Pythonチートシート - 正規表現の使い方一覧

これまで、独習Pythonの内容を参考にチートシートを作成してきました。
今回の正規表現に関するチートシートで一区切りとし、次回からは「Pythonではじめるアルゴリズム入門」、"ML for beginners"の内容の学習記録を再利用性・汎用性の高い情報として纏めてみたいと思います。学習予定・記事を執筆予定の書籍・学習コースは以下の通りです。

正規表現の基礎(compile, search)

正規表現を用いれば文字列や数値型のパターンを定義し、またその中からパターンに合うものを検索できます。電話番号・郵便番号などのデータが正しく入力されているかをチェックし、その情報を抽出したい時に使える機能です。
compileで正規表現を定義、searchで正規表現にマッチした文字列の抽出を行います。

import re

msg ="電話番号は、080-111-9999です。"
ptn = re.compile(r"(\d{2,4})-(\d{2,4})-(\d{4})")

if result := ptn.search(msg):
    #group(0) - マッチした文字列全体
    print(result.group(0))

    #group1移行は、マッチした文字列の部分をそれぞれ表示する
    print(result.group(1))
    print(result.group(2))
    print(result.group(3))
else:
    #msgにマッチする文字列が何もない場合は、何も表示しない
    print("Search did't found the result.")

080-111-9999
080
111
9999

正規表現にマッチした全ての文字を検索(findall, finditer)

findall、finditerを使って、正規表現にマッチした全ての文字列の抽出を行う

msg ="電話番号は、080-111-9999です。携帯は、334-114-1415です。"
ptn = re.compile(r"(\d{2,4})-(\d{2,4})-(\d{4})")

#引っかかった文字列を全て抽出
results = ptn.findall(msg)
for result in results:
    print(result)
    
#引っかかった文字列を全て抽出(Matchオブジェクトとして取得)
results_02 = ptn.finditer(msg)
for result in results_02:
    print(result.group())

('080', '111', '9999')
('334', '114', '1415')
080-111-9999
334-114-1415

Matchオブジェクトを使えば、正規表現に合致したデータに関してより詳細なデータを得ることができます。
例えば電話番号の文字が開始・終了するインデックス、市外局番・市内局番・加入者番号等々の情報を抽出したい時に便利です。

msg ="電話番号は、080-111-9999です。携帯は、334-114-1415です。"
ptn = re.compile(r"(\d{2,4})-(\d{2,4})-(\d{4})")

#引っかかった文字列を全て抽出(Matchオブジェクトとして取得)
results_02 = ptn.finditer(msg)
for result in results_02:
    print(f"開始インデックス：{result.start()}")
    print(f"末尾インデックス：{result.end()}")
    print(f"マッチした文字列、全体：{result.group()}")
    print(f"マッチした文字列、市外局番：{result.group(1)}")
    print(f"マッチした文字列、市内局番：{result.group(2)}")
    print(f"マッチした文字列、加入者番号：{result.group(3)}")

開始インデックス：6
末尾インデックス：18
マッチした文字列、全体：080-111-9999
マッチした文字列、市外局番：080
マッチした文字列、市内局番：111
マッチした文字列、加入者番号：9999
開始インデックス：25
末尾インデックス：37
マッチした文字列、全体：334-114-1415
マッチした文字列、市外局番：334
マッチした文字列、市内局番：114
マッチした文字列、加入者番号：1415

マッチフラグの使い方(re.IGNORECASE)

compileメソッドでは、マッチフラグというマッチング時の挙動を指定できます。例えば、メールアドレス等大文字・小文字を区別せずマッチングしたいデータの場合はre.IGNORECASEを使います。

msg ="仕事のメールアドレスは[e-mail]です。プライベート用は[e-mail]です。"
ptn = re.compile(r"[ a-z 0-9.!#$%&\'*+/=?^_{|}~-]+@[ a-z 0-9-]+(\.[a-z 0-9-]+)*", re.IGNORECASE)

#引っかかった文字列を全て抽出(Matchオブジェクトとして取得)
results = ptn.finditer(msg)
for result in results:
    print(f"開始インデックス：{result.start()}")
    print(f"末尾インデックス：{result.end()}")
    print(f"マッチした文字列、全体：{result.group()}")
    

開始インデックス：11
末尾インデックス：30
マッチした文字列、全体：[e-mail]
開始インデックス：41
末尾インデックス：60
マッチした文字列、全体：[e-mail]

正規表現で文字列を置換(sub)

subメソッドを利用すれば、正規表現にマッチした文字列を置換することができます。
例えば、ハイパーリンクにHTMLのアンカータグを追加したい時に使えます。

msg ="サポートサイトのリンクは、https://www.python.orgです。"
ptn = re.compile(r"http(s)?:///([\w-]*\.)+[\w-]+(/[\w./?%&=-]*)?", re.IGNORECASE)

#文字列を置換
result = ptn.sub( r"<a href ='\g<0>'>\g<0></a>", msg)
print(result)

サポートサイトのリンクは、<a href ='https://www.python.org'>https://www.python.org</a>です。

固定文字列を置き換えるなら、str型のreplaceメソッドでも十分です。

text ="パイソンを使った文字列データです。"
print(text. replace("パイソン", "python")) 

pythonを使った文字列データです。

正規表現で文字列を分割(split)

#文字列を数値型で分割する
msg = "にわに3わうらにわに51わにわとりがいる"
ptn = re.compile(r'\d{1,}わ') 

result = ptn.split(msg) 
print(result)

['にわに', 'うらにわに', 'にわとりがいる']