Compare revisions

9a8e896d · 9a8e896d · 9a8e896d · 9a8e896d · 9a8e896d · 9a8e896d
--- a/notebooks/seminar08.ipynb
+++ b/notebooks/seminar08.ipynb
--- a/notebooks/seminar09.ipynb
+++ b/notebooks/seminar09.ipynb
--- a/notebooks/seminar10.ipynb
+++ b/notebooks/seminar10.ipynb
--- a/notebooks/seminar11.ipynb
+++ b/notebooks/seminar11.ipynb
--- a/notebooks/seminar12.ipynb
+++ b/notebooks/seminar12.ipynb
--- a/notebooks/seminar03extra.ipynb
+++ b/notebooks/seminar03extra.ipynb
 %% Cell type:markdown id: tags:

 # Seminar Problemorientierte Programmierung

 ## 3 Extra: Reguläre Ausdrücke

 Dieses Kapitel taucht nicht im englischen Python-Kurs auf und wird separat gepflegt.

 In der Praxis können wir reguläre Ausdrücke nutzen, um in Texten zu suchen und Muster zu entdecken. Python bietet uns im `re`-Modul (re = Regular Expression = Regulärer Ausdruck) viele Funktionen an, um mit regulären Ausdrücken zu arbeiten.

 Es gibt dabei zwei "Dimensionen" an denen wir uns "entlanghangeln" müssen: die Funktionen, die vom `re`-Modul bereitgestellt werden und die regulären Ausdrücke selber, die komplex werden können. Wir beginnen zunächst mit nur einer Funktion und werden Stück für Stück komplexere Ausdrücke kennenlernen. Danach schauen wir uns weitere Funktionen an.

 ### Ihre Lernziele

 Beschreiben Sie in 2-3 Stichpunkten kurz was Sie im Seminar heute lernen wollen. Klicken Sie dazu doppelt auf diesen Text und bearbeiten Sie dann den Text:

 -
 -
 -


 ### Exkurs: Was mir an Python gefällt
-
-In einer Datei alle E-Mail-Adressen extrahieren geht recht einfach:
+In ihrem Verzeichnis sollte eine Datei `test.txt` liegen. Öffnen Sie diese in einem Texteditor Ihrer Wahl. Schauen Sie jetzt, wie leicht man mit dem Modul `re` in Python E-Mail-Adressen extrahieren kann:

 %% Cell type:code id: tags:

 ``` 
 import re

 def find_in_file(pattern, file):
    reg_pattern = re.compile(pattern)
    for line in file:
        for found in reg_pattern.findall(line):
            print(found[0])

 find_in_file(r"([a-zA-Z0-9-!#$%&'*+-/=?^_`{|}~]+@([A-Za-z0-9-]+\.)+[a-zA-Z]{2,})", open("test.txt", "rt"))
 ```

 %% Cell type:markdown id: tags:

 ###  3.1 Einfache Suche

 Wir können mit der Funktion `findall` alle Teilzeichenketten in einer Zeichenkette finden, die auf ein gegebenes Muster (in Form eines regulären Ausdrucks) passen. Die Funktion erwartet zwei Argumente: einen regulären Ausdruck und die Zeichenkette, die durchsucht werden soll:

 %% Cell type:code id: tags:

 ``` 
 import re
 re.findall(r'f[a-z]*', 'which foot or hand fell fastest')
 ```

 %% Cell type:markdown id: tags:


 1. In der ersten Zeile wird das `re`-Modul importiert. Das muss einmal am Anfang unseres Programms passieren. Hier im Jupyter-Notebook reicht es, wenn das Modul in einem Block importiert wird - sobald der Block ausgeführt wurde, kann es in allen folgenden Blöcken verwendet werden.
 2. In der nächsten Zeile wird - mittels der Punkt-Notation - die `findall`-Funktion im `re`-Modul aufgerufen.
 3. Der Funktion werden zwei Argumente übergeben: `r'f[a-z]*'` und `'which foot or hand fell fastest'`.
 4. Das erste Argument ist ein regulärer Ausdruck. Reguläre Ausdrücke werden in Hochkommata `''` eingeschlossen und beginnen mit einem `r`.
 5. Das heißt, der eigentliche reguläre Ausdruck lautet `f[a-z]*`. Dieser Ausdruck beschreibt Zeichenketten, die mit einem `f` beginnen und von beliebig vielen - auch 0! - (`*`) Kleinbuchstaben (`[a-z]`) gefolgt werden. Dabei beschreibt der Ausdruck `[a-z]` in eckigen Klammern ein Zeichen, welches die Werte `a` bis `z` haben darf, das `*` dahinter besagt, dass dieses Zeichen beliebig oft wiederholt werden darf.
 6. Das zweite Argument (`'which foot or hand fell fastest'`) ist die Zeichenkette, in der wir nach Teilzeichenketten suchen, die auf den übergebenen regulären Ausdruck passen.

 Das Ergebnis des Aufrufs von `findall` ist eine Liste der Teilzeichenketten, die auf das Muster passen - in unserem Beispiel sind das die Zeichenketten `foot`, `fell` und `fastest`.

 Probieren Sie es hier selber aus:

 %% Cell type:code id: tags:

 ``` 
 regaus = r'f[a-z]*'
 text = input("Geben Sie eine Zeichenkette zum Testen ein:")
 ergebnis = re.findall(regaus, text)
 if ergebnis:
    print("Es wurden folgende Teilzeichenketten erkannt:", ergebnis)
 else:
    print("Leider wurde nichts erkannt, probieren Sie es noch einmal.")
 ```

 %% Cell type:markdown id: tags:

 Ändern Sie den regulären Ausdruck im folgenden Beispiel, so dass alle Wörter, die mit einem `b` beginnen ausgegeben werden:

 %% Cell type:code id: tags:

 ``` 
 re.findall(r'b', 'Wir bauten und bohrten bis das Haus fertig war.')
 ```

 %% Cell type:markdown id: tags:

 Die Ausgabe sollte so aussehen:
 ```
 ['bauten', 'bohrten', 'bis']
 ```
 Ändern Sie den regulären Ausdruck, so dass jetzt nur Wörter ausgegeben werden, die mit einem `b` beginnen und mit einem `n` enden. Die Ausgabe sollte dann so aussehen:
 ```
 ['bauten', 'bohrten']
 ```

 Welche Probleme sind bei Ihren Versuchen aufgetreten?
 -
 -

 %% Cell type:markdown id: tags:

 ### 3.2 Schritt für Schritt: ein beliebiges Zeichen

 Der Punkt `.` steht für ein beliebiges Zeichen:

 %% Cell type:code id: tags:

 ``` 
 re.findall(r'a.', "Am Anfang aßen wir alle Manna und Kartoffeln")
 ```

 %% Cell type:markdown id: tags:

 Im Satz `Am Anfang aßen wir alle Kartoffeln.` gibt es genau sechs Vorkommen von einem kleinen `a` mit einem Zeichen dahinter. Wie wir sehen, wird auch das `a` am Ende von `Manna`, welches von einem Leerzeichen gefolgt ist, erkannt. Das liegt daran, dass der Punkt für wirklich jedes Zeichen (auch das Leerzeichen) steht. Die zwei Zeichenketten `Am` und `An` werden nicht erkannt, da sie ein großes `A` enthalten, wir aber nach einem kleinen gesucht haben.

 %% Cell type:markdown id: tags:

 ### 3.3 Und weiter

 Sie kennen jetzt eine Funktion, um reguläre Ausdrücke in Python anzuwenden und damit Texte zu durchsuchen. Weitere Funktionen ermöglichen die Extraktion und das Ersetzen von Teilzeichenketten in Texten. Bevor wir diese Funktionen kennenlernen, ist es praktisch, mit regulären Ausdrücken vertraut zu werden. Eine sehr gute interaktive Übungsseite dazu finden Sie [hier](https://regexone.com/lesson/introduction_abcs). Arbeiten Sie diese Seite gemeinsam Schritt für Schritt durch. Schrecken Sie nicht vor dem englischen Text zurück - ich helfe Ihnen bei Fragen gerne weiter.

 Es gibt noch viele andere gute Tutorials zu regulären Ausdrücken, z.B. [hier](https://ryanstutorials.net/regular-expressions-tutorial/) oder [hier](https://www.python-kurs.eu/re.php). Sie können auch eine dieser Anleitungen durcharbeiten, wenn Sie damit besser zurechtkommen.

 %% Cell type:markdown id: tags:

 ### 3.4 weitere nützliche Funktionen des `re`-Moduls

 Sie haben in den Tutorials einige regulären Ausdrücke kennengelernt. Nun können wir weitere Funktionen des `re`-Moduls benutzen. Im Folgenden werden mehrere Funktionen vorgestellt. Anschließend können Sie diese in Übungen testen.

 %% Cell type:markdown id: tags:

 #### 3.4.1 Suchen und Matchen

 Die Funktion `findall(regex,string)` haben sie schon kennengelernt:

 %% Cell type:code id: tags:

 ``` 
 import re
 re.findall(r'f[a-z]*', 'which foot or hand fell fastest')
 ```

 %% Cell type:markdown id: tags:

 Zudem gibt es eine Funktion  `search(regex,string)`. Die Argumente sind diesselben wie bei `findall`.
 Diese Funktion durchsucht eine Zeichenkette *string* nach dem Vorkommen eines Teilstrings, der auf den regulären Ausdruck *regex* passt. Der erste gefundene Teilstring wird zurückgeliefert. Die Rückgabe ist ein sogennantes *match-Objekt*.

 %% Cell type:code id: tags:

 ``` 
 import re
 object1 = re.search(r'f[a-z]*', 'which foot or hand fell fastest')

 object2 = re.search(r'f[a-z]*', 'The regex did not match anything.')

 print(object1,"\n",object2)

 ```

 %% Cell type:markdown id: tags:

 Ein *match-Objekt* enthält die Methoden `group()`, `span()`, `start()` und `end()`, die man im folgenden Beispiel im selbsterklärenden Einsatz sieht:

 %% Cell type:code id: tags:

 ``` 
 object1 = re.search(r'f[a-z]*', 'which foot or hand fell fastest')
 print(object1.group())
 print(object1.span())
 print(object1.start())
 print(object1.end())
 ```

 %% Cell type:markdown id: tags:

 Es gibt zuletzt noch eine dritte Funktion `match(regex,string)`. Diese Funktion checkt, ob ein Teilstring, der auf den regulären Ausdruck *regex* passt, am Anfang der Zeichenkette *string* vorkommt, Die Rückgabe ist wieder ein *match-Objekt*.

 %% Cell type:code id: tags:

 ``` 
 object1 = re.match(r'f[a-z]*', 'foot or hand fell fastest')
 object2 = re.match(r'f[a-z]*', 'which foot or hand fell fastest')
 print(object2)
 print(object1)
 print(object1.group())
 print(object1.span())
 print(object1.start())
 print(object1.end())
 ```

 %% Cell type:markdown id: tags:

 #### 3.4.1 Übung:

 Denken Sie sich eine Zeichenkette und einen regulären Ausdruck aus, die die Unterschiede der drei kennengelernten Funktionen wiedergibt.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 #### 3.4.2 Ersetzen

 %% Cell type:markdown id: tags:

 Das `re`-Modul stellt nicht nur Funktionen zum Durchsuchen von Zeichenketten zur Verfügung. Mit der Funktion `re.sub(regex, replacement, string)` kann man Teilstrings ersetzen. Jede Übereinstimmung des regulären Ausdrucks *regex* in der Zeichenkette *string* wird durch die Zeichenkette *replacement* ersetzt.

 %% Cell type:code id: tags:

 ``` 
 re.sub(r'f[a-z]*', 'beer', 'which foot or hand fell fastest')
 ```

 %% Cell type:markdown id: tags:

 #### 3.4.3 Kompilieren

 Wenn man bestimmte reguläre Ausdrücke mehrmals benutzen möchte, kann man die Funktion `compile(regex)` benutzen. Diese Funktion kompiliert einen regulären Ausdruck *regex* in eine regex-Objekt. Dieses kann man dann für weitere Funktionen nutzen.

