Die Nacht vor der Story: Ersetzen und Aufteilen

21 Uhr. Die Tür der Detektei fliegt auf. Reporter Oh klappt keuchend seinen Laptop auf. „Ich hab einen Tipp bekommen. Die Kundenliste von Markt Jeong. Mein Artikel erscheint morgen früh, aber persönliche Daten kann ich so nicht drucken.“

Die Direktorin beugt sich über den Bildschirm. Es ist genau die Mitgliederliste aus der Nacht um 3 Uhr, die wir in Lektion 6 gefunden haben. „Mit dem Suchen sind wir durch. Heute wird ersetzt und zerschnitten.“

id, name; phone | joined
1001,kim,010-0000-5678,20/10/2026
1002; lee; 010-0000-1234; 19/10/2026
1003 | park | 010-0000-9012 | 03/09/2026
1004, choi;010-0000-3456  |28/02/2026
# (a+)+$

In der letzten Zeile stehen seltsame Zeichen, aber Reporter Oh sitzt die Deadline im Nacken, und er übersieht sie.

7-1. Suchen und ersetzen: re.sub (8 Min.)

re.sub(muster, ersatz, text) gibt einen neuen String zurück, in dem alle Treffer des Musters ersetzt sind. Der ursprüngliche String bleibt unverändert, denn Python-Strings sind unveränderlich.

import re

re.sub(r"\d{4}", "****", "010-0000-5678")    # '010-****-****'

Es gibt zwei vierstellige Ziffernblöcke, also wurden auch die letzten Ziffern geschwärzt. Wenn die ersten drei und die letzten vier Ziffern stehen bleiben und nur die Mitte verschwinden soll, fängst du die Teile, die bleiben sollen, in Gruppen ein und rufst sie im Ersatz-String wieder auf. \1 steht für den Text, den Gruppe 1 gefangen hat.

re.sub(r"(\d{3})-\d{4}-(\d{4})", r"\1-****-\2", "010-0000-5678")   # '010-****-5678'

Auch der Ersatz-String enthält Backslashes, also schreibst du ihn wie das Muster als r"...".

7-2. Gruppen im Ersatz-String: \g<1>, \g, \g<0> (10 Min.)

Die Daten in der Liste stehen als Tag/Monat/Jahr da, etwa 20/10/2026. Im Artikel sollen sie als 2026-10-20 erscheinen. Dafür setzt du die Gruppen einfach in anderer Reihenfolge wieder ein.

re.sub(r"(\d\d)/(\d\d)/(\d{4})", r"\3-\2-\1", "20/10/2026")            # '2026-10-20'
re.sub(r"(\d\d)/(\d\d)/(\d{4})", r"\g<3>-\g<2>-\g<1>", "20/10/2026")   # '2026-10-20'

\3 und \g<3> bedeuten dasselbe. Benannte Gruppen aus Lektion 6 rufst du mit \g<name> auf. Dann musst du dir keine Reihenfolge merken, und es passieren weniger Fehler.

re.sub(r"(?P<d>\d\d)/(?P<m>\d\d)/(?P<y>\d{4})", r"\g<y>-\g<m>-\g<d>", "20/10/2026")   # '2026-10-20'

\g<0> ist der gesamte Treffer. Das brauchst du, wenn du das Gefundene nicht löschen, sondern nur einrahmen willst.

re.sub(r"\d{3}-\d{4}-\d{4}", r"[\g<0>]", "1001,kim,010-0000-5678")   # '1001,kim,[010-0000-5678]'

Vorsicht, wenn direkt nach einer Gruppennummer eine Ziffer folgen soll. \10 heißt nicht „Gruppe 1, dann eine 0“, sondern Gruppe 10. In solchen Fällen schließt du die Nummer mit spitzen Klammern ab, also \g<1>0.

