LoginSignup
7
14

More than 3 years have passed since last update.

@mcla

pythonの正規表現

Last updated at Posted at 2020-06-27

目次

正規表現によるパターンマッチングのまとめ
正規表現に用いる記号まとめ
文字集合の短縮形
基本的なパターンマッチの流れ
正規表現に用いる記号を検索する場合は「\」でエスケープする必要がある
複数のパターンとマッチさせる
「?」：直前のパターンが0または1回
「*」：直前のパターンが0回以上
「+」：直前のパターンが1回以上
「{ }」：繰り返し回数を指定する
貪欲マッチと非貪欲マッチ
見つかった全ての文字列を返す：findall()メソッド
「[ ]」：独自に文字列集合を定義する
「^」：文字列の先頭のパターンを指定
「$」：文字列の末尾のパターンを指定
「 . 」：改行以外の任意の1文字
「 .*」：あらゆる文字列とマッチする
ドット文字と改行をマッチさせる：re.DOTALL
大文字・小文字を無視したマッチ：re.IGNORECASE または re.I
文字列を置換する：sub()メソッド
マッチした文字列を、置き換えの一部として使いたい場合
複雑な正規表現を管理する：re.VERBOSE
re.IGNORECASEとre.DOTALLとre.VERBOSEを組み合わせる

正規表現によるパターンマッチングのまとめ

1. import re で正規表現モジュールをインポートする。

※正規表現：regular expression

2. re.compile()関数を呼び出し、Regexオブジェクトを生成する

（raw文字列を使う）
※正規表現では「\」を多用するため、毎回エスケープするのは面倒

3. Regexオブジェクトのメソッドに、検索対象の文字列を渡すと、Matchオブジェクトを返す。

search()メソッド
findall()メソッド ← ※タプルを返す
match()メソッド

4. Matchオブジェクトのメソッドを呼び出し、実際にマッチした文字列を取得する。

group()メソッド

正規表現に用いる記号まとめ

書き方 意味
( ) グルーピング
| 複数のパターンのうちの一つとマッチさせる
? 直前のパターンが0または1回
（ワイルドカード場合は）
* 直前のパターンが0回以上
+ 直前のパターンが1回以上
{ } 繰り返し回数を指定
{3}, {3,5}, {3,} {,5}
^spam 「spam」から始まるパターン
spam$ [spam]で終わるパターン
. 任意の1文字
[abc%] [ ]内の任意の1文字にマッチする
（この例では「a」か「b」か「c」か「%」）
※[ ]の中では通常の正規表現の記号は解釈されない
＝エスケープする必要なし
[^abc] [ ]内の文字以外の任意の1文字にマッチする
（この例では「a」「b」「c」以外）
[a-zA-Z0-9] 小文字と大文字と数字にマッチする

文字集合の短縮形

書き方 意味
\d 0~9の数字
\D 0~9の数字以外
\w 文字、数字
\W 文字、数字以外
\s スペース、タブ、改行
\S スペース、タブ、改行以外

基本的なパターンマッチの流れ

python.py
import re

phone_num_regex=re.compile(r'\d{3}-\d{3}-\d{4}')
mo = phone_num_regex.search('私の電話番号は415-555-4242です。')
mo.group()
result.
'415-555-4242'

グループ毎に取り出すことも可能

python.py
phone_num_regex=re.compile(r'(\d{3})-(\d{3}-\d{4})')
mo = phone_num_regex.search('私の電話番号は415-555-4242です。')
print(mo.group(1))
print(mo.group(2))
print(mo.group())
print(mo.group(0))    # マッチした文字列を返す
print(mo.groups())    # タプルを返す
result.
415
555-4242
415-555-4242
415-555-4242
('415', '555-4242')

正規表現に用いる記号を検索する場合は「\」でエスケープする必要がある

python.py
phone_num_regex=re.compile(r'(\(\d{3}\))(\d{3}-\d{4})')
mo = phone_num_regex.search('私の電話番号は(415)555-4242です。')
print(mo.group())
print(mo.group(1))
result.
(415)555-4242
(415)

複数のパターンとマッチさせる

python.py
hero_regex = re.compile(r'Batman|Tina Fey')
mo1 = hero_regex.search('Batman and Tina Fey.')
print(mo1.group())

mo2 = hero_regex.search('Tina Fey and Batman.')
print(mo2.group())
result.
Batman
Tina Fey
python.py
bat_regex = re.compile(r'Bat(man|mobile|copter|bat)')
mo = bat_regex.search('Batmobile lost a wheel')
print(mo.group())  # マッチした文字列全体
print(mo.group(1)) # １番目の()のグループにマッチした文字列
result.
Batmobile
mobile