 %% Cell type:code id: tags:

 ``` 
 regex_1 = re.compile(r'f[a-z]*')

 print(regex_1.findall('which foot or hand fell fastest'))

 print(regex_1.search('which foot or hand fell fastest'))

 print(regex_1.match('which foot or hand fell fastest'))

 print(regex_1.sub('beer','which foot or hand fell fastest'))
 ```

 %% Cell type:markdown id: tags:

 ### Aufgaben

 #### Aufgabe 1
 Schreiben Sie eine Funktion, die eine Zeichenkette als Parameter entgegennimmt und überprüft, ob die Zeichenkette nur Kleinbuchstaben und Zahlen enthält.
 Benutzen Sie reguläre Ausdrücke und die obigen Funktionen.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 #### Aufgabe 2

 Schreiben Sie eine Funktion, die eine Zeichenkette als Parameter entgegennimmt und überprüft, ob die Zeichenkette einen Teilstring enthält, der aus einem "a" und nachfolgend aus mindestens einem "b" besteht. (z.B. "abb", "abbbbb", "abbbbbbbbbbbbbbbb").
 Benutzen Sie reguläre Ausdrücke und die obigen Funktionen.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 #### Aufgabe 3

 Schreiben Sie eine Funktion, die eine Zeichenkette als Parameter entgegennimmt und alle darin enthaltenen Leerzeichen durch ein Minus ersetzt.
 Benutzen Sie reguläre Ausdrücke und die obigen Funktionen.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 #### Aufgabe 4

 Schreiben Sie eine Funktion, die eine Zeichenkette *s* und eine natürliche Zahl  *n* als Parameter entgegennimmt und alle Wörter der Länge n aus der Zeichenkette *s* entfernt.
 Benutzen Sie reguläre Ausdrücke und die obigen Funktionen.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 ![Speichern](https://amor.cms.hu-berlin.de/~jaeschkr/teaching/spp/floppy.png) Speichern Sie dieses Notebook so, dass Ihre Änderungen nicht verlorengehen (nicht auf einem Pool-Rechner). Klicken Sie dazu oben links auf das Disketten-Icon und nutzen Sie beispielsweise einen USB-Stick, E-Mail, Google Drive, Dropbox oder Ihre [HU-Box](https://box.hu-berlin.de/).

 %% Cell type:markdown id: tags:

 ![Smiley](https://upload.wikimedia.org/wikipedia/commons/a/a7/Emblem-fun.svg)

 Herzlichen Glückwunsch! Sie haben das 3. Kapitel geschafft. Weiter geht es in [4: Fallstudie: Schnittstellenentwurf](seminar04.ipynb).
+
+%% Cell type:markdown id: tags:
+
+![CC-BY-NC](https://scm.cms.hu-berlin.de/ibi/python/-/raw/master/img/cc-by-nc.png)
+
+Dieses Notebook ist als freies Werk unter der Lizenz [Creative Commons Attribution-NonCommercial 3.0 Unported](http://creativecommons.org/licenses/by-nc/3.0/) verfügbar. Sie dürfen die Inhalte kopieren, verteilen und verändern, solange Sie die Urheber nennen und sie nicht für kommerzielle Zwecke nutzen.

 %% Cell type:markdown id: tags:

 # Seminar Problemorientierte Programmierung

 ## 3 Extra: Reguläre Ausdrücke

 Dieses Kapitel taucht nicht im englischen Python-Kurs auf und wird separat gepflegt.

 In der Praxis können wir reguläre Ausdrücke nutzen, um in Texten zu suchen und Muster zu entdecken. Python bietet uns im `re`-Modul (re = Regular Expression = Regulärer Ausdruck) viele Funktionen an, um mit regulären Ausdrücken zu arbeiten.

 Es gibt dabei zwei "Dimensionen" an denen wir uns "entlanghangeln" müssen: die Funktionen, die vom `re`-Modul bereitgestellt werden und die regulären Ausdrücke selber, die komplex werden können. Wir beginnen zunächst mit nur einer Funktion und werden Stück für Stück komplexere Ausdrücke kennenlernen. Danach schauen wir uns weitere Funktionen an.

 ### Ihre Lernziele

 Beschreiben Sie in 2-3 Stichpunkten kurz was Sie im Seminar heute lernen wollen. Klicken Sie dazu doppelt auf diesen Text und bearbeiten Sie dann den Text:

 -
 -
 -


 ### Exkurs: Was mir an Python gefällt
-
-In einer Datei alle E-Mail-Adressen extrahieren geht recht einfach:
+In ihrem Verzeichnis sollte eine Datei `test.txt` liegen. Öffnen Sie diese in einem Texteditor Ihrer Wahl. Schauen Sie jetzt, wie leicht man mit dem Modul `re` in Python E-Mail-Adressen extrahieren kann:

 %% Cell type:code id: tags:

 ``` 
 import re

 def find_in_file(pattern, file):
    reg_pattern = re.compile(pattern)
    for line in file:
        for found in reg_pattern.findall(line):
            print(found[0])

 find_in_file(r"([a-zA-Z0-9-!#$%&'*+-/=?^_`{|}~]+@([A-Za-z0-9-]+\.)+[a-zA-Z]{2,})", open("test.txt", "rt"))
 ```

 %% Cell type:markdown id: tags:

 ###  3.1 Einfache Suche

 Wir können mit der Funktion `findall` alle Teilzeichenketten in einer Zeichenkette finden, die auf ein gegebenes Muster (in Form eines regulären Ausdrucks) passen. Die Funktion erwartet zwei Argumente: einen regulären Ausdruck und die Zeichenkette, die durchsucht werden soll:

 %% Cell type:code id: tags:

 ``` 
 import re
 re.findall(r'f[a-z]*', 'which foot or hand fell fastest')
 ```

 %% Cell type:markdown id: tags:


 1. In der ersten Zeile wird das `re`-Modul importiert. Das muss einmal am Anfang unseres Programms passieren. Hier im Jupyter-Notebook reicht es, wenn das Modul in einem Block importiert wird - sobald der Block ausgeführt wurde, kann es in allen folgenden Blöcken verwendet werden.
 2. In der nächsten Zeile wird - mittels der Punkt-Notation - die `findall`-Funktion im `re`-Modul aufgerufen.
 3. Der Funktion werden zwei Argumente übergeben: `r'f[a-z]*'` und `'which foot or hand fell fastest'`.
 4. Das erste Argument ist ein regulärer Ausdruck. Reguläre Ausdrücke werden in Hochkommata `''` eingeschlossen und beginnen mit einem `r`.
 5. Das heißt, der eigentliche reguläre Ausdruck lautet `f[a-z]*`. Dieser Ausdruck beschreibt Zeichenketten, die mit einem `f` beginnen und von beliebig vielen - auch 0! - (`*`) Kleinbuchstaben (`[a-z]`) gefolgt werden. Dabei beschreibt der Ausdruck `[a-z]` in eckigen Klammern ein Zeichen, welches die Werte `a` bis `z` haben darf, das `*` dahinter besagt, dass dieses Zeichen beliebig oft wiederholt werden darf.
 6. Das zweite Argument (`'which foot or hand fell fastest'`) ist die Zeichenkette, in der wir nach Teilzeichenketten suchen, die auf den übergebenen regulären Ausdruck passen.

 Das Ergebnis des Aufrufs von `findall` ist eine Liste der Teilzeichenketten, die auf das Muster passen - in unserem Beispiel sind das die Zeichenketten `foot`, `fell` und `fastest`.

 Probieren Sie es hier selber aus:

 %% Cell type:code id: tags:

 ``` 
 regaus = r'f[a-z]*'
 text = input("Geben Sie eine Zeichenkette zum Testen ein:")
 ergebnis = re.findall(regaus, text)
 if ergebnis:
    print("Es wurden folgende Teilzeichenketten erkannt:", ergebnis)
 else:
    print("Leider wurde nichts erkannt, probieren Sie es noch einmal.")
 ```

 %% Cell type:markdown id: tags:

 Ändern Sie den regulären Ausdruck im folgenden Beispiel, so dass alle Wörter, die mit einem `b` beginnen ausgegeben werden:

 %% Cell type:code id: tags:

 ``` 
 re.findall(r'b', 'Wir bauten und bohrten bis das Haus fertig war.')
 ```

 %% Cell type:markdown id: tags:

 Die Ausgabe sollte so aussehen:
 ```
 ['bauten', 'bohrten', 'bis']
 ```
 Ändern Sie den regulären Ausdruck, so dass jetzt nur Wörter ausgegeben werden, die mit einem `b` beginnen und mit einem `n` enden. Die Ausgabe sollte dann so aussehen:
 ```
 ['bauten', 'bohrten']
 ```

 Welche Probleme sind bei Ihren Versuchen aufgetreten?
 -
 -

 %% Cell type:markdown id: tags:

 ### 3.2 Schritt für Schritt: ein beliebiges Zeichen

 Der Punkt `.` steht für ein beliebiges Zeichen:

 %% Cell type:code id: tags:

 ``` 
 re.findall(r'a.', "Am Anfang aßen wir alle Manna und Kartoffeln")
 ```

 %% Cell type:markdown id: tags:

 Im Satz `Am Anfang aßen wir alle Kartoffeln.` gibt es genau sechs Vorkommen von einem kleinen `a` mit einem Zeichen dahinter. Wie wir sehen, wird auch das `a` am Ende von `Manna`, welches von einem Leerzeichen gefolgt ist, erkannt. Das liegt daran, dass der Punkt für wirklich jedes Zeichen (auch das Leerzeichen) steht. Die zwei Zeichenketten `Am` und `An` werden nicht erkannt, da sie ein großes `A` enthalten, wir aber nach einem kleinen gesucht haben.

 %% Cell type:markdown id: tags:

 ### 3.3 Und weiter

 Sie kennen jetzt eine Funktion, um reguläre Ausdrücke in Python anzuwenden und damit Texte zu durchsuchen. Weitere Funktionen ermöglichen die Extraktion und das Ersetzen von Teilzeichenketten in Texten. Bevor wir diese Funktionen kennenlernen, ist es praktisch, mit regulären Ausdrücken vertraut zu werden. Eine sehr gute interaktive Übungsseite dazu finden Sie [hier](https://regexone.com/lesson/introduction_abcs). Arbeiten Sie diese Seite gemeinsam Schritt für Schritt durch. Schrecken Sie nicht vor dem englischen Text zurück - ich helfe Ihnen bei Fragen gerne weiter.

 Es gibt noch viele andere gute Tutorials zu regulären Ausdrücken, z.B. [hier](https://ryanstutorials.net/regular-expressions-tutorial/) oder [hier](https://www.python-kurs.eu/re.php). Sie können auch eine dieser Anleitungen durcharbeiten, wenn Sie damit besser zurechtkommen.

 %% Cell type:markdown id: tags:

 ### 3.4 weitere nützliche Funktionen des `re`-Moduls

 Sie haben in den Tutorials einige regulären Ausdrücke kennengelernt. Nun können wir weitere Funktionen des `re`-Moduls benutzen. Im Folgenden werden mehrere Funktionen vorgestellt. Anschließend können Sie diese in Übungen testen.

 %% Cell type:markdown id: tags:

 #### 3.4.1 Suchen und Matchen

 Die Funktion `findall(regex,string)` haben sie schon kennengelernt:

 %% Cell type:code id: tags:

 ``` 
 import re
 re.findall(r'f[a-z]*', 'which foot or hand fell fastest')
 ```

 %% Cell type:markdown id: tags:

 Zudem gibt es eine Funktion  `search(regex,string)`. Die Argumente sind diesselben wie bei `findall`.
 Diese Funktion durchsucht eine Zeichenkette *string* nach dem Vorkommen eines Teilstrings, der auf den regulären Ausdruck *regex* passt. Der erste gefundene Teilstring wird zurückgeliefert. Die Rückgabe ist ein sogennantes *match-Objekt*.

 %% Cell type:code id: tags:

 ``` 
 import re
 object1 = re.search(r'f[a-z]*', 'which foot or hand fell fastest')

 object2 = re.search(r'f[a-z]*', 'The regex did not match anything.')

 print(object1,"\n",object2)

 ```

 %% Cell type:markdown id: tags:

 Ein *match-Objekt* enthält die Methoden `group()`, `span()`, `start()` und `end()`, die man im folgenden Beispiel im selbsterklärenden Einsatz sieht:

 %% Cell type:code id: tags:

 ``` 
 object1 = re.search(r'f[a-z]*', 'which foot or hand fell fastest')
 print(object1.group())
 print(object1.span())
 print(object1.start())
 print(object1.end())
 ```

 %% Cell type:markdown id: tags:

 Es gibt zuletzt noch eine dritte Funktion `match(regex,string)`. Diese Funktion checkt, ob ein Teilstring, der auf den regulären Ausdruck *regex* passt, am Anfang der Zeichenkette *string* vorkommt, Die Rückgabe ist wieder ein *match-Objekt*.

