Add notes on HackyHour No. 22

notes/2024-07-24-HackyHour-22.md

@@ -0,0 +1,150 @@
+# Reguläre Ausdrücke
+
+- Vortrag: Andre Pietsch
+
+## Was ist das? Definition
+- Metasprache zur Musterabfrage in Texten
+- Regular Expressions abgekürzt als regex oder regexp
+- Folge von Zeichen, die ein Übereinstimmungsmuster in Zeichenketten angeben. Z.B. bestimmte Zeichen oder Wörter. 
+- Muster werden von Algorithmen zum Suchen und Ersetzen von Zeichenketten oder zur Validierung von Eingaben verwendet.
+
+XKCD Comic: <http://xkcd.com/208/>
+
+## Was braucht man zum "matchen" von Text
+- Auswahl der zu übereinstimmenden **Zeichen**.
+- Festlegung von **Start- und Endpunkten** für den Abgleich.
+- Bestimmen der **Anzahl** der Übereinstimmungen.
+- Bestimmen der abzugleichenden **Gruppen**.
+- **Unabhängigkeit** von einem Betriebssystem
+
+## Die Grammtik von RegEx: Spezielle Zeichen
+
+- `\n`  Entspricht einem Zeilenumbruch/Zeilenvorschub.
+- `\r`  Entspricht einem Zeilenrücklauf.
+- `\t`  Entspricht einem horizontalen Tabulator.
+- `\v`  Entspricht einem vertikalen Tabulator.
+- `\f`  Entspricht einem neuen Seiten-/Formularvorschub.
+- `\`   Umgehung des folgenden Zeichens
+
+## Die Grammtik von RegEx: Zeichenklassen
+
+- `.`  Passt auf **jedes Zeichen** außer Zeilenumbruch.
+- `\s` Passt auf alle **Leerzeichen**. [“ “, \t, \r, \n, \v und \f]
+- `\S` Passt auf alle Zeichen **Nicht-Leerzeichen**. [alle Zeichen außer „ “, \t, \r, \n, \v und \f]
+- `\d` Passt auf alle **Ziffern**. [0-9]
+- `\D` Passt auf alle **Nicht-Ziffern**. [alle Zeichen außer 0-9]
+- `\w` Stimmt mit allen **Wortzeichen** überein. [A-Z, a-z, 0-9 und _]
+- `\W` Trifft auf alle **Nicht-Wort-Zeichen** zu. [alle Zeichen außer A-Z, a-z, 0-9 und _]
+
+## Die Grammtik von RegEx: Quantifizierer
+
+- `?`  Entspricht 0 oder 1 Vorkommen des vorangehenden Elements. [`colou?r` entspricht sowohl `color` als auch `colour`]
+- `*`  Passt auf 0 oder mehr Vorkommen des vorangehenden Elements. [`ab*c` entspricht sowohl `ac`, `abc`, `abbc` usw.]
+- `*?` Entspricht keinem oder mehreren Vorkommen des vorangehenden Elements, aber **non-greedy**.
+- `+`  Entspricht einem oder mehreren Vorkommen des vorangehenden Elements. (`ab+c` passt sowohl auf `abc`, `abbc` usw., aber nicht auf `ac`)
+- `+?` Entspricht einem oder mehreren Vorkommen des vorangehenden Elements, aber **non-greedy**.
+- `{n}`  Trifft genau `n`-mal auf das vorhergehende Element zu.
+- `{min,}` Entspricht dem vorangehenden Element mindestens bis zur Zahl von `min` oder mehr.
+- `{,max}` Entspricht dem vorangehenden Element bis zur Zahl von `max`.
+- `{min,max}` Entspricht dem vorangehenden Element mindestens `min`-mal, aber höchstens `max`-mal
+
+** Greedy Matching /Gieriger Abgleich
+Die Wiederholungszeichen `*` und `+` führen dazu dass die größtmögliche Zeichenkette gesucht wird. Daher bezeichnet diese Zeichen als "gierig"/"greedy".
+
+Beispiel:
+`F.+,` matches “From here, to there,” in `From here, to there, to everywhere`
+
+`F.+?,` matches “From here,” in `From here, to there, to everywhere`
+
+
+## Die Grammtik von RegEx: Bereiche
+- `[abc]` Passt auf ein **einzelnes Zeichen**, das sich innerhalb der Klammern befindet. (in diesem Beispiel `a` oder `b` oder `c`)
+- `[^abc]` Passt auf ein  **einzelnes Zeichen**, das nicht in den Klammern enthalten ist. [in diesem Beispiel alles außer `a` oder `b` oder `c`]
+- `[A-Z]` Passt auf ein **einzelnes Zeichen** im Bereich von A bis Z. [`A` oder `B` oder ... oder `Z`]
+- `[a-z]` Passt auf ein **einzelnes Zeichen** im Bereich von a bis z. [`a` oder `b` oder ... oder `z`]
+- `[0-9]` Passt auf ein **einzelnes Zeichen** im Bereich von 0 bis 9. [`0` oder `1` oder ... oder `9`]
+- `[A-Za-z0-9]` Passt auf ein einzelnes Zeichen im Bereich von **A bis Z, a bis z oder 0 bis 9**. [`A` oder `B` oder ... oder `a` oder `b` oder ... oder `0` oder `1` oder ... oder `9`]
+
+## Die Grammtik von RegEx: Anker
+
+- `^` Matched den Anfang einer Zeichenkette und auf jede neue Zeile.
+- `$` Matched auf das Ende einer Zeichenkette und auf jede neue Zeile.
