Depende de como está a sua string.
Se depois de "Nome: "
só tem o nome e logo depois a quebra de linha, o mais simples é usar:
import re
s = 'a1in1iionia\n\nDados do cliente\nNome: Foo\nE-mail: [email protected]\n'
result = re.findall(r'Nome: (.+)', s)
print(result)
Estou me aproveitando de três fatos:
O resultado é uma lista com o nome:
['Foo']
Você pode pegar o nome com result[0]
, se quiser. A regex funciona para nomes com espaços e vários sobrenomes.
Outra alternativa é usar search
:
import re
s = 'a1in1iionia\n\nDados do cliente\nNome: Foo\nE-mail: [email protected]\n'
match = re.search(r'Nome: (.+)', s)
if match:
print(match.group(1))
Com isso eu obtenho o que foi capturado no grupo de captura, usando o método group
(como o nome está dentro do primeiro par de parênteses da regex, então ele é o grupo 1, por isso eu faço match.group(1)
). A diferença para findall
é que agora eu já tenho o nome como uma string (em vez de uma lista). O resultado é:
Foo
De qualquer forma, sua regex também estava correta, o único detalhe é que você não estava pegando o grupo de captura, e sim todo o trecho correspondente ao match.
Se quiser, também pode usar um lookbehind para verificar se existe o trecho "Nome: "
:
import re
s = 'a1in1iionia\n\nDados do cliente\nNome: Foo\nE-mail: [email protected]\n'
match = re.search(r'(?<=Nome: ).+', s)
if match:
print(match.group())
A diferença é que o lookbehind (o trecho entre (?<=
e )
) só verifica se algo existe antes da posição atual, mas ele não fará parte do match. Por isso não preciso mais do grupo de captura e o resultado do código acima é a string Foo
(veja no regex101.com).
Mas sinceramente, eu acho desnecessário nesse caso. Usar o lookbehind deixa a regex um pouco mais complicada e ineficiente. Veja aqui um debug da regex com lookbehind e compare com a regex sem lookbehind (veja a quantidade de passos que cada uma leva). Usar lookbehind deixa a regex mais lenta porque ela precisa voltar o tempo todo para verificar se tem o trecho "Nome: "
antes da posição atual. É claro que para strings pequenas e rodando poucas vezes, a diferença será insignificante (talvez milissegundos ou até menos), mas é importante ter isso em mente: vale a pena usar uma regex um pouco mais complicada e lenta, só para não ter que usar o grupo de captura?
Enfim, nos exemplos abaixo usarei findall
e sem o lookbehind (ou seja, usarei o grupo de captura), mas as mesmas regex também funcionam com search
. Use o que achar melhor.
Validar o nome
O problema é que o ponto vai aceitar qualquer coisa (inclusive caracteres especiais, como @!#$%^&
, entre outros, que não necessariamente fazem parte de um nome).
Se quiser, pode restringir mais a string para aceitar somente uma sequência de letras, espaço, letras, espaço, etc... Ficaria assim:
import re
s = 'a1in1iionia\n\nDados do cliente\nNome: Fulano de Tal\nE-mail: [email protected]\n'
result = re.findall(r'Nome: ([a-zA-Z]+(?: [a-zA-Z]+)*)', s)
print(result)
Saída:
['Fulano de Tal']
Agora a regex é ([a-zA-Z]+(?: [a-zA-Z]+)*)
:
- a primeira parte é
[a-zA-Z]+
: uma ou mais letras (maiúsculas ou minúsculas)
- em seguida, temos
(?:
, que cria um grupo de não-captura (assim ele não é retornado por findall
, pois estou interessado somente no grupo mais externo, que contém todo o nome)
- dentro deste grupo temos um espaço (há um espaço entre o
:
e o [
), seguido de várias letras
- todo esse grupo (espaço mais letras) pode se repetir zero ou mais vezes (indicado pelo
*
). Isso garante que podemos ter zero ou mais sobrenomes
Melhorias
Claro que ainda dá para melhorar mais. Se quiser que o nome comece sempre com letra maiúscula, pode usar [A-Z][a-z]+
. A regex também não inclui nomes com apóstrofo (ex: "D'aquino") ou com hífen, nem caracteres acentuados.
Para os acentos, alguns podem sugerir \w
em vez de [a-zA-Z]
, mas o problema é que este atalho também aceita números e o caractere _
, então eu não usaria se quisesse mais precisão. Uma alternativa é usar algo do tipo:
re.findall(r'Nome: ([a-záéíóúâêôçãõ]+(?: [a-záéíóúâêôçãõ]+)*)', s, flags=re.IGNORECASE)
Com isso, todas as letras acentuadas fazem parte do nome, e a opção IGNORECASE
faz com que maiúsculas e minúsculas sejam consideradas (assim eu não preciso colocar ÁÉÍÓÚ....
na regex).
Outra opção é usar o módulo regex
, uma excelente extensão do módulo re
nativo. Você pode instalá-lo com pip install regex
.
Este módulo possui suporte à propriedades Unicode, então eu posso usar \p{L}
para qualquer caractere que seja uma letra.
Eu também uso o módulo unicodedata
para normalizar a string, garantindo que ela não quebrará a regex (normalização Unicode está além do escopo aqui, mas você pode ler mais a respeito aqui, aqui e aqui).
import regex
import unicodedata
s = 'a1in1iionia\n\nDados do cliente\nNome: Fulâno D\'aquino Ávila Souza-e-Silva\nE-mail: [email protected]\n'
# regex para um nome ou sobrenome
nome = r'\p{L}+(?:[-\']\p{L}+)*'
# cria a regex (nome, espaço, sobrenome, espaço, sobrenome...)
r = regex.compile(r'Nome: ({0}(?: {0})*)'.format(nome))
result = r.findall(unicodedata.normalize('NFC', s))
print(result)
Eu também incluí a verificação de apóstrofo ou hífen no nome: (?:[-\']\p{L}+)*
é um hífen ou apóstrofo, seguido de várias letras (e o asterisco faz esse grupo todo se repetir zero ou mais vezes).
A saída é:
["Fulâno D'aquino Ávila Souza-e-Silva"]
Lembrando que \p{L}
também inclui, além dos caracteres acentuados, letras de outros idiomas, como japonês, árabe, etc.