 %% Cell type:code id: tags:

 ``` 
 object1 = re.match(r'f[a-z]*', 'foot or hand fell fastest')
 object2 = re.match(r'f[a-z]*', 'which foot or hand fell fastest')
 print(object2)
 print(object1)
 print(object1.group())
 print(object1.span())
 print(object1.start())
 print(object1.end())
 ```

 %% Cell type:markdown id: tags:

 #### 3.4.1 Übung:

 Denken Sie sich eine Zeichenkette und einen regulären Ausdruck aus, die die Unterschiede der drei kennengelernten Funktionen wiedergibt.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 #### 3.4.2 Ersetzen

 %% Cell type:markdown id: tags:

 Das `re`-Modul stellt nicht nur Funktionen zum Durchsuchen von Zeichenketten zur Verfügung. Mit der Funktion `re.sub(regex, replacement, string)` kann man Teilstrings ersetzen. Jede Übereinstimmung des regulären Ausdrucks *regex* in der Zeichenkette *string* wird durch die Zeichenkette *replacement* ersetzt.

 %% Cell type:code id: tags:

 ``` 
 re.sub(r'f[a-z]*', 'beer', 'which foot or hand fell fastest')
 ```

 %% Cell type:markdown id: tags:

 #### 3.4.3 Kompilieren

 Wenn man bestimmte reguläre Ausdrücke mehrmals benutzen möchte, kann man die Funktion `compile(regex)` benutzen. Diese Funktion kompiliert einen regulären Ausdruck *regex* in eine regex-Objekt. Dieses kann man dann für weitere Funktionen nutzen.

 %% Cell type:code id: tags:

 ``` 
 regex_1 = re.compile(r'f[a-z]*')

 print(regex_1.findall('which foot or hand fell fastest'))

 print(regex_1.search('which foot or hand fell fastest'))

 print(regex_1.match('which foot or hand fell fastest'))

 print(regex_1.sub('beer','which foot or hand fell fastest'))
 ```

 %% Cell type:markdown id: tags:

 ### Aufgaben

 #### Aufgabe 1
 Schreiben Sie eine Funktion, die eine Zeichenkette als Parameter entgegennimmt und überprüft, ob die Zeichenkette nur Kleinbuchstaben und Zahlen enthält.
 Benutzen Sie reguläre Ausdrücke und die obigen Funktionen.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 #### Aufgabe 2

 Schreiben Sie eine Funktion, die eine Zeichenkette als Parameter entgegennimmt und überprüft, ob die Zeichenkette einen Teilstring enthält, der aus einem "a" und nachfolgend aus mindestens einem "b" besteht. (z.B. "abb", "abbbbb", "abbbbbbbbbbbbbbbb").
 Benutzen Sie reguläre Ausdrücke und die obigen Funktionen.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 #### Aufgabe 3

 Schreiben Sie eine Funktion, die eine Zeichenkette als Parameter entgegennimmt und alle darin enthaltenen Leerzeichen durch ein Minus ersetzt.
 Benutzen Sie reguläre Ausdrücke und die obigen Funktionen.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 #### Aufgabe 4

 Schreiben Sie eine Funktion, die eine Zeichenkette *s* und eine natürliche Zahl  *n* als Parameter entgegennimmt und alle Wörter der Länge n aus der Zeichenkette *s* entfernt.
 Benutzen Sie reguläre Ausdrücke und die obigen Funktionen.

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:

 ![Speichern](https://amor.cms.hu-berlin.de/~jaeschkr/teaching/spp/floppy.png) Speichern Sie dieses Notebook so, dass Ihre Änderungen nicht verlorengehen (nicht auf einem Pool-Rechner). Klicken Sie dazu oben links auf das Disketten-Icon und nutzen Sie beispielsweise einen USB-Stick, E-Mail, Google Drive, Dropbox oder Ihre [HU-Box](https://box.hu-berlin.de/).

 %% Cell type:markdown id: tags:

 ![Smiley](https://upload.wikimedia.org/wikipedia/commons/a/a7/Emblem-fun.svg)

 Herzlichen Glückwunsch! Sie haben das 3. Kapitel geschafft. Weiter geht es in [4: Fallstudie: Schnittstellenentwurf](seminar04.ipynb).
+
+%% Cell type:markdown id: tags:
+
+![CC-BY-NC](https://scm.cms.hu-berlin.de/ibi/python/-/raw/master/img/cc-by-nc.png)
+
+Dieses Notebook ist als freies Werk unter der Lizenz [Creative Commons Attribution-NonCommercial 3.0 Unported](http://creativecommons.org/licenses/by-nc/3.0/) verfügbar. Sie dürfen die Inhalte kopieren, verteilen und verändern, solange Sie die Urheber nennen und sie nicht für kommerzielle Zwecke nutzen.

--- a/notebooks/summary_python_basics.ipynb
+++ b/notebooks/summary_python_basics.ipynb
 %% Cell type:markdown id: tags:

 <h1>Table of Contents<span class="tocSkip"></span></h1>
 <div class="toc"><ul class="toc-item"><li><span><a href="#Jupyter-Notebook-Grundlagen" data-toc-modified-id="Jupyter-Notebook-Grundlagen-1"><span class="toc-item-num">1&nbsp;&nbsp;</span>Jupyter Notebook Grundlagen</a></span><ul class="toc-item"><li><span><a href="#Standardbrowser" data-toc-modified-id="Standardbrowser-1.1"><span class="toc-item-num">1.1&nbsp;&nbsp;</span>Standardbrowser</a></span><ul class="toc-item"><li><span><a href="#Anleitungen" data-toc-modified-id="Anleitungen-1.1.1"><span class="toc-item-num">1.1.1&nbsp;&nbsp;</span>Anleitungen</a></span></li></ul></li><li><span><a href="#Shortcuts" data-toc-modified-id="Shortcuts-1.2"><span class="toc-item-num">1.2&nbsp;&nbsp;</span>Shortcuts</a></span><ul class="toc-item"><li><span><a href="#Beispiel:-Markdown-Zelle-vs.-Code-Zelle" data-toc-modified-id="Beispiel:-Markdown-Zelle-vs.-Code-Zelle-1.2.1"><span class="toc-item-num">1.2.1&nbsp;&nbsp;</span>Beispiel: Markdown Zelle vs. Code Zelle</a></span></li></ul></li></ul></li><li><span><a href="#Python-Grundlagen" data-toc-modified-id="Python-Grundlagen-2"><span class="toc-item-num">2&nbsp;&nbsp;</span>Python Grundlagen</a></span><ul class="toc-item"><li><span><a href="#Grundlegende-Datentypen" data-toc-modified-id="Grundlegende-Datentypen-2.1"><span class="toc-item-num">2.1&nbsp;&nbsp;</span>Grundlegende Datentypen</a></span></li><li><span><a href="#Listen" data-toc-modified-id="Listen-2.2"><span class="toc-item-num">2.2&nbsp;&nbsp;</span>Listen</a></span></li><li><span><a href="#Mengen" data-toc-modified-id="Mengen-2.3"><span class="toc-item-num">2.3&nbsp;&nbsp;</span>Mengen</a></span></li><li><span><a href="#Ranges" data-toc-modified-id="Ranges-2.4"><span class="toc-item-num">2.4&nbsp;&nbsp;</span>Ranges</a></span></li><li><span><a href="#Tupel" data-toc-modified-id="Tupel-2.5"><span class="toc-item-num">2.5&nbsp;&nbsp;</span>Tupel</a></span></li><li><span><a href="#Dictionaries" data-toc-modified-id="Dictionaries-2.6"><span class="toc-item-num">2.6&nbsp;&nbsp;</span>Dictionaries</a></span></li><li><span><a href="#If-Anweisungen" data-toc-modified-id="If-Anweisungen-2.7"><span class="toc-item-num">2.7&nbsp;&nbsp;</span>If-Anweisungen</a></span></li><li><span><a href="#Schleifen" data-toc-modified-id="Schleifen-2.8"><span class="toc-item-num">2.8&nbsp;&nbsp;</span>Schleifen</a></span></li><li><span><a href="#Funktionen" data-toc-modified-id="Funktionen-2.9"><span class="toc-item-num">2.9&nbsp;&nbsp;</span>Funktionen</a></span></li></ul></li><li><span><a href="#----------------Praktisch-für-Python,-aber-nicht-für-unseren-Kurs------------------" data-toc-modified-id="----------------Praktisch-für-Python,-aber-nicht-für-unseren-Kurs-------------------3"><span class="toc-item-num">3&nbsp;&nbsp;</span><font color="red">--------------- Praktisch für Python, aber nicht für unseren Kurs -----------------</font></a></span><ul class="toc-item"><li><span><a href="#Lambda-Funktionen" data-toc-modified-id="Lambda-Funktionen-3.1"><span class="toc-item-num">3.1&nbsp;&nbsp;</span>Lambda-Funktionen</a></span></li><li><span><a href="#List-Comprehensions" data-toc-modified-id="List-Comprehensions-3.2"><span class="toc-item-num">3.2&nbsp;&nbsp;</span>List Comprehensions</a></span></li><li><span><a href="#Klassen" data-toc-modified-id="Klassen-3.3"><span class="toc-item-num">3.3&nbsp;&nbsp;</span>Klassen</a></span></li></ul></li></ul></div>

 %% Cell type:markdown id: tags:

 # Grundlagen Jupyter Notebooks

 Falls Sie im Python-Programmierkurs sind und dies ihr erstes geöffnetes Jupyter Notebook ist: Herzlichen Glückwunsch! :)

 Falls Sie im Python-Programmierkurs sind und dies ihr erstes geöffnetes Jupyter Notebook ist, lesen Sie nur bis bis zum Kapitel "Python.Grundlagen". Danach wechseln Sie zum Notebook [seminar00.ipynb](seminar00.ipynb).

 - Jupyter ist freie Software – ein browserbasiertes Tool für verschiedene Programmiersprachen (wir benutzen Python).
 - Es stellt Quellcode, Visualisierungen, Text und Erklärungen in einem (Web-)Dokument – dem Jupyter Notebook – dar.
 - Notebooks bestehen aus Blöcken bzw. "Zellen".
 - Es gibt zwei Arten von Blöcken: "Code" ist für Python-Code, "Markdown" ist für Texte, die Sie mit Hilfe der [Markdown-Syntax](https://de.wikipedia.org/wiki/Markdown#Auszeichnungsbeispiele) formatieren können.
 - Blöcke können "ausgeführt" werden, dabei wird der Python-Code ausgeführt und Markdown in HTML umgewandelt und angezeigt.
 - Unterhalb eines Blocks mit Quellcode wird der Rückgabewert der letzten Anweisung ausgegeben.
 - Quellcode kann auf mehrere Blöcke aufgeteilt werden (Variablen behalten ihre Gültigkeit/Sichtbarkeit).
 - Sie können auf Text doppelt klicken, um sich den Markdown-Quellcode anzuzeigen. Probieren Sie es mit diesem Text aus.
 - Durch die Tastenkombination "Strg" und "Enter"  oder durch Drücken des "Run"-Buttons oben im Menü kommen Sie wieder in den Lesemodus
 - Wenn Sie mal etwas "kaputtgespielt" haben, hilft es evtl., im "Kernel"-Menü den "Restart"-Eintrag auszuwählen.



 ## Standardbrowser

 Bitte verwenden Sie **nicht** Safari oder Internet Explorer. Auch mit Windows Edge gab es in der Vergangenheit Probleme. Wir empfehlen die Verwendung von Firefox, aber auch Google Chrome lief in der Vergangenheit problemlos. Wenn Sie unsicher sind, was ihr aktueller Standardbrowser ist, folgen Sie einfach der folgenden Anleitung zum Ändern des Standardbrowsers und gehen Sie sicher, dass der richtige Standardbrowser ausgewählt ist.

 ### Anleitungen

 **Änderung des Standardbrowsers in...**

 *macOS:*
 1. Öffnen sie die Systemeinstellungen.
 2. Klicken Sie auf „Allgemein“.
 3. Wählen Sie unter „Standard-Webbrowser“ den gewünschten Browser aus.

 *Ubuntu Linux:*
 1. Öffnen Sie die System Settings.
 2. Klicken Sie auf „Applications“.
 3. Wählen Sie in der linken Spalte „Default Applications“ aus.
 4. Klicken Sie in der Spalte rechts davon auf „Web Browser“.
 5. Wählen Sie „in the following browser:“ aus.
 6. Wählen Sie den gewünschten Browser aus.

