Reguläre Ausdrücke 
(regular expressions, RegExp, RegEx, Grep, …)

Viele Aufgaben eines/r Datenjournalist/in kann man mit "Suchen und Ersetzen" lösen, z.B. in LibreOffice Writer. Für komplexere "Suchen und Ersetzen" gibt es die sogenannten "regulären Ausdrücke". Diese werden von vielen einfachen Texteditoren unterstützt. Wie man mit "Suchen und Ersetzen" einen Text bereinigen kann, werde ich nun an einem Beispiel demonstrieren. Dafür habe ich eine Liste gewählt, in der alle Leerzeichen fehlen. Dieses Phänomen tritt in der Arbeit öfters auf, z.B. weil der Text mit einer OCR-Software (Bild-zu-Text-Erkennung) erstellt oder aus einem PDF-Dokument kopiert wurde. Hier ein Beispiel: die Liste der ehemaligen Bundespräsidenten der BRD kopiert von der entsprechenden Wikipedia Seite.

TheodorHeuss(1884–1963)
HeinrichLübke(1894–1972)
GustavHeinemann(1899–1976)
WalterScheel(*1919)
KarlCarstens(1914–1992)
RichardvonWeizsäcker(*1920)
RomanHerzog(*1934)
JohannesRau(1931–2006)
HorstKöhler(*1943)
ChristianWulff(*1959)
JoachimGauck(*1940)

Als erstes kann man alle "(" ersetzen durch ein Tab, dass von LibreOffice Calc als Spaltenwechsel interpretiert wird.

In Writer: ersetze "\(" durch "\t" (Unter Bearbeiten - Suchen und Ersetzen - Suchen nach "\(" - Ersetzen durch "\t" - Unter Mehr Optionen - Regulärer Ausdruck anklicken)

TheodorHeuss 1884–1963)
HeinrichLübke 1894–1972)
GustavHeinemann 1899–1976)
WalterScheel *1919)
KarlCarstens 1914–1992)
RichardvonWeizsäcker *1920)
RomanHerzog *1934)
JohannesRau 1931–2006)
HorstKöhler *1943)
ChristianWulff *1959)
JoachimGauck *1940

Nun die schließenden Klammern entfernen.

In Writer: ersetze ")" durch "" (Unter Bearbeiten - Suchen und Ersetzen - Suchen nach "\)" - Ersetzen durch "" - Unter Mehr Optionen - Regulärer Ausdruck anklicken)

TheodorHeuss 1884–1963
HeinrichLübke 1894–1972
GustavHeinemann 1899–1976
WalterScheel *1919
KarlCarstens 1914–1992
RichardvonWeizsäcker *1920
RomanHerzog *1934
JohannesRau 1931–2006
HorstKöhler *1943
ChristianWulff *1959
JoachimGauck *1940

Nun die Minuszeichen durch einen Tab ersetzen.

In Writer: ersetze "–" durch "\t" (Unter Bearbeiten - Suchen und Ersetzen - Suchen nach "–" - Ersetzen durch "\t" - Unter Mehr Optionen - Regulärer Ausdruck anklicken)

TheodorHeuss 1884 1963
HeinrichLübke 1894 1972
GustavHeinemann 1899 1976
WalterScheel *1919
KarlCarstens 1914 1992
RichardvonWeizsäcker *1920
RomanHerzog *1934
JohannesRau 1931 2006
HorstKöhler *1943
ChristianWulff *1959
JoachimGauck *1940

Nun die Mal-Zeichen entfernen.

In Writer: ersetze "*" durch "" (Unter Bearbeiten - Suchen und Ersetzen - Suchen nach "\*" - Ersetzen durch "" - Unter Mehr Optionen - Regulärer Ausdruck anklicken)

TheodorHeuss 1884 1963
HeinrichLübke 1894 1972
GustavHeinemann 1899 1976
WalterScheel 1919
KarlCarstens 1914 1992
RichardvonWeizsäcker 1920
RomanHerzog 1934
JohannesRau 1931 2006
HorstKöhler 1943
ChristianWulff 1959
JoachimGauck 1940

Die Daten sind nun schon sehr gut strukturiert, aber die Namen sind noch nicht korrekt. Vor- und Nachnamen kleben noch aneinander. Man müsste nach jeden Kleinbuchstaben, auf den ein Großbuchstabe folgt, ein Leerzeichen setzen. Solch eine Aufgabe lässt sich nicht mehr mit einem einfachen "Suchen und Ersetzen" lösen. Theoretisch müsste man jede Kombination von Klein- und Großbuchstaben suchen.

Als regulärer Ausdruck: ersetze "([a-z])([A-Z])" durch "\1 \2" (Unter Bearbeiten - Suchen und Ersetzen - Suchen nach "([a-z])([A-Z])" - Ersetzen durch "\$1 \$2" - Unter Mehr Optionen - Regulärer Ausdruck anklicken, Groß-/Kleinschreibung anklicken)

Theodor Heuss 1884 1963
Heinrich Lübke 1894 1972
Gustav Heinemann 1899 1976
Walter Scheel 1919
Karl Carstens 1914 1992
Richardvon Weizsäcker 1920
Roman Herzog 1934
Johannes Rau 1931 2006
Horst Köhler 1943
Christian Wulff 1959
Joachim Gauck 1940

Durch den oben verwendeten regulären Ausdruck werden beliebige Kombinationen aus Klein- und Großbuchstaben gefunden: ([a-z])([A-Z]) - ein beliebiger Kleinbuchstabe (1. Teil in Klammern), ein beliebiger Großbuchstabe (2. Teil in Klammern)

Wenn etwas gefunden wird, wird es ersetzt durch: \1 \2 (In Writer durch \$1 \$2)
Was im 1. Teil in Klammern gefunden wurde. Leerzeichen. Was im 2. Teil in Klammern gefunden wurde.

Reguläre Ausdrücke sind scheinbar kompliziert, aber auch hier ist alles eine Frage der Übung! Wenn man einmal damit anfängt, hat man schnell die ersten Erfolgserlebnisse und lernt dann kontinuierlich weitere Tricks dazu. Aber den ersten Schritt muss man erst einmal machen, und zwar einfach mal nach "Regulären Ausdrücken" googeln und sich die vielen Einführungskurse anschauen.

(Quelltext ist von Michael Kreil und steht unter einer Creative Commons-Lizenz (CC BY 3.0 Michael Kreil))