima são escritos para Python 3. Se você precisar executá-los sob Python 2, substitua declarações print() pela sintaxe Python 2 e garanta que o módulo re seja importado da mesma forma.

Conclusão

Dominar regex em Python oferece um toolkit poderoso para processamento de texto:

• Use re.match() para padrões ancorados no início.
• Use re.search() para busca global.
• Use re.findall() para extrair todas as correspondências.
• Aplique flags (ex: re.IGNORECASE, re.MULTILINE) para ajustar comportamento.
• Lembre-se de testar padrões com Regex101 ou ferramentas similares antes do deploy.