 *Windows:*
 1. Öffnen Sie die Systemsteuerung.
 2. Klicken Sie auf „Standardprogramme“.
 3. Klicken Sie auf „Standardprogramme festlegen“.
 4. Klicken Sie in der Liste auf den gewünschten Browser.
 5. Klicken Sie dann auf „Dieses Programm als Standard festlegen“.


 %% Cell type:markdown id: tags:


 ## Shortcuts

 **Bitte probieren Sie alle unten stehenden Befehle und verstehen Sie, was gemacht wird. Das ist die Basis, die Sie für das Arbeiten mit Jupyter Notebooks brauchen.**

 Übersicht: *Menü Help -> Keyboard Shortcuts*

 Wichtigste Shortcuts:

 - *Enter*: Editiermodus für selektierte Zelle (grün umrandet)
 - *Esc*: Editiermodus verlassen/Kommandomodus (blau umrandet)
 - *Strg + Enter*: Selektierte Zelle ausführen
 - *Shift + Enter*: Selektierte Zelle ausführen und in nächste Zelle springen

 Im Editiermodus:
 - *Tab*: Autocomplete oder Einrücken
 - *Shift + Tab*: Einrücken rückwärts

 Im Kommando-/Lesemodus:
 - *B*: Zelle darunter einfügen
 - *A*: Zelle darüber einfügen
 - *DD*: Zelle löschen
 - *M*: Zelltyp Markdown (für formatierte beschreibende Texte, zB diese Zelle)
 - *Y*: Zelltyp Code (Default)

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:


 %% Cell type:markdown id: tags:

 ### Beispiel: Markdown Zelle vs. Code Zelle

 %% Cell type:markdown id: tags:

 Dies ist eine **Markdown Zelle**. Hier kann jeglicher Text geschrieben werden. Durch Strg+Enter wird er in den Lesemodus gebracht, durch ein einfach Enter (oder Doppelklick) in den Editiermodus.

 Hier werden keine Rechnungen ausgeführt, siehe:

 5+3

 In diesen Feldern werden Erklärungen, Aufgabenstellungen und schriftliche Antworten von euch stehen.

 %% Cell type:code id: tags:

 ``` 
 # Das ist eine **Code Zelle**, bei Strg+Enter wird die folgende Rechnung ausgeführt und darunter angezeigt
 # Mit Enter kommt man in den Editiermodus, mit Strg+Enter wird der Code ausgeführt.
 # Der Text kann hier nur stehen, da eine Raute am Anfang der Zeile steht.
 # Dadurch werden diese Zeilen nicht ausgeführt.

 5+3

 # In diesen Zellen wird der Python Code geschrieben, manchmal müssen Sie ihn schreiben,
 # manchmal steht der Code schon dort und muss von Ihnen nur ausgeführt werden.
 ```

 %% Cell type:markdown id: tags:

 # Python-Grundlagen
 - Dynamisch typisierte Sprache
 - Statt geschweifter Klammern für Codeblöcke (Funktionen, Schleifen) wird Code mit vier Leerzeichen (pro Hierarchieebene) eingerückt
 - Die meisten Editoren ersetzen Tab automatisch durch vier Leerzeichen
 - Kommentare beginnen mit Raute #

 %% Cell type:markdown id: tags:

 ## Grundlegende Datentypen
 Zahlentypen (int/float) sind größtenteils äquivalent zu Java. Strings können mit doppelten oder einfachen Anführungszeichen deklariert werden.

 %% Cell type:code id: tags:

 ``` 
 # Variablen definieren

 a = 2*2.0
 b = 5

 # Ausgabe

 print(a + b)

 # Diese Zelle auswählen und mit `<SHIFT> + <ENTER>` ausführen.
 # Der letzte Rückgabewert der Zelle wird dann unten ausgegeben,
 # hier also der Wert von `a+b`:b
 ```

 %% Cell type:markdown id: tags:

 Die grundlegenden Rechenoperationen __`+`, `-`, `*`, `/`__ und __`**`__ sind ebenfalls in Python verfügbar und verhalten sich, wie man es erwartet:

 %% Cell type:code id: tags:

 ``` 
 # äquivalent zu a = a + 1
 a += 1

 print(a)
 ```

 %% Cell type:code id: tags:

 ``` 
 # Potenzieren

 2**4
 ```

 %% Cell type:code id: tags:

 ``` 
 # Division

 2/4
 ```

 %% Cell type:markdown id: tags:

 Es gibt verschiedene Variablentypen:
    - int (Ganzzahl, z.B. 1, 20, 52432432)
    - float (Gleitkommazahl, z.B. 1.423, 1/3, 0.23487235723)
    - str (Zeichenkette, z.B. "Hello World", 'this is a string')
    - bool (Wahrheitswerte, z.B. True, False)


 %% Cell type:code id: tags:

 ``` 


 # Zeichenketten bzw. strings

 text1 = 'Hallo '
 text2 = "Welt"

 print (text1 + text2)

 # Andere Datentypen müssen explizit in Strings konvertiert werden,
 # wenn sie an einen String angehängt werden sollen.
 print(text1 + str(1))

 # oder man muss sie durch Kommata trennen:

 print(text1,1)
 ```

 %% Cell type:code id: tags:

 ``` 
 # Zeichenkette zu float
 float('1')
 ```

 %% Cell type:code id: tags:

 ``` 
 # integer zu float

 float(1)
 ```

 %% Cell type:markdown id: tags:

 *None* entspricht *null* in Java.

 %% Cell type:code id: tags:

 ``` 
 myvar = None
 ```

 %% Cell type:code id: tags:

 ``` 
 print(myvar)
 ```

 %% Cell type:code id: tags:

 ``` 
 if myvar is None:
    print('x ist nicht definiert')
 ```

 %% Cell type:markdown id: tags:

 ## Listen
 Listen werden mit eckigen Klammern oder list() initialisiert.

 %% Cell type:code id: tags:

 ``` 
 l = [1,2,3,3]
 l.append(4)

 print(l)
 ```

 %% Cell type:markdown id: tags:

 Vorsicht bei der Kombination von Listen. append hängt die übergebene Variable als einzelnen Listeneintrag an die Liste an.

 %% Cell type:code id: tags:

 ``` 
 l.append([5, 6])

 print(l)
 ```

 %% Cell type:markdown id: tags:

 Zur Kombination von zwei Listen wird der +-Operator verwendet.

 %% Cell type:code id: tags:

 ``` 
 l2 = l + [5,6]

 print(l2)
 ```

 %% Cell type:markdown id: tags:

 ## Mengen
 Mengen können mit geschweiften Klammern oder set() initialisiert werden.

 %% Cell type:code id: tags:

 ``` 
 s = {1,2,3,3}
 s2 = set([2,3,4,5])

 print(s)
 print(s.intersection(s2))
 ```

 %% Cell type:code id: tags:

 ``` 
 s.add(9)
 s.remove(2)
 s
 ```

 %% Cell type:markdown id: tags:

 Mit list() und set() können die Typen auch ineinander konvertiert werden.

 %% Cell type:code id: tags:

 ``` 
 list(s)
 ```

 %% Cell type:code id: tags:

 ``` 
 set([1,2,3])
 ```

 %% Cell type:markdown id: tags:

 ## Ranges
 Auflistung von Zahlen, werden z.Bsp. für for-Schleifen mit Index verwendet.

 %% Cell type:code id: tags:

 ``` 
 for i in range(5):
    print(i)
 ```

 %% Cell type:markdown id: tags:

 ## Tupel
 Für sortierete Werte mit fester Komponentenanzahl und fester Bedeutung für jeden Eintrag.

 %% Cell type:code id: tags:

 ``` 
 essen = 'Chili'
 preis = 2.51
 boneintrag = (essen, preis)

 print(boneintrag)
 print(boneintrag[0])
 print(boneintrag[1])
 ```

 %% Cell type:code id: tags:

 ``` 
 (essen2, preis2) = boneintrag

 print(essen2)
 print(preis2)
 ```

 %% Cell type:markdown id: tags:

 Klammern können oft weggelassen werden

 %% Cell type:code id: tags:

 ``` 
 boneintrag = essen, preis
 essen2, preis2 = boneintrag

 print(boneintrag)
 print(essen2)
 print(preis2)
 ```

 %% Cell type:markdown id: tags:

 ## Dictionaries
 Äquivalent zu Maps.

 %% Cell type:code id: tags:

 ``` 
 d = {'Chili': 1.90, 'Penne': 2.50}
 ```

 %% Cell type:code id: tags:

 ``` 
 d.keys()
 ```

 %% Cell type:code id: tags:

 ``` 
 d.values()
 ```

 %% Cell type:code id: tags:

 ``` 
 for key, val in d.items():
    print('{}: {}'.format(key, val))
 ```

 %% Cell type:code id: tags:

 ``` 
 d['Chili']
 ```

 %% Cell type:code id: tags:

 ``` 
 d['Burger'] = 4.90
 d
 ```

 %% Cell type:code id: tags:

 ``` 
 del d['Burger']
 d
 ```

 %% Cell type:markdown id: tags:

 ## If-Anweisungen

 %% Cell type:code id: tags:

 ``` 
 if 2>1 or 1>2:
    print ('Bedingung erfüllt.')
 ```

 %% Cell type:code id: tags:

 ``` 
 y = 10
 x = 5 if y > 10 else 4

 print(x)
 ```

 %% Cell type:markdown id: tags:

 ## Schleifen

 %% Cell type:code id: tags:

 ``` 
 x = 5
 while x > 0:
    x -= 1
 x
 ```

 %% Cell type:code id: tags:

 ``` 
 for x in ['a', 'b', 'c']:
    print(x)
 ```

 %% Cell type:markdown id: tags:

 ## Funktionen

 %% Cell type:code id: tags:

 ``` 
 def sum_upto(n):
    return n*(n+1)/2

 sum_upto(4)
 ```

 %% Cell type:markdown id: tags:

 Zur besseren Übersicht (insbesondere bei vielen Parametern) können diese auch namentlich zugewiesen werden.

 %% Cell type:code id: tags:

 ``` 
 sum_upto(n=4)
 ```

 %% Cell type:markdown id: tags:

 Funktionen können *Default-Parameter* haben, d.h. Werte, die von der Funktion als Standardwert verwendet werden (wenn kein anderer Wert übergeben wird). Default-Parameter müssen am Ende der Funktion stehen und übergeben werden.

 %% Cell type:code id: tags:

 ``` 
 def fun_with_default(x=3):
    print('Parameter is {}'.format(x))
 ```

 %% Cell type:code id: tags:

 ``` 
 fun_with_default()
 ```

 %% Cell type:code id: tags:

 ``` 
 fun_with_default(x=4)
 ```

 %% Cell type:markdown id: tags:

 Funktionen können wie Variablen referenziert werden (Pointer auf die Funktion) und zum Beispiel als Parameter übergeben werden.

 %% Cell type:code id: tags:

 ``` 
 def calc_and_print(calc_function, n):
    calc_result = calc_function(n)
    print(calc_result)
 ```

 %% Cell type:code id: tags:

 ``` 
 calc_and_print(sum_upto, 4)
 ```

 %% Cell type:markdown id: tags:

 # <font color='red'>--------------- Praktisch für Python, aber nicht für unseren Kurs -----------------</font>


 %% Cell type:markdown id: tags:

 ## Lambda-Funktionen
 I.d.R. für Inline-Funktionen. Können zum Beispiel an Funktionen als Parameter übergeben oder als Variable deklariert werden. Lambdas enthalten ein einzelnes Statement, dessen Wert automatisch der Rückgabewert ist.

 %% Cell type:code id: tags:

 ``` 
 calc_square = lambda x: x**2
 calc_square(3)
 ```

 %% Cell type:code id: tags:

 ``` 
 calc_and_print(calc_square, 4)
 ```

 %% Cell type:code id: tags:

 ``` 
 calc_and_print(lambda x: x**3, 4)
 ```

 %% Cell type:markdown id: tags:

 ## List Comprehensions

 %% Cell type:code id: tags:

 ``` 
 y = [x**2 for x in range(10)]
 y
 ```

 %% Cell type:code id: tags:

 ``` 
 xy = [(x, x**2) for x in range(10) if x%2 == 0]
 xy
 ```

 %% Cell type:markdown id: tags:

 ## Klassen
 Objekte einer Klasse bekommen bei Methodenaufrufen als ersten Parameter automatisch das *"self"*-Objekt übergeben (vgl. *this* in Java). Dieser Parameter muss also immer auch als erster Parameter einer Klassenmethode übergeben werden.