+- `\b` Stimmt mit einer Wortgrenze überein. [`\bcat\b` passt zu `cat` als einzelnes Wort, aber nicht in `concatination`]
+- `\B` Passt auf eine Nicht-Wort-Grenze. [`\Bcat\B` passt auf „cat“ in `concatination`, aber nicht als einzelnes Wort `cat`]
+- `\G` Entspricht dem Startpunkt einer Suche und der Position, an der die vorherige erfolgreiche Suche endete. Nützlich für Iterationen.
+
+## Die Grammtik von RegEx: Gruppen
+
+- `(a|b)` Entspricht a **oder** b. (Boolesches ODER).
+- `(…)`  Gibt eine erfassende Gruppe/einen erfassenden Ausdruck an (ersetzen Sie „...“ durch einen regulären Ausdruck).
+- `(?:…)` Bezeichnet eine passive, nicht erfassende Gruppe/einen nicht erfassenden Ausdruck (ersetzen Sie „...“ durch einen regulären Ausdruck).
+- `$n | \n` **Rückverweis** auf die **n**-te erfassende Gruppe.
+- `$2 | \2` **Rückverweis** auf die **2**. erfassende Gruppe. [„xyz“ in `^(abc)(xyz)$`]
+- `$1 | \1` **Rückverweis** auf die **1**. Erfassungsgruppe. [„xyz“ in `^(?:abc)(xyz)$`]
+
+
+## Die Grammtik von RegEx: Assertions
+
+- `?=`  **Positive Lookahead** [`\d(?=abc)` findet eine Ziffer, die direkt von „abc“ gefolgt wird, z. B. `1` in „1abc2abc“]
+- `?!`  **Negative Lookahead** [`\d(?!abc)` findet eine Ziffer, die nicht direkt von „abc“ gefolgt wird, z. B. `2` in „1abc2def“]
+- `?<=` **Positive Lookbehinds** [`(?<=abc)\d` findet eine Ziffer, der ein „abc“ direkt vorausgeht, z. B. 1 in „abc1abc2“]
+- `?<!` **Negative Lookbehinds** [`(?<!abc)\d` findet eine Ziffer, die nicht direkt vor „abc“ steht, z. B. 2 in „abc1def2“]
+
+
+## Die Grammtik von RegEx: POSIX Klassen
+
+- `[:upper:]` Entspricht allen **Großbuchstaben** (entspricht `[A-Z]`).
+- `[:lower:]` Entspricht allen **Kleinbuchstaben** (entspricht `[a-z]`).
+- `[:alpha:]` Entspricht allen **Buchstaben** (entspricht `[A-Za-z]`).
+- `[:digit:]` Entspricht allen **Ziffern** (entspricht `[0-9]`).
+- `[:alnum:]` Entspricht allen **Buchstaben** und **Ziffern** (entspricht `[A-Za-z0-9]`).
+- `[:punct:]` Entspricht allen **Interpunktionszeichen**. [zum Beispiel `!`, `“`, `#`, `$`, `%`, `&`, `*`, `+`, `-`, usw.]
+- `[:blank:]` Passt auf **Leerzeichen** (` `)und Tabulator (`\t`).
+- `[:space:]` Passt auf alle **nicht sichtbaren Zeichen**. [`\t`, `\r`, `\n`, `\v` und `\f`]
+- `[:word:]` Passt auf alle **Wortzeichen** (entspricht `\w`).
+
+## Übungen
+
+Websites mit guten Übungen.
+RegEx Golf -	<https://alf.nu/RegexGolf>
+RegEx Sketch Engine (Exercises) - <https://regex.sketchengine.eu/basic-exercises.html>
+RegEx Tutorials (Exercises) - <http://regextutorials.com/excercise.html>
+
+## Wo kann ich reguläre Ausdrücke bei der täglichen Arbeit verwenden?
+
+- MS Word
+    - Suchen und Ersetzen als abgespeckte Version von regulären Ausdrücken mit einer Menge seltsamer oder anderer Syntax als der gerade vorgestellten Syntax.
+- MS Excel
+    - Funktionen: REGEXTEST, REGEXEXTRACT und REGEXREPLACE, aber nur mit Microsoft 365 und als Beta-Funktionen
+- Browser-Suche (über Addons) z.B Brave
+- Batch-Umbenennungs-Tools z.B	Advanced Renamer
+- Apps für Notizen z.B	Obsidian
+
+## Wie benutzt man reguläre Ausdrücke mit Python?
+
+**Python-Pandas**
+	Ein Beispiel: Erstellen einer Reihe neuer Spalten aus einer gegebenen Spalte unter Verwendung regulärer Ausdrücke mit  
+
+    `df['column'].str.extract('regular_expression')`
+
+**Python re**
+	Modul für die Arbeit mit regulären Ausdrücken in Python, das Ihnen einen variablen Satz von Funktionen für die Arbeit mit Text in Python bietet. Es verwendet die vorgestellte Syntax.
+
+## Das Python re-Modul
+
+`importieren re`  
+	Importiert das re-Modul.
+
+`re.search()`  
+	Prüft, ob eine Zeichenkette mit einem regulären Ausdruck übereinstimmt, ähnlich wie die Methode `find()` für Zeichenketten. Sie gibt True oder False zurück.
+
+`re.findall()`  
+	Extrahiert Teile einer Zeichenkette, die mit einem regulären Ausdruck übereinstimmen. Gibt eine Liste von Strings oder Tupeln zurück.
+
+## Nützliche Links
+
+RegEx Cheatsheet on Cheatography.com: <https://cheatography.com/davechild/cheat-sheets/regular-expressions/>  
+RegEx Golf <https://alf.nu/RegexGolf>  
+RegEx Sketch Engine <https://regex.sketchengine.eu/index.html>  
+RegEx Tutorials <http://regextutorials.com/>  
+regex101 <https://regex101.com/>