re.sub(r"(\d+)", r"\g<1>0", "kim 5")   # 'kim 50'
re.sub(r"(\d+)", r"\10", "kim 5")      # re.PatternError: invalid group reference 10 at position 1

Auch im Ersatz-String wird \n zu einem Zeilenumbruch. Ein Escape mit einem Buchstaben ohne Bedeutung wie \q ist dagegen ein Fehler.

re.sub(r",", r"\n", "a,b")    # 'a\nb'
re.sub(r",", r"\q", "a,b")    # re.PatternError: bad escape \q at position 0

re.PatternError ist der Name ab Python 3.13. Es ist dieselbe Ausnahme wie das ältere re.error. Mehr dazu in Lektion 12.

7-3. Mit einer Funktion ersetzen, dazu count und subn (8 Min.)

Statt eines Ersatz-Strings kannst du auch eine Funktion übergeben. re.sub reicht bei jedem Treffer das Match-Objekt an die Funktion weiter und ersetzt den Treffer durch den String, den sie zurückgibt. Lass uns vom Namen nur den ersten Buchstaben stehen lassen und den Rest durch genauso viele Sternchen ersetzen. Mit einer festen Vorlage geht das nicht.

def hide(m):
    name = m.group(1)
    return "," + name[0] + "*" * (len(name) - 1) + ","

re.sub(r",([a-z]+),", hide, "1003,park,010-0000-9012,03/09/2026")   # '1003,p***,010-0000-9012,03/09/2026'
re.sub(r"[a-z]+", lambda m: m[0].upper(), "kim and lee")             # 'KIM AND LEE'

• Die Funktion bekommt ein Match und muss einen String zurückgeben. Gibt sie eine Zahl zurück, gibt es einen TypeError.
• Im Beweislabor lässt sich Ersetzen per Funktion nicht ausführen. Probier es selbst in Python aus.

count legt fest, wie viele Treffer von vorn ersetzt werden. Der Standardwert 0 heißt „alle“. re.subn gibt ein Tupel aus dem neuen String und der Anzahl der Ersetzungen zurück. Nehmen wir an, die Liste von oben steht im String leak.

re.sub(r"\d{3}-\d{4}-\d{4}", "***", leak, count=1).splitlines()[1:3]
# ['1001,kim,***,20/10/2026', '1002; lee; 010-0000-1234; 19/10/2026']

re.subn(r"\d{3}-\d{4}-\d{4}", "***", leak)[1]   # 4

So kann im Artikel die genaue Zahl stehen: „4 Telefonnummern geschwärzt.“

7-4. Zerschneiden: re.split (9 Min.)

Jede Zeile der Liste hat andere Trennzeichen. Kommas, Semikolons und senkrechte Striche sind gemischt, und die Leerzeichen davor und danach sind auch mal so, mal so. str.split nimmt nur ein einziges Trennzeichen. re.split schneidet an einem Muster.

re.split(r"\s*[,;|]\s*", "a, b;c  |d")               # ['a', 'b', 'c', 'd']
re.split(r"\s*[,;|]\s*", "a, b;c  |d", maxsplit=2)   # ['a', 'b', 'c  |d']

• Das \s* vor und nach dem Trennzeichen schluckt die Leerzeichen gleich mit, deshalb kommen die Spalten sauber heraus.
• maxsplit=2 schneidet höchstens zweimal. Der Rest bleibt unverändert in der letzten Spalte.

Enthält das Muster eine einfangende Gruppe, landen auch die herausgeschnittenen Trennzeichen in der Ergebnisliste. Das ist praktisch, wenn du festhalten musst, welches Trennzeichen es war. Brauchst du sie nicht, schreib (?:...).

re.split(r"\s*([,;|])\s*", "a, b;c  |d")   # ['a', ',', 'b', ';', 'c', '|', 'd']

Du kannst sogar an leeren Treffern schneiden, die kein Zeichen belegen. \b trifft nur an Wortgrenzen, also wird zwischen jedem Wort und jedem Leerzeichen geschnitten. Auch an beiden Enden liegt eine Grenze, deshalb entstehen dort leere Strings.

re.split(r"\b", "a b")   # ['', 'a', ' ', 'b', '']

7-5. count, maxsplit und flags immer mit Namen (5 Min.)