 %% Cell type:code id: tags:

 ``` 
 class Vehicle():
    # Constructor
    def __init__(self, n_wheels=4, noise='beep'):
        self.n_wheels = n_wheels
        self.noise = noise

    def make_noise(self):
        print(self.noise)
 ```

 %% Cell type:code id: tags:

 ``` 
 basicVehicle = Vehicle()
 basicVehicle.make_noise()
 ```

 %% Cell type:markdown id: tags:

 Properties sind immer von außen sichtbar und lassen sich verändern. Properties, die nicht zur Veränderung gedacht sind, werden nach Konvention durch zwei Unterstriche im Namen gekennzeichnet.

 %% Cell type:code id: tags:

 ``` 
 basicVehicle.n_wheels
 ```

 %% Cell type:markdown id: tags:

 Vererbung ist in Python möglich. In der Regel wird aber Duck-Typing verwendet.

 “When I see a bird that walks like a duck and swims like a duck and quacks like a duck, I call that bird a duck.”

 %% Cell type:code id: tags:

 ``` 
 bike = Vehicle(n_wheels=2, noise='ring')
 bike.make_noise()
 ```

 %% Cell type:code id: tags:

 ``` 
 class Bike(Vehicle):
    def __init__(self):
        self.n_wheels = 2
        self.noise = 'ring'
 ```

 %% Cell type:code id: tags:

 ``` 
 Bike().make_noise()
 ```
+
+%% Cell type:markdown id: tags:
+
+![CC-BY-NC](https://scm.cms.hu-berlin.de/ibi/python/-/raw/master/img/cc-by-nc.png)
+
+Dieses Notebook ist als freies Werk unter der Lizenz [Creative Commons Attribution-NonCommercial 3.0 Unported](http://creativecommons.org/licenses/by-nc/3.0/) verfügbar. Sie dürfen die Inhalte kopieren, verteilen und verändern, solange Sie die Urheber nennen und sie nicht für kommerzielle Zwecke nutzen.

 %% Cell type:markdown id: tags:

 <h1>Table of Contents<span class="tocSkip"></span></h1>
 <div class="toc"><ul class="toc-item"><li><span><a href="#Jupyter-Notebook-Grundlagen" data-toc-modified-id="Jupyter-Notebook-Grundlagen-1"><span class="toc-item-num">1&nbsp;&nbsp;</span>Jupyter Notebook Grundlagen</a></span><ul class="toc-item"><li><span><a href="#Standardbrowser" data-toc-modified-id="Standardbrowser-1.1"><span class="toc-item-num">1.1&nbsp;&nbsp;</span>Standardbrowser</a></span><ul class="toc-item"><li><span><a href="#Anleitungen" data-toc-modified-id="Anleitungen-1.1.1"><span class="toc-item-num">1.1.1&nbsp;&nbsp;</span>Anleitungen</a></span></li></ul></li><li><span><a href="#Shortcuts" data-toc-modified-id="Shortcuts-1.2"><span class="toc-item-num">1.2&nbsp;&nbsp;</span>Shortcuts</a></span><ul class="toc-item"><li><span><a href="#Beispiel:-Markdown-Zelle-vs.-Code-Zelle" data-toc-modified-id="Beispiel:-Markdown-Zelle-vs.-Code-Zelle-1.2.1"><span class="toc-item-num">1.2.1&nbsp;&nbsp;</span>Beispiel: Markdown Zelle vs. Code Zelle</a></span></li></ul></li></ul></li><li><span><a href="#Python-Grundlagen" data-toc-modified-id="Python-Grundlagen-2"><span class="toc-item-num">2&nbsp;&nbsp;</span>Python Grundlagen</a></span><ul class="toc-item"><li><span><a href="#Grundlegende-Datentypen" data-toc-modified-id="Grundlegende-Datentypen-2.1"><span class="toc-item-num">2.1&nbsp;&nbsp;</span>Grundlegende Datentypen</a></span></li><li><span><a href="#Listen" data-toc-modified-id="Listen-2.2"><span class="toc-item-num">2.2&nbsp;&nbsp;</span>Listen</a></span></li><li><span><a href="#Mengen" data-toc-modified-id="Mengen-2.3"><span class="toc-item-num">2.3&nbsp;&nbsp;</span>Mengen</a></span></li><li><span><a href="#Ranges" data-toc-modified-id="Ranges-2.4"><span class="toc-item-num">2.4&nbsp;&nbsp;</span>Ranges</a></span></li><li><span><a href="#Tupel" data-toc-modified-id="Tupel-2.5"><span class="toc-item-num">2.5&nbsp;&nbsp;</span>Tupel</a></span></li><li><span><a href="#Dictionaries" data-toc-modified-id="Dictionaries-2.6"><span class="toc-item-num">2.6&nbsp;&nbsp;</span>Dictionaries</a></span></li><li><span><a href="#If-Anweisungen" data-toc-modified-id="If-Anweisungen-2.7"><span class="toc-item-num">2.7&nbsp;&nbsp;</span>If-Anweisungen</a></span></li><li><span><a href="#Schleifen" data-toc-modified-id="Schleifen-2.8"><span class="toc-item-num">2.8&nbsp;&nbsp;</span>Schleifen</a></span></li><li><span><a href="#Funktionen" data-toc-modified-id="Funktionen-2.9"><span class="toc-item-num">2.9&nbsp;&nbsp;</span>Funktionen</a></span></li></ul></li><li><span><a href="#----------------Praktisch-für-Python,-aber-nicht-für-unseren-Kurs------------------" data-toc-modified-id="----------------Praktisch-für-Python,-aber-nicht-für-unseren-Kurs-------------------3"><span class="toc-item-num">3&nbsp;&nbsp;</span><font color="red">--------------- Praktisch für Python, aber nicht für unseren Kurs -----------------</font></a></span><ul class="toc-item"><li><span><a href="#Lambda-Funktionen" data-toc-modified-id="Lambda-Funktionen-3.1"><span class="toc-item-num">3.1&nbsp;&nbsp;</span>Lambda-Funktionen</a></span></li><li><span><a href="#List-Comprehensions" data-toc-modified-id="List-Comprehensions-3.2"><span class="toc-item-num">3.2&nbsp;&nbsp;</span>List Comprehensions</a></span></li><li><span><a href="#Klassen" data-toc-modified-id="Klassen-3.3"><span class="toc-item-num">3.3&nbsp;&nbsp;</span>Klassen</a></span></li></ul></li></ul></div>

 %% Cell type:markdown id: tags:

 # Grundlagen Jupyter Notebooks

 Falls Sie im Python-Programmierkurs sind und dies ihr erstes geöffnetes Jupyter Notebook ist: Herzlichen Glückwunsch! :)

 Falls Sie im Python-Programmierkurs sind und dies ihr erstes geöffnetes Jupyter Notebook ist, lesen Sie nur bis bis zum Kapitel "Python.Grundlagen". Danach wechseln Sie zum Notebook [seminar00.ipynb](seminar00.ipynb).

 - Jupyter ist freie Software – ein browserbasiertes Tool für verschiedene Programmiersprachen (wir benutzen Python).
 - Es stellt Quellcode, Visualisierungen, Text und Erklärungen in einem (Web-)Dokument – dem Jupyter Notebook – dar.
 - Notebooks bestehen aus Blöcken bzw. "Zellen".
 - Es gibt zwei Arten von Blöcken: "Code" ist für Python-Code, "Markdown" ist für Texte, die Sie mit Hilfe der [Markdown-Syntax](https://de.wikipedia.org/wiki/Markdown#Auszeichnungsbeispiele) formatieren können.
 - Blöcke können "ausgeführt" werden, dabei wird der Python-Code ausgeführt und Markdown in HTML umgewandelt und angezeigt.
 - Unterhalb eines Blocks mit Quellcode wird der Rückgabewert der letzten Anweisung ausgegeben.
 - Quellcode kann auf mehrere Blöcke aufgeteilt werden (Variablen behalten ihre Gültigkeit/Sichtbarkeit).
 - Sie können auf Text doppelt klicken, um sich den Markdown-Quellcode anzuzeigen. Probieren Sie es mit diesem Text aus.
 - Durch die Tastenkombination "Strg" und "Enter"  oder durch Drücken des "Run"-Buttons oben im Menü kommen Sie wieder in den Lesemodus
 - Wenn Sie mal etwas "kaputtgespielt" haben, hilft es evtl., im "Kernel"-Menü den "Restart"-Eintrag auszuwählen.



 ## Standardbrowser

 Bitte verwenden Sie **nicht** Safari oder Internet Explorer. Auch mit Windows Edge gab es in der Vergangenheit Probleme. Wir empfehlen die Verwendung von Firefox, aber auch Google Chrome lief in der Vergangenheit problemlos. Wenn Sie unsicher sind, was ihr aktueller Standardbrowser ist, folgen Sie einfach der folgenden Anleitung zum Ändern des Standardbrowsers und gehen Sie sicher, dass der richtige Standardbrowser ausgewählt ist.

 ### Anleitungen

 **Änderung des Standardbrowsers in...**

 *macOS:*
 1. Öffnen sie die Systemeinstellungen.
 2. Klicken Sie auf „Allgemein“.
 3. Wählen Sie unter „Standard-Webbrowser“ den gewünschten Browser aus.

 *Ubuntu Linux:*
 1. Öffnen Sie die System Settings.
 2. Klicken Sie auf „Applications“.
 3. Wählen Sie in der linken Spalte „Default Applications“ aus.
 4. Klicken Sie in der Spalte rechts davon auf „Web Browser“.
 5. Wählen Sie „in the following browser:“ aus.
 6. Wählen Sie den gewünschten Browser aus.

 *Windows:*
 1. Öffnen Sie die Systemsteuerung.
 2. Klicken Sie auf „Standardprogramme“.
 3. Klicken Sie auf „Standardprogramme festlegen“.
 4. Klicken Sie in der Liste auf den gewünschten Browser.
 5. Klicken Sie dann auf „Dieses Programm als Standard festlegen“.


 %% Cell type:markdown id: tags:


 ## Shortcuts

 **Bitte probieren Sie alle unten stehenden Befehle und verstehen Sie, was gemacht wird. Das ist die Basis, die Sie für das Arbeiten mit Jupyter Notebooks brauchen.**

 Übersicht: *Menü Help -> Keyboard Shortcuts*

 Wichtigste Shortcuts:

 - *Enter*: Editiermodus für selektierte Zelle (grün umrandet)
 - *Esc*: Editiermodus verlassen/Kommandomodus (blau umrandet)
 - *Strg + Enter*: Selektierte Zelle ausführen
 - *Shift + Enter*: Selektierte Zelle ausführen und in nächste Zelle springen

 Im Editiermodus:
 - *Tab*: Autocomplete oder Einrücken
 - *Shift + Tab*: Einrücken rückwärts

 Im Kommando-/Lesemodus:
 - *B*: Zelle darunter einfügen
 - *A*: Zelle darüber einfügen
 - *DD*: Zelle löschen
 - *M*: Zelltyp Markdown (für formatierte beschreibende Texte, zB diese Zelle)
 - *Y*: Zelltyp Code (Default)

 %% Cell type:code id: tags:

 ``` 
 ```

 %% Cell type:markdown id: tags:


 %% Cell type:markdown id: tags:

 ### Beispiel: Markdown Zelle vs. Code Zelle

 %% Cell type:markdown id: tags:

 Dies ist eine **Markdown Zelle**. Hier kann jeglicher Text geschrieben werden. Durch Strg+Enter wird er in den Lesemodus gebracht, durch ein einfach Enter (oder Doppelklick) in den Editiermodus.

 Hier werden keine Rechnungen ausgeführt, siehe:

 5+3

 In diesen Feldern werden Erklärungen, Aufgabenstellungen und schriftliche Antworten von euch stehen.