「?」：直前のパターンが0または1回

python.py
phone_num_regex=re.compile(r'(\d{3}-)?(\d{3}-\d{4})')
mo1 = phone_num_regex.search('私の電話番号は415-555-4242です。')
print(mo1.group())

mo2 = phone_num_regex.search('私の電話番号は555-4242です。')
print(mo2.group())
result.
415-555-4242
555-4242

「*」：直前のパターンが0回以上

python.py
bat_regex = re.compile(r'Bat(wo)*man')   
mo1 = bat_regex.search('The Adventures of Batwowowowowoman')
mo1.group()
result.
'Batwowowowowoman'

「+」：直前のパターンが1回以上

python.py
bat_regex = re.compile(r'Bat(wo)+man')   
mo1 = bat_regex.search('The Adventures of Batwowowowowoman')
print(mo1.group())

mo2 = bat_regex.search('The Adventures of Batwoman')
print(mo2.group())

mo3 = bat_regex.search('The Adventures of Batman')
print(mo3)
result.
Batwowowowowoman
Batwoman
None

「{ }」：繰り返し回数を指定する

python.py
ha_regex = re.compile(r'(Ha){3,5}')
mo1 = ha_regex.search('HaHaHaHaHa')
print(mo1.group())

mo2 = ha_regex.search('Ha')
print(mo2)
result.
HaHaHaHaHa
None

貪欲マッチと非貪欲マッチ

デフォルトでは貪欲マッチ（最も長いものにマッチする）

繰り返し表現の後ろに「?」をつけることで非貪欲マッチになる

python.py
greedy_ha_regex = re.compile(r'(Ha){3,5}')
mo1 = greedy_ha_regex.search('HaHaHaHaHa')
print(mo1.group())

nongreedy_ha_regex = re.compile(r'(Ha){3,5}?')
mo2 = nongreedy_ha_regex.search('HaHaHaHaHa')
print(mo2.group())
result.
HaHaHaHaHa
HaHaHa

見つかった全ての文字列を返す：findall()メソッド

※search()は最初に見つかった文字列のMatchオブジェクトを返す

グループのない正規表現の場合、findall()はマッチした文字列のリストを返す

python.py
phone_num_regex = re.compile(r'\d{3}-\d{3}-\d{4}')
mo = phone_num_regex.search('Cell: 415-555-9999 Work: 212-555-0000')
print(mo.group())
print(phone_num_regex.findall('Cell: 415-555-9999 Work: 212-555-0000'))
result.
415-555-9999
['415-555-9999', '212-555-0000']

グループのある正規表現の場合、findall()はグループに対応した文字列のタプルのリストを返す

python.py
phone_num_regex = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
phone_num_regex.findall('Cell: 415-555-9999 Work: 212-555-0000')
result.
[('415', '555', '9999'), ('212', '555', '0000')]

「[ ]」：独自に文字列集合を定義する

python.py
vowel_regex = re.compile(r'[aeiouAEIOU]')    # 母音とマッチ
vowel_regex.findall('RoboCop eats baby food.')
result.
['o', 'o', 'o', 'e', 'a', 'a', 'o', 'o']

[ の直後にキャレット（^）をつけると、文字の補集合を表す（＝以外）

python.py
vowel_regex = re.compile(r'[^aeiouAEIOU]')    # 母音意外とマッチ
vowel_regex.findall('RoboCop eats baby food.')
result.
['R', 'b', 'C', 'p', ' ', 't', 's', ' ', 'b', 'b', 'y', ' ', 'f', 'd', '.']

