Pythonで複雑な文字列検索や抽出を行いたいときに便利なのが「正規表現(regular expression)」です。
re モジュールを使えば、特定のパターンを持つ文字列を抽出したり、検出したりすることができます。
この記事では、基本的な正規表現の書き方と、それによって得られる マッチオブジェクト(Match object) の使い方、さらに re.search() と re.compile() の違いについて、自分の学習の記録としてまとめてみました。
正規表現を使うには
まずは re モジュールをインポートします。
import re
raw文字列リテラル(r"...")とは?
正規表現では、\d や \s などの バックスラッシュ(\)を含む記号が頻出します。
Pythonでは \ を特殊な意味として解釈してしまうため、正しくパターンを書くためには raw(生)文字列にする必要があります。
print("\n") # 改行になる
print(r"\n") # \ と n をそのまま表示 → \n
このように、正規表現では常に r"..." の形式で書くのが基本です。
{} の意味(繰り返し指定)
中かっこ {} は「直前の文字やパターンの繰り返し回数」を表します。
| パターン | 説明 |
|---|---|
{n} |
ちょうど n 回繰り返す |
{n,} |
n 回以上繰り返す |
{n,m} |
n 回以上 m 回以下繰り返す |
例:
r"\d{3}" # 数字が3桁連続
r"a{2,4}" # aが2〜4回連続
よく使う正規表現パターン一覧
| パターン | 説明 | マッチ例 |
|---|---|---|
. |
任意の1文字 |
"a", "1"
|
\d |
数字(0〜9) |
"1", "9"
|
\w |
単語文字(英数字+_) |
"a", "0", "_"
|
\s |
空白文字(スペース・改行など) |
" ", "\t"
|
^ |
行の先頭 |
^abc → "abc"で始まる |
$ |
行の末尾 |
abc$ → "abc"で終わる |
* |
直前の文字が0回以上 |
a* → "", "a", "aaa"
|
+ |
直前の文字が1回以上 |
a+ → "a", "aa"
|
? |
直前の文字が0回または1回 |
a? → "", "a"
|
[] |
指定文字のいずれか |
[aeiou] → 母音にマッチ |
| ` | ` | OR(または) |
基本的な使い方:re.search()
re.search() は、文字列の中にパターンが存在するかを調べ、最初に見つかったマッチ1つを返します。
import re
text = "My number is 123-4567."
match = re.search(r"\d{3}-\d{4}", text)
if match:
print("Matched:", match.group()) # Matched: 123-4567
マッチオブジェクトの使い方
re.search() がマッチした場合、マッチオブジェクトが返されます。
このオブジェクトには、マッチした文字列やその位置情報が格納されています。
| メソッド | 説明 |
|---|---|
.group() |
マッチした文字列全体 |
.start() |
マッチの開始位置(インデックス) |
.end() |
マッチの終了位置(インデックス) |
.span() |
開始〜終了の範囲をタプルで返す |
text = "My number is 123-4567."
match = re.search(r"\d{3}-\d{4}", text)
if match:
print("group():", match.group()) # 123-4567
print("start():", match.start()) # 13
print("end():", match.end()) # 21
print("span():", match.span()) # (13, 21)
パターンを事前に準備する:re.compile()
同じパターンを何度も使う場合は、re.compile() で事前にコンパイルしておくと効率的です。
pattern = re.compile(r"\d{3}-\d{4}")
text = "Call me at 987-6543."
match = pattern.search(text)
if match:
print(match.group()) # 987-6543
re.search() と re.compile() の違い
| 比較項目 | re.search() |
re.compile() |
|---|---|---|
| 役割 | 文字列の中にマッチするかを調べる | 正規表現パターンを準備・再利用可能にする |
| 呼び方 | re.search(パターン, 文字列) |
re.compile(パターン) → .search() などで使用 |
| 再利用性 | 低い(1回限り) | 高い(複数文字列に繰り返し使える) |
| パターンの管理 | その場で書く | 事前に変数として持つことができる |
使い分けの目安
-
1回だけ検索したい場合 →
re.search()でOK -
同じパターンを何度も使う →
re.compile()を使うとコードがすっきりして効率的
正規表現フラグの使い方
パターンに対してオプションを付けたいときは「フラグ」を指定できます。
| フラグ | 内容 |
|---|---|
re.IGNORECASE / re.I
|
大文字・小文字を区別しない |
re.MULTILINE / re.M
|
^と$が各行に作用 |
re.DOTALL / re.S
|
. が改行にもマッチするようになる |
pattern = re.compile(r"hello", re.IGNORECASE)
print(pattern.search("HELLO there")) # マッチする
まとめ
正規表現は最初は難しく見えますが、よく使う記号と使い方を覚えてしまえば非常に強力なツールになります。
Pythonでは re モジュールを使って簡単に使い始められるので、パターン → 結果 → マッチオブジェクト の流れを意識して慣れていきたいです。
試験では次のようなポイントがよく問われます:
-
\d,\w,.などの基本記号 -
{}での繰り返し指定 -
re.search()/re.compile()の使い分け -
match.group()やmatch.span()の使い方 -
re.IGNORECASEなどのフラグの意味
このまとめを活かして、正規表現に対する苦手意識を少しずつ減らしていきたいです。