 %% Cell type:code id: tags:

 ``` 
 # Das ist eine **Code Zelle**, bei Strg+Enter wird die folgende Rechnung ausgeführt und darunter angezeigt
 # Mit Enter kommt man in den Editiermodus, mit Strg+Enter wird der Code ausgeführt.
 # Der Text kann hier nur stehen, da eine Raute am Anfang der Zeile steht.
 # Dadurch werden diese Zeilen nicht ausgeführt.

 5+3

 # In diesen Zellen wird der Python Code geschrieben, manchmal müssen Sie ihn schreiben,
 # manchmal steht der Code schon dort und muss von Ihnen nur ausgeführt werden.
 ```

 %% Cell type:markdown id: tags:

 # Python-Grundlagen
 - Dynamisch typisierte Sprache
 - Statt geschweifter Klammern für Codeblöcke (Funktionen, Schleifen) wird Code mit vier Leerzeichen (pro Hierarchieebene) eingerückt
 - Die meisten Editoren ersetzen Tab automatisch durch vier Leerzeichen
 - Kommentare beginnen mit Raute #

 %% Cell type:markdown id: tags:

 ## Grundlegende Datentypen
 Zahlentypen (int/float) sind größtenteils äquivalent zu Java. Strings können mit doppelten oder einfachen Anführungszeichen deklariert werden.

 %% Cell type:code id: tags:

 ``` 
 # Variablen definieren

 a = 2*2.0
 b = 5

 # Ausgabe

 print(a + b)

 # Diese Zelle auswählen und mit `<SHIFT> + <ENTER>` ausführen.
 # Der letzte Rückgabewert der Zelle wird dann unten ausgegeben,
 # hier also der Wert von `a+b`:b
 ```

 %% Cell type:markdown id: tags:

 Die grundlegenden Rechenoperationen __`+`, `-`, `*`, `/`__ und __`**`__ sind ebenfalls in Python verfügbar und verhalten sich, wie man es erwartet:

 %% Cell type:code id: tags:

 ``` 
 # äquivalent zu a = a + 1
 a += 1

 print(a)
 ```

 %% Cell type:code id: tags:

 ``` 
 # Potenzieren

 2**4
 ```

 %% Cell type:code id: tags:

 ``` 
 # Division

 2/4
 ```

 %% Cell type:markdown id: tags:

 Es gibt verschiedene Variablentypen:
    - int (Ganzzahl, z.B. 1, 20, 52432432)
    - float (Gleitkommazahl, z.B. 1.423, 1/3, 0.23487235723)
    - str (Zeichenkette, z.B. "Hello World", 'this is a string')
    - bool (Wahrheitswerte, z.B. True, False)


 %% Cell type:code id: tags:

 ``` 


 # Zeichenketten bzw. strings

 text1 = 'Hallo '
 text2 = "Welt"

 print (text1 + text2)

 # Andere Datentypen müssen explizit in Strings konvertiert werden,
 # wenn sie an einen String angehängt werden sollen.
 print(text1 + str(1))

 # oder man muss sie durch Kommata trennen:

 print(text1,1)
 ```

 %% Cell type:code id: tags:

 ``` 
 # Zeichenkette zu float
 float('1')
 ```

 %% Cell type:code id: tags:

 ``` 
 # integer zu float

 float(1)
 ```

 %% Cell type:markdown id: tags:

 *None* entspricht *null* in Java.

 %% Cell type:code id: tags:

 ``` 
 myvar = None
 ```

 %% Cell type:code id: tags:

 ``` 
 print(myvar)
 ```

 %% Cell type:code id: tags:

 ``` 
 if myvar is None:
    print('x ist nicht definiert')
 ```

 %% Cell type:markdown id: tags:

 ## Listen
 Listen werden mit eckigen Klammern oder list() initialisiert.

 %% Cell type:code id: tags:

 ``` 
 l = [1,2,3,3]
 l.append(4)

 print(l)
 ```

 %% Cell type:markdown id: tags:

 Vorsicht bei der Kombination von Listen. append hängt die übergebene Variable als einzelnen Listeneintrag an die Liste an.

 %% Cell type:code id: tags:

 ``` 
 l.append([5, 6])

 print(l)
 ```

 %% Cell type:markdown id: tags:

 Zur Kombination von zwei Listen wird der +-Operator verwendet.

 %% Cell type:code id: tags:

 ``` 
 l2 = l + [5,6]

 print(l2)
 ```

 %% Cell type:markdown id: tags:

 ## Mengen
 Mengen können mit geschweiften Klammern oder set() initialisiert werden.

 %% Cell type:code id: tags:

 ``` 
 s = {1,2,3,3}
 s2 = set([2,3,4,5])

 print(s)
 print(s.intersection(s2))
 ```

 %% Cell type:code id: tags:

 ``` 
 s.add(9)
 s.remove(2)
 s
 ```

 %% Cell type:markdown id: tags:

 Mit list() und set() können die Typen auch ineinander konvertiert werden.

 %% Cell type:code id: tags:

 ``` 
 list(s)
 ```

 %% Cell type:code id: tags:

 ``` 
 set([1,2,3])
 ```

 %% Cell type:markdown id: tags:

 ## Ranges
 Auflistung von Zahlen, werden z.Bsp. für for-Schleifen mit Index verwendet.

 %% Cell type:code id: tags:

 ``` 
 for i in range(5):
    print(i)
 ```

 %% Cell type:markdown id: tags:

 ## Tupel
 Für sortierete Werte mit fester Komponentenanzahl und fester Bedeutung für jeden Eintrag.

 %% Cell type:code id: tags:

 ``` 
 essen = 'Chili'
 preis = 2.51
 boneintrag = (essen, preis)

 print(boneintrag)
 print(boneintrag[0])
 print(boneintrag[1])
 ```

 %% Cell type:code id: tags:

 ``` 
 (essen2, preis2) = boneintrag

 print(essen2)
 print(preis2)
 ```

 %% Cell type:markdown id: tags:

 Klammern können oft weggelassen werden

 %% Cell type:code id: tags:

 ``` 
 boneintrag = essen, preis
 essen2, preis2 = boneintrag

 print(boneintrag)
 print(essen2)
 print(preis2)
 ```

 %% Cell type:markdown id: tags:

 ## Dictionaries
 Äquivalent zu Maps.

 %% Cell type:code id: tags:

 ``` 
 d = {'Chili': 1.90, 'Penne': 2.50}
 ```

 %% Cell type:code id: tags:

 ``` 
 d.keys()
 ```

 %% Cell type:code id: tags:

 ``` 
 d.values()
 ```

 %% Cell type:code id: tags:

 ``` 
 for key, val in d.items():
    print('{}: {}'.format(key, val))
 ```

 %% Cell type:code id: tags:

 ``` 
 d['Chili']
 ```

 %% Cell type:code id: tags:

 ``` 
 d['Burger'] = 4.90
 d
 ```

 %% Cell type:code id: tags:

 ``` 
 del d['Burger']
 d
 ```

 %% Cell type:markdown id: tags:

 ## If-Anweisungen

 %% Cell type:code id: tags:

 ``` 
 if 2>1 or 1>2:
    print ('Bedingung erfüllt.')
 ```

 %% Cell type:code id: tags:

 ``` 
 y = 10
 x = 5 if y > 10 else 4

 print(x)
 ```

 %% Cell type:markdown id: tags:

 ## Schleifen

 %% Cell type:code id: tags:

 ``` 
 x = 5
 while x > 0:
    x -= 1
 x
 ```

 %% Cell type:code id: tags:

 ``` 
 for x in ['a', 'b', 'c']:
    print(x)
 ```

 %% Cell type:markdown id: tags:

 ## Funktionen

 %% Cell type:code id: tags:

 ``` 
 def sum_upto(n):
    return n*(n+1)/2

 sum_upto(4)
 ```

 %% Cell type:markdown id: tags:

 Zur besseren Übersicht (insbesondere bei vielen Parametern) können diese auch namentlich zugewiesen werden.

 %% Cell type:code id: tags:

 ``` 
 sum_upto(n=4)
 ```

 %% Cell type:markdown id: tags:

 Funktionen können *Default-Parameter* haben, d.h. Werte, die von der Funktion als Standardwert verwendet werden (wenn kein anderer Wert übergeben wird). Default-Parameter müssen am Ende der Funktion stehen und übergeben werden.

 %% Cell type:code id: tags:

 ``` 
 def fun_with_default(x=3):
    print('Parameter is {}'.format(x))
 ```

 %% Cell type:code id: tags:

 ``` 
 fun_with_default()
 ```

 %% Cell type:code id: tags:

 ``` 
 fun_with_default(x=4)
 ```

 %% Cell type:markdown id: tags:

 Funktionen können wie Variablen referenziert werden (Pointer auf die Funktion) und zum Beispiel als Parameter übergeben werden.

 %% Cell type:code id: tags:

 ``` 
 def calc_and_print(calc_function, n):
    calc_result = calc_function(n)
    print(calc_result)
 ```

 %% Cell type:code id: tags:

 ``` 
 calc_and_print(sum_upto, 4)
 ```

 %% Cell type:markdown id: tags:

 # <font color='red'>--------------- Praktisch für Python, aber nicht für unseren Kurs -----------------</font>


 %% Cell type:markdown id: tags:

 ## Lambda-Funktionen
 I.d.R. für Inline-Funktionen. Können zum Beispiel an Funktionen als Parameter übergeben oder als Variable deklariert werden. Lambdas enthalten ein einzelnes Statement, dessen Wert automatisch der Rückgabewert ist.

 %% Cell type:code id: tags:

 ``` 
 calc_square = lambda x: x**2
 calc_square(3)
 ```

 %% Cell type:code id: tags:

 ``` 
 calc_and_print(calc_square, 4)
 ```

 %% Cell type:code id: tags:

 ``` 
 calc_and_print(lambda x: x**3, 4)
 ```

 %% Cell type:markdown id: tags:

 ## List Comprehensions

 %% Cell type:code id: tags:

 ``` 
 y = [x**2 for x in range(10)]
 y
 ```

 %% Cell type:code id: tags:

 ``` 
 xy = [(x, x**2) for x in range(10) if x%2 == 0]
 xy
 ```

 %% Cell type:markdown id: tags:

 ## Klassen
 Objekte einer Klasse bekommen bei Methodenaufrufen als ersten Parameter automatisch das *"self"*-Objekt übergeben (vgl. *this* in Java). Dieser Parameter muss also immer auch als erster Parameter einer Klassenmethode übergeben werden.

 %% Cell type:code id: tags:

 ``` 
 class Vehicle():
    # Constructor
    def __init__(self, n_wheels=4, noise='beep'):
        self.n_wheels = n_wheels
        self.noise = noise

    def make_noise(self):
        print(self.noise)
 ```

 %% Cell type:code id: tags:

 ``` 
 basicVehicle = Vehicle()
 basicVehicle.make_noise()
 ```

 %% Cell type:markdown id: tags:

 Properties sind immer von außen sichtbar und lassen sich verändern. Properties, die nicht zur Veränderung gedacht sind, werden nach Konvention durch zwei Unterstriche im Namen gekennzeichnet.

 %% Cell type:code id: tags:

 ``` 
 basicVehicle.n_wheels
 ```

 %% Cell type:markdown id: tags:

 Vererbung ist in Python möglich. In der Regel wird aber Duck-Typing verwendet.

 “When I see a bird that walks like a duck and swims like a duck and quacks like a duck, I call that bird a duck.”

 %% Cell type:code id: tags:

 ``` 
 bike = Vehicle(n_wheels=2, noise='ring')
 bike.make_noise()
 ```

 %% Cell type:code id: tags:

 ``` 
 class Bike(Vehicle):
    def __init__(self):
        self.n_wheels = 2
        self.noise = 'ring'
 ```

 %% Cell type:code id: tags:

 ``` 
 Bike().make_noise()
 ```
+
+%% Cell type:markdown id: tags:
+
+![CC-BY-NC](https://scm.cms.hu-berlin.de/ibi/python/-/raw/master/img/cc-by-nc.png)
+
+Dieses Notebook ist als freies Werk unter der Lizenz [Creative Commons Attribution-NonCommercial 3.0 Unported](http://creativecommons.org/licenses/by-nc/3.0/) verfügbar. Sie dürfen die Inhalte kopieren, verteilen und verändern, solange Sie die Urheber nennen und sie nicht für kommerzielle Zwecke nutzen.