Die vierte Position von re.sub ist count. Wer dort gedankenlos re.I hinschreibt, um ein Flag zu setzen, übergibt keine Flags, sondern eine Anzahl. Denn der eigentliche Wert von re.I ist 2.

re.sub("a", "b", "aAaA", re.I)         # 'bAbA'  ← Groß-/Kleinschreibung wird nicht ignoriert, nur zwei Ersetzungen
re.sub("a", "b", "aAaA", flags=re.I)   # 'bbbb'

Dieser Fehler ist so verbreitet, dass Python ab 3.13 eine DeprecationWarning ausgibt, wenn du count, maxsplit oder flags als Positionsargumente übergibst. Die erste Zeile oben warnt mit 'count' is passed as positional argument. Für maxsplit und flags bei re.split gilt dasselbe. Schreib sie immer mit Namen: count=1, maxsplit=2, flags=re.I.

Den Fall lösen (10 Min.)

Schwärzen, Daten umbauen, zerschneiden: alles der Reihe nach. Die Kopfzeile und die letzte Zeile lassen wir weg und zerschneiden nur die Kundenzeilen.

masked = re.sub(r"(\d{3})-\d{4}-(\d{4})", r"\1-****-\2", leak)
fixed = re.sub(r"(?P<d>\d\d)/(?P<m>\d\d)/(?P<y>\d{4})", r"\g<y>-\g<m>-\g<d>", masked)

for row in fixed.splitlines()[1:-1]:
    print(re.split(r"\s*[,;|]\s*", row))
# ['1001', 'kim', '010-****-5678', '2026-10-20']
# ['1002', 'lee', '010-****-1234', '2026-10-19']
# ['1003', 'park', '010-****-9012', '2026-09-03']
# ['1004', 'choi', '010-****-3456', '2026-02-28']

Reporter Oh nimmt die Tabelle und will schon aufstehen, da hebt die Direktorin die Hand. „Moment. Die letzte Zeile.“

print(fixed.splitlines()[-1])   # # (a+)+$

Das sind keine Listendaten. Das ist ein regulärer Ausdruck, den jemand absichtlich hinterlassen hat. Um genau diese Zeichen zu finden, musst du, wie in Lektion 1 gelernt, jedes Metazeichen einzeln entschärfen.

print(re.escape("(a+)+$"))          # \(a\+\)\+\$
re.search(r"\(a\+\)\+\$", leak)     # <re.Match object; span=(177, 183), match='(a+)+$'>

„Was ist das?“, fragt Reporter Oh. Die Direktorin schweigt lange, dann antwortet sie: „Eine Backtracking-Falle. Eine Regex-Engine, die das liest, läuft denselben Weg unzählige Male zurück, bis sie stehen bleibt. Lass das morgen aus dem Artikel raus.“

Als Reporter Oh gegangen ist, holt die Direktorin einen verblassten Bilderrahmen aus der Schublade. Ein Foto aus dem ersten Jahr der Detektei. Sie betrachtet es lange, dann legt sie den Rahmen mit dem Bild nach unten auf den Schreibtisch.

Übungen

1. Ersetze die Mitgliedsnummern 1001 bis 1004 in der Liste so, dass ein # davorsteht, also #1001. Mit \g<0> geht das in einer Zeile.
2. Was liefert re.split(r"(\s*)([,;|])(\s*)", "a, b")? Rate zuerst. Bei drei Gruppen: Wie viele Einträge werden dazwischengeschoben?
3. Verdopple per Ersetzen mit einer Funktion alle Zahlen in "price 1500 and 300". Denk daran, dass die Funktion einen String zurückgeben muss.