Regex con Python desde Cero

1. En el ticket T-0002 aparece el pedido PS-46421. ¿Qué devuelve re.findall(r"(PS)-(\d{5})", ticket)?

• ['PS-46421']
• ['46421']
• [('PS', '46421')]
• ['PS', '46421']

Con dos o más grupos, findall devuelve una tupla por coincidencia. Sin grupos devolvería ['PS-46421'] y con un solo grupo, ['46421']; los grupos (?:…) no cuentan.

2. 21 tickets de la bandeja traen la errata «Por favor favor respondan pronto.». ¿Qué llamada la corrige a «Por favor respondan pronto.»?

• re.sub(r"\b(\w+) \1\b", r"\1", texto)
• re.sub(r"(\w+)+", r"\1", texto)
• re.sub(r"favor|favor", "favor", texto)
• re.sub(r"\b(\w+) \1\b", "\1", texto), sin raw string en el reemplazo

El grupo captura una palabra y \1 exige que se repita igual; los \b evitan unir fragmentos de palabras. En el reemplazo, r"\1" deja una sola copia.

3. ¿Qué devuelve re.findall(r"cat|category", "category")?

• ['category']
• ['cat']
• ['cat', 'category']
• []

La alternancia prueba las opciones de izquierda a derecha y se queda con la primera que coincide, no con la más larga. Con r"category|cat" el resultado sería ['category'].

4. Una nota interna dice: nombre="Ana" y ciudad="León". ¿Qué devuelve re.findall(r'".+"', nota)?

• ['"Ana"', '"León"']
• ['"Ana" y ciudad="León"']
• ['Ana', 'León']
• [], porque las comillas deben ir escapadas

El cuantificador .+ es codicioso: toma hasta la última comilla y devuelve una sola coincidencia. Con el perezoso ".+?" o con la clase negada "[^"]+" se obtienen ['"Ana"', '"León"'].

5. El patrón (a+)+ seguido del ancla de fin, aplicado a muchas letras «a» y un «!» final, tarda cada vez más: en la máquina del curso el tiempo se multiplicó por unas 4 cada 2 letras. ¿Qué cambio lo resuelve sin alterar lo que describe?

• Cambiar el + interno por *
• Compilar el patrón con re.compile
• Usar a+ sin anidar o un grupo atómico (?>a+)+
• Agregar la bandera re.IGNORECASE

Los cuantificadores anidados generan un número exponencial de formas de repartir las letras, y el motor las prueba todas antes de fallar. a+ al final del texto, o el grupo atómico (?>a+)+ de Python 3.11+, responden en microsegundos.