--- a/notebooks/top10000de.txt
+++ b/notebooks/top10000de.txt
--- a/notebooks/uebung_regex.ipynb
+++ b/notebooks/uebung_regex.ipynb
 %% Cell type:markdown id: tags:

 # 12. Übungsblatt

 Mit diesem Python-Code können Sie Ihren regulären Ausdruck testen:

 %% Cell type:code id: tags:

 ``` 
 import re

 """
 Ändern Sie den folgenden regulären Ausdruck, so dass alle
 positiven Muster erkannt werden, aber kein negatives Muster.
 """
 muster = re.compile("Z")
 positive = [
    "rap them",
    "tapeth",
    "apth",
    "wrap/try",
    "sap tray",
    "87ap9th",
    "apothecary"
 ]

 negative = [
    "aleht",
    "happy them",
    "tarpth",
    "Apt",
    "peth",
    "tarreth",
    "ddapdg",
    "apples",
    "shape the"
 ]

 # testen, ob alle positiven Muster richtig erkannt werden
 positive_not_matched = [s for s in positive if not muster.findall(s)]
 if positive_not_matched:
    print("Folgende positiven Muster wurden nicht erkannt:", ", ".join(positive_not_matched))

 # testen, ob keine negativen Muster erkannt werden
 negative_matched = [s for s in negative if muster.findall(s)]
 if negative_matched:
    print("Folgende negativen Muster wurden erkannt:", ", ".join(negative_matched))

 if not positive_not_matched and not negative_matched:
    print("Herzlichen Glückwunsch, Sie haben das richtige Muster gefunden!")
 ```

 %% Cell type:markdown id: tags:

 Nachfolgend noch einige Beispiele zur Verwendung von regulären Ausdrücke mit Python:

 %% Cell type:code id: tags:

 ``` 
 # Funktionen für reguläre Ausdrücke werden im Modul "re" bereitgestellt
 import re

 # die Methode "findall" findet alle Teilzeichenketten in einer Zeichenkette,
 # die auf das angegebene Muster passen
 re.findall("cat|dog", "This sentence contains a dog.")
 ```

 %% Cell type:code id: tags:

 ``` 
 # die Methode "match" testet, ob die gesamte Zeichenkette auf das angegebene Muster passt
 re.match(".*dog\\.", "This sentence contains a dog.")
 ```

 %% Cell type:code id: tags:

 ``` 
 re.match(".*(cat|dog)", "This sentence contains a cat.")
 ```

 %% Cell type:markdown id: tags:

 Mit "match" können wir beispielsweise unsere Ergebnisse für Aufgabe 1 prüfen:

 %% Cell type:code id: tags:

 ``` 
 if re.match("[hc]?at", "cat"):
    print("Wort wurde erkannt")
 else:
    print("Wort wurde nicht erkannt")
 ```

 %% Cell type:markdown id: tags:


 %% Cell type:code id: tags:

 ``` 
 # Es gibt eine umfangreiche eingebaute Hilfe:
 help(re)
 ```

 %% Cell type:code id: tags:

 ``` 
 ```
+
+%% Cell type:markdown id: tags:
+
+![CC-BY-NC](https://scm.cms.hu-berlin.de/ibi/python/-/raw/master/img/cc-by-nc.png)
+
+Dieses Notebook ist als freies Werk unter der Lizenz [Creative Commons Attribution-NonCommercial 3.0 Unported](http://creativecommons.org/licenses/by-nc/3.0/) verfügbar. Sie dürfen die Inhalte kopieren, verteilen und verändern, solange Sie die Urheber nennen und sie nicht für kommerzielle Zwecke nutzen.

 %% Cell type:markdown id: tags:

 # 12. Übungsblatt

 Mit diesem Python-Code können Sie Ihren regulären Ausdruck testen:

 %% Cell type:code id: tags:

 ``` 
 import re

 """
 Ändern Sie den folgenden regulären Ausdruck, so dass alle
 positiven Muster erkannt werden, aber kein negatives Muster.
 """
 muster = re.compile("Z")
 positive = [
    "rap them",
    "tapeth",
    "apth",
    "wrap/try",
    "sap tray",
    "87ap9th",
    "apothecary"
 ]

 negative = [
    "aleht",
    "happy them",
    "tarpth",
    "Apt",
    "peth",
    "tarreth",
    "ddapdg",
    "apples",
    "shape the"
 ]

 # testen, ob alle positiven Muster richtig erkannt werden
 positive_not_matched = [s for s in positive if not muster.findall(s)]
 if positive_not_matched:
    print("Folgende positiven Muster wurden nicht erkannt:", ", ".join(positive_not_matched))

 # testen, ob keine negativen Muster erkannt werden
 negative_matched = [s for s in negative if muster.findall(s)]
 if negative_matched:
    print("Folgende negativen Muster wurden erkannt:", ", ".join(negative_matched))

 if not positive_not_matched and not negative_matched:
    print("Herzlichen Glückwunsch, Sie haben das richtige Muster gefunden!")
 ```

 %% Cell type:markdown id: tags:

 Nachfolgend noch einige Beispiele zur Verwendung von regulären Ausdrücke mit Python:

 %% Cell type:code id: tags:

 ``` 
 # Funktionen für reguläre Ausdrücke werden im Modul "re" bereitgestellt
 import re

 # die Methode "findall" findet alle Teilzeichenketten in einer Zeichenkette,
 # die auf das angegebene Muster passen
 re.findall("cat|dog", "This sentence contains a dog.")
 ```

 %% Cell type:code id: tags:

 ``` 
 # die Methode "match" testet, ob die gesamte Zeichenkette auf das angegebene Muster passt
 re.match(".*dog\\.", "This sentence contains a dog.")
 ```

 %% Cell type:code id: tags:

 ``` 
 re.match(".*(cat|dog)", "This sentence contains a cat.")
 ```

 %% Cell type:markdown id: tags:

 Mit "match" können wir beispielsweise unsere Ergebnisse für Aufgabe 1 prüfen:

 %% Cell type:code id: tags:

 ``` 
 if re.match("[hc]?at", "cat"):
    print("Wort wurde erkannt")
 else:
    print("Wort wurde nicht erkannt")
 ```

 %% Cell type:markdown id: tags:


 %% Cell type:code id: tags:

 ``` 
 # Es gibt eine umfangreiche eingebaute Hilfe:
 help(re)
 ```

 %% Cell type:code id: tags:

 ``` 
 ```
+
+%% Cell type:markdown id: tags:
+
+![CC-BY-NC](https://scm.cms.hu-berlin.de/ibi/python/-/raw/master/img/cc-by-nc.png)
+
+Dieses Notebook ist als freies Werk unter der Lizenz [Creative Commons Attribution-NonCommercial 3.0 Unported](http://creativecommons.org/licenses/by-nc/3.0/) verfügbar. Sie dürfen die Inhalte kopieren, verteilen und verändern, solange Sie die Urheber nennen und sie nicht für kommerzielle Zwecke nutzen.

--- a/programmierspass/Code_Review.ipynb
+++ b/programmierspass/Code_Review.ipynb
--- a/programmierspass/Data_Mining.ipynb
+++ b/programmierspass/Data_Mining.ipynb
--- a/programmierspass/Develop_and_publish_modul.ipynb
+++ b/programmierspass/Develop_and_publish_modul.ipynb
--- a/programmierspass/Kommentare.ipynb
+++ b/programmierspass/Kommentare.ipynb
--- a/programmierspass/Loading_Files.ipynb
+++ b/programmierspass/Loading_Files.ipynb
+%% Cell type:markdown id: tags:
+
+# Handling Different File Formats in Python: Loading and Saving
+
+<br/>
+<br/>
+
+Dieses Notebook finden Sie hier: https://scm.cms.hu-berlin.de/ibi/python/-/blob/master/programmierspass/Loading_Files.ipynb
+
+<br/>
+
+![CC-BY-NC](https://scm.cms.hu-berlin.de/ibi/python/-/raw/master/img/cc-by-nc.png)
+
+Dieses Notebook ist als freies Werk unter der Lizenz [Creative Commons Attribution-NonCommercial 3.0 Unported](http://creativecommons.org/licenses/by-nc/3.0/) verfügbar. Sie dürfen die Inhalte kopieren, verteilen und verändern, solange Sie die Urheber nennen und sie nicht für kommerzielle Zwecke nutzen.
+
+%% Cell type:markdown id: tags:
+
+## Was ist es und worum geht es?
+
+Zur **Analyse von Daten** ist es wichtig, dass **die Daten zunächst in Python geladen** werden, um sie anschließend verarbeiten zu können. Dies kann entweder aus einer lokalen Datei am PC oder direkt von einer Webseite erfolgen. Die erste Herausforderung besteht darin, dass es **viele verschiedene Dateiformate** gibt, die jeweils ihre eigene Struktur und Darstellung haben und dabei ihre Besonderheiten aufweisen.
+
+In diesem Notebook schauen wir uns an, wie man verschiedene Dateiformate in Python lädt und wieder abspeichert.
+
+Folgende Dateiformate werden abgedeckt:
+- csv (Comma-separated values)
+- tsv (Tab-separated values)
+- json (JavaScript Object Notation)
+- html (HyperText Markup Language)
+- xls/xlsx (Excel spreadsheets)
+- xml (Extensible Markup Language)
+- tar/gz (compressed files)
+
+
+
+%% Cell type:markdown id: tags:
+
+### CSV (Comma-separated values) und tsv (Tab-separated values)
+
+
+`csv`- und `tsv`-Dateien sind ähnlich, da sie Textdateien sind, die (in der Regel) strukturierte Daten enthalten, normalerweise in Form von Tabellen. Die Daten sind zeilenweise organisiert, wobei jede Zeile einen separaten Datensatz darstellt, der mehrere Datenfelder enthält, die in Spalten in der Tabelle stehen.
+Die Trennung der Datenfelder erfolgt durch ein besonderes `Trennzeichen`, bei `csv`-Dateien ist dies ein Komma (`,`), bei `tsv`-Dateien ein Tab (`\t`). Theoretisch kann man auch ein anderes Trennzeichen verwenden.
+
+Hinweis: In `csv`-Dateien, die Zahlen im deutschen Format enthalten (d.h. die Dezimalstellen werden durch ein Komma getrennt: `100,00` statt `100.00`), ist das Trennzeichen oft ein Semikolon (`;`) und nicht ein Komma.
+
+Beispiel:
+
+| Stadt                          | Postleitzahl | Fläche (km²) | bev_insg |   bev_m |   bev_w |
+|--------------------------------|--------------|-------------:|---------:|--------:|--------:|
+| Berlin - Stadt                 | 10178        |       891.12 |  3677472 | 1807826 | 1869646 |
+| Hamburg - Freie und Hansestadt | 20038        |       755.09 |  1853935 |  907682 |  946253 |
+| München - Landeshauptstadt     | 80313        |        310.7 |  1487708 |  725594 |  762114 |
+| Köln - Stadt                   | 50667        |       405.01 |  1073096 |  521939 |  551157 |
+| Frankfurt am Main - Stadt      | 60311        |       248.31 |   759224 |  374525 |  384699 |
+
+%% Cell type:code id: tags:
+
+``` 
+import pandas
+
+# top50_german_cities.csv
+# top50_german_cities.tsv
+```
+
+%% Cell type:code id: tags:
+
+``` 
+import csv
+```
+
+%% Cell type:code id: tags:
+
+``` 
+import tsv
+```
+
+%% Cell type:markdown id: tags:
+
+### XLS/XLSX (EXCEL Dateien)
+
+Excel kennt wohl jeder. Keine Einführung notwendig.
+
+%% Cell type:code id: tags:
+
+``` 
+import pandas as pd
+
+# top50_german_cities.xlsx
+```
+
+%% Cell type:markdown id: tags:
+
+###  JSON (JavaScript Object Notation )
+
+`json`-Dateien sind ein weit verbreitetes Format für den Austausch von Daten im Internet. Sie sind eine Form von Textdateien, die Daten in einem lesbaren Format speichern. `json` steht für JavaScript Object Notation und das Format basiert auf JavaScript-Objekten.
+
+Eine `json`-Datei besteht aus Key-Value-Paaren, die miteinander durch Kommas getrennt sind. Die `keys` sind meist Zeichenketten, die in doppelten Anführungszeichen stehen, und die `values` können verschiedene Datentypen sein, wie Zahlen, Strings, Objekte oder Arrays/Listen.
+
+Das JSON-Format ermöglicht es, Daten einfach zu lesen und zu schreiben und es ist ein Standard für den Datenaustausch in vielen Web-API's.
+
+Beispiel (hash/dictionary/object):
+
+
+```
+{
+  "Berlin - Stadt": {
+    "Postleitzahl": 10178,
+    "Fläche (km²)": 891.12,
+    "bev_insg": 3677472,
+    "bev_m": 1807826,
+    "bev_w": 1869646
+  },
+  ...
+}
+
+```
+
+Beispiel (array/list):
+
+```
+[
+  {
+    "Stadt": "Berlin - Stadt",
+    "Postleitzahl": 10178,
+    "Fläche (km²)": 891.12,
+    "bev_insg": 3677472,
+    "bev_m": 1807826,
+    "bev_w": 1869646
+  },
+  ...
+]
+```
+
+%% Cell type:code id: tags:
+
+``` 
+import pandas
+
+# top50_german_cities_array.json
+# top50_german_cities_hash.json
+```
+
+%% Cell type:code id: tags:
+
+``` 
+import json
+```
+
+%% Cell type:markdown id: tags:
+
+### HTML (Hypertext Markup Language)
+
+HTML (Hypertext Markup Language) ist eine Programmiersprache zur Strukturierung von Webseiten.
+Wir schauen uns im Folgenden an, wie man sehr einfach Tabellen aus Webseiten in Python laden kann ohne die Tabelle oder die Webseite herunterzuladen und anschließend schauen wir nochmal auf das allgemeine Laden von html Dateien in Python.
+
+1. HTML-Tabellen in Webseiten:
+https://de.wikipedia.org/wiki/Liste_der_Gro%C3%9Fst%C3%A4dte_in_Deutschland
+
+%% Cell type:code id: tags:
+
+``` 
+import pandas
+
+# https://de.wikipedia.org/wiki/Liste_der_Gro%C3%9Fst%C3%A4dte_in_Deutschland
+```
+
+%% Cell type:markdown id: tags:
+
+2. allgemeine HTML Seiten abrufen und in Python lesen
+
+%% Cell type:code id: tags:
+
+``` 
+import requests
+```
+
+%% Cell type:code id: tags:
+
+``` 
+from bs4 import BeautifulSoup
+```
+
+%% Cell type:markdown id: tags:
+
+XML (Extensible Markup Language) ist eine Programmiersprache zur Beschreibung und Übertragung von Daten. Eine XML-Datei kann Daten in einer hierarchischen Struktur speichern, in der jedes Element ein anderes Element enthalten kann.
+
+Mit Pandas kann man eine XML-Datei lesen, indem man die Methode read_xml() verwendet. Diese Methode kann eine XML-Datei einlesen und in ein Pandas-DataFrame umwandeln. Man muss allerdings angeben, welches Element als Wurzelelement verwendet werden soll, da die XML-Datei sonst nicht richtig eingelesen werden kann.
+
+%% Cell type:markdown id: tags:
+
+### tar/gz (Archivformate)
+
+Tar/gz Dateien sind Archivformate (genauso wie zum Beispiel .zip), die mehrere Dateien in einer einzigen Datei komprimieren und speichern. Diese Archivformate werden oft verwendet, um Daten effizient zu übertragen oder zu sichern, da sie den Speicherplatz sparen und die Übertragungszeit verkürzen.
+
+%% Cell type:code id: tags:
+
+``` 
+import tarfile
+import pandas
+
+# top50_german_cities.tar.gz
+
+with tarfile.open("top50_german_cities.tar.gz", "r:gz") as tar:
+    members = tar.getmembers()
+    for member in members:
+        print(pandas.read_xml(member.name).head(1))
+```
+%% Cell type:markdown id: tags:
+
+# Handling Different File Formats in Python: Loading and Saving
+
+<br/>
+<br/>
+
+Dieses Notebook finden Sie hier: https://scm.cms.hu-berlin.de/ibi/python/-/blob/master/programmierspass/Loading_Files.ipynb
+
+<br/>
+
+![CC-BY-NC](https://scm.cms.hu-berlin.de/ibi/python/-/raw/master/img/cc-by-nc.png)
+
+Dieses Notebook ist als freies Werk unter der Lizenz [Creative Commons Attribution-NonCommercial 3.0 Unported](http://creativecommons.org/licenses/by-nc/3.0/) verfügbar. Sie dürfen die Inhalte kopieren, verteilen und verändern, solange Sie die Urheber nennen und sie nicht für kommerzielle Zwecke nutzen.
+
+%% Cell type:markdown id: tags:
+
+## Was ist es und worum geht es?
+
+Zur **Analyse von Daten** ist es wichtig, dass **die Daten zunächst in Python geladen** werden, um sie anschließend verarbeiten zu können. Dies kann entweder aus einer lokalen Datei am PC oder direkt von einer Webseite erfolgen. Die erste Herausforderung besteht darin, dass es **viele verschiedene Dateiformate** gibt, die jeweils ihre eigene Struktur und Darstellung haben und dabei ihre Besonderheiten aufweisen.
+
+In diesem Notebook schauen wir uns an, wie man verschiedene Dateiformate in Python lädt und wieder abspeichert.
+
+Folgende Dateiformate werden abgedeckt:
+- csv (Comma-separated values)
+- tsv (Tab-separated values)
+- json (JavaScript Object Notation)
+- html (HyperText Markup Language)
+- xls/xlsx (Excel spreadsheets)
+- xml (Extensible Markup Language)
+- tar/gz (compressed files)
+
+
+
+%% Cell type:markdown id: tags:
+
+### CSV (Comma-separated values) und tsv (Tab-separated values)
+
+
+`csv`- und `tsv`-Dateien sind ähnlich, da sie Textdateien sind, die (in der Regel) strukturierte Daten enthalten, normalerweise in Form von Tabellen. Die Daten sind zeilenweise organisiert, wobei jede Zeile einen separaten Datensatz darstellt, der mehrere Datenfelder enthält, die in Spalten in der Tabelle stehen.
+Die Trennung der Datenfelder erfolgt durch ein besonderes `Trennzeichen`, bei `csv`-Dateien ist dies ein Komma (`,`), bei `tsv`-Dateien ein Tab (`\t`). Theoretisch kann man auch ein anderes Trennzeichen verwenden.
+
+Hinweis: In `csv`-Dateien, die Zahlen im deutschen Format enthalten (d.h. die Dezimalstellen werden durch ein Komma getrennt: `100,00` statt `100.00`), ist das Trennzeichen oft ein Semikolon (`;`) und nicht ein Komma.
+
+Beispiel:
+
+| Stadt                          | Postleitzahl | Fläche (km²) | bev_insg |   bev_m |   bev_w |
+|--------------------------------|--------------|-------------:|---------:|--------:|--------:|
+| Berlin - Stadt                 | 10178        |       891.12 |  3677472 | 1807826 | 1869646 |
+| Hamburg - Freie und Hansestadt | 20038        |       755.09 |  1853935 |  907682 |  946253 |
+| München - Landeshauptstadt     | 80313        |        310.7 |  1487708 |  725594 |  762114 |
+| Köln - Stadt                   | 50667        |       405.01 |  1073096 |  521939 |  551157 |
+| Frankfurt am Main - Stadt      | 60311        |       248.31 |   759224 |  374525 |  384699 |
+
+%% Cell type:code id: tags:
+
+``` 
+import pandas
+
+# top50_german_cities.csv
+# top50_german_cities.tsv
+```
+
+%% Cell type:code id: tags:
+
+``` 
+import csv
+```
+
+%% Cell type:code id: tags:
+
+``` 
+import tsv
+```
+
+%% Cell type:markdown id: tags:
+
+### XLS/XLSX (EXCEL Dateien)
+
+Excel kennt wohl jeder. Keine Einführung notwendig.
+
+%% Cell type:code id: tags:
+
+``` 
+import pandas as pd
+
+# top50_german_cities.xlsx
+```
+
+%% Cell type:markdown id: tags:
+
+###  JSON (JavaScript Object Notation )
+
+`json`-Dateien sind ein weit verbreitetes Format für den Austausch von Daten im Internet. Sie sind eine Form von Textdateien, die Daten in einem lesbaren Format speichern. `json` steht für JavaScript Object Notation und das Format basiert auf JavaScript-Objekten.
+
+Eine `json`-Datei besteht aus Key-Value-Paaren, die miteinander durch Kommas getrennt sind. Die `keys` sind meist Zeichenketten, die in doppelten Anführungszeichen stehen, und die `values` können verschiedene Datentypen sein, wie Zahlen, Strings, Objekte oder Arrays/Listen.
+
+Das JSON-Format ermöglicht es, Daten einfach zu lesen und zu schreiben und es ist ein Standard für den Datenaustausch in vielen Web-API's.
+
+Beispiel (hash/dictionary/object):
+
+
+```
+{
+  "Berlin - Stadt": {
+    "Postleitzahl": 10178,
+    "Fläche (km²)": 891.12,
+    "bev_insg": 3677472,
+    "bev_m": 1807826,
+    "bev_w": 1869646
+  },
+  ...
+}
+
+```
+
+Beispiel (array/list):
+
+```
+[
+  {
+    "Stadt": "Berlin - Stadt",
+    "Postleitzahl": 10178,
+    "Fläche (km²)": 891.12,
+    "bev_insg": 3677472,
+    "bev_m": 1807826,
+    "bev_w": 1869646
+  },
+  ...
+]
+```
+
+%% Cell type:code id: tags:
+
+``` 
+import pandas
+
+# top50_german_cities_array.json
+# top50_german_cities_hash.json
+```
+
+%% Cell type:code id: tags:
+
+``` 
+import json
+```
+
+%% Cell type:markdown id: tags:
+
+### HTML (Hypertext Markup Language)
+
+HTML (Hypertext Markup Language) ist eine Programmiersprache zur Strukturierung von Webseiten.
+Wir schauen uns im Folgenden an, wie man sehr einfach Tabellen aus Webseiten in Python laden kann ohne die Tabelle oder die Webseite herunterzuladen und anschließend schauen wir nochmal auf das allgemeine Laden von html Dateien in Python.
+
+1. HTML-Tabellen in Webseiten:
+https://de.wikipedia.org/wiki/Liste_der_Gro%C3%9Fst%C3%A4dte_in_Deutschland
+
+%% Cell type:code id: tags:
+
+``` 
+import pandas
+
+# https://de.wikipedia.org/wiki/Liste_der_Gro%C3%9Fst%C3%A4dte_in_Deutschland
+```
+
+%% Cell type:markdown id: tags:
+
+2. allgemeine HTML Seiten abrufen und in Python lesen
+
+%% Cell type:code id: tags:
+
+``` 
+import requests
+```
+
+%% Cell type:code id: tags:
+
+``` 
+from bs4 import BeautifulSoup
+```
+
+%% Cell type:markdown id: tags:
+
+XML (Extensible Markup Language) ist eine Programmiersprache zur Beschreibung und Übertragung von Daten. Eine XML-Datei kann Daten in einer hierarchischen Struktur speichern, in der jedes Element ein anderes Element enthalten kann.
+
+Mit Pandas kann man eine XML-Datei lesen, indem man die Methode read_xml() verwendet. Diese Methode kann eine XML-Datei einlesen und in ein Pandas-DataFrame umwandeln. Man muss allerdings angeben, welches Element als Wurzelelement verwendet werden soll, da die XML-Datei sonst nicht richtig eingelesen werden kann.
+
+%% Cell type:markdown id: tags:
+
+### tar/gz (Archivformate)
+
+Tar/gz Dateien sind Archivformate (genauso wie zum Beispiel .zip), die mehrere Dateien in einer einzigen Datei komprimieren und speichern. Diese Archivformate werden oft verwendet, um Daten effizient zu übertragen oder zu sichern, da sie den Speicherplatz sparen und die Übertragungszeit verkürzen.
+
+%% Cell type:code id: tags:
+
+``` 
+import tarfile
+import pandas
+
+# top50_german_cities.tar.gz
+
+with tarfile.open("top50_german_cities.tar.gz", "r:gz") as tar:
+    members = tar.getmembers()
+    for member in members:
+        print(pandas.read_xml(member.name).head(1))
+```
--- a/programmierspass/Pygame/.gitkeep
+++ b/programmierspass/Pygame/.gitkeep
--- a/programmierspass/Pygame/Pygame_Uebung.ipynb
+++ b/programmierspass/Pygame/Pygame_Uebung.ipynb
--- a/programmierspass/Pygame/Rectangle.svg
+++ b/programmierspass/Pygame/Rectangle.svg
--- a/programmierspass/Pygame/Spielfeld.svg
+++ b/programmierspass/Pygame/Spielfeld.svg
--- a/programmierspaß/Working_with_excel_spreadsheets.ipynb
+++ b/programmierspaß/Working_with_excel_spreadsheets.ipynb
--- a/programmierspaß/census2010.py
+++ b/programmierspaß/census2010.py
No results found