「^」：文字列の先頭のパターンを指定

python.py
begins_with_hello = re.compile(r'^Hello')
print(begins_with_hello.search('Hello world!'))
print(begins_with_hello.search('He said Hello.'))
result.
<re.Match object; span=(0, 5), match='Hello'>
None

「$」：文字列の末尾のパターンを指定

python.py
ends_with_number = re.compile(r'\d$')
ends_with_number.search('Your number is 42')
result.
<re.Match object; span=(16, 17), match='2'>

全体が1文字以上の数字である文字列

python.py
whole_string_is_number = re.compile(r'^\d+$')
print(whole_string_is_number.search('1234567890'))
print(whole_string_is_number.search('12345abc67890'))
print(whole_string_is_number.match('123 4567890'))
result.
<re.Match object; span=(0, 10), match='1234567890'>
None
None

「 . 」：改行以外の任意の1文字

python.py
at_regex = re.compile(r'.at')
at_regex.findall('The cat in the hat sat on the flat mat.')
result.
['cat', 'hat', 'sat', 'lat', 'mat']

「 .*」：あらゆる文字列とマッチする

python.py
name_regex = re.compile(r'First\s*Name:\s*(.*)\s*Last\s*Name:\s*(.*)')
mo = name_regex.search('First Name: Al Last Name: Sweigart')
print(mo.group(1))
print(mo.group(2))
result.
Al 
Sweigart

「 . 」は改行にマッチしない

python.py
no_newline_regex = re.compile(r'.*')
print(no_newline_regex.findall('Serve the public trust.\nProtect the innocent.\nUphold the law.'))

no_newline_regex = re.compile(r'.+')
print(no_newline_regex.findall('Serve the public trust.\nProtect the innocent.\nUphold the law.'))
result.
['Serve the public trust.', '', 'Protect the innocent.', '', 'Uphold the law.', '']
['Serve the public trust.', 'Protect the innocent.', 'Uphold the law.']

貪欲と非貪欲

python.py
nogreedy_regex = re.compile(r'<.*?>') # 非貪欲
mo = nogreedy_regex.search('<To serve man> for dinner.>')
print(mo.group())

greedy_regex = re.compile(r'<.*>') # 貪欲
mo = greedy_regex.search('<To serve man> for dinner.>')
print(mo.group())
result.
<To serve man>
<To serve man> for dinner.>

ドット文字と改行をマッチさせる：re.DOTALL

re.compile()の第2引数として、re.DOTALLを渡すと、ドット文字が改行を含む全ての文字とマッチするようになる

python.py
no_newline_regex = re.compile(r'.*', re.DOTALL)
no_newline_regex.search('Serve the public trust.\nProtect the innocent.\nUphold the law.').group()
result.
'Serve the public trust.\nProtect the innocent.\nUphold the law.'

大文字・小文字を無視したマッチ：re.IGNORECASE または re.I

re.compile()の第2引数として、re.IGNORECASE または re.Iを渡すと、大文字と小文字を区別せずにマッチする

python.py
roboco_regex = re.compile(r'robocop', re.I)
print(roboco_regex.search('Robocop is part man, part machine, all cop.').group())
print(roboco_regex.search('ROBOCOP protects the innocent.').group())
print(roboco_regex.search('Please tell me about the robocop.').group())
result.
Robocop
ROBOCOP
robocop

文字列を置換する：sub()メソッド

sub()メソッドは引数を2つ取る

第1引数：置き換える文字列

第2引数：検索置換対象の文字列

python.py
names_regex = re.compile(r'Agent\s\w+')
names_regex.sub('CENSORED', 'Agent Alice gave the secret documents to Agent Bob.')
result.
'CENSORED gave the secret documents to CENSORED.'

マッチした文字列を、置き換えの一部として使いたい場合

sub()の第1引数に、\1、\2、\3のように、グループの番号を使って記述する

python.py
agent_names_regex = re.compile(r'Agent\s(\w)\w*')
agent_names_regex.sub(r'\1****', 'Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.')
result.
'A**** told C**** that E**** knew B**** was a double agent.'
python.py
agent_names_regex = re.compile(r'Agent\s\w(\w*)')
agent_names_regex.sub(r'*\1', 'Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.')
result.
'*lice told *arol that *ve knew *ob was a double agent.'

複雑な正規表現を管理する：re.VERBOSE

正規表現の文字列中の空白文字やコメントを無視させる

python.py
# 煩雑な正規表現をわかりやすく記述するために、改行やコメントを無視する
# ()の中でもスペースは無視される（\sで書く）
phone_regex = re.compile(r'''(
    (\d{3}|\(\d{3}\))?            # 3桁の市外局番（（）がついていてもOK）
    ( |-|\.)?                     # 区切り（スペースかハイフンかピリオド）
    \d{3}                         # 3桁の市内局番
    (\s|-|\.)                     # 区切り
    \d{4}                         # 4桁の番号
    (\s*(ext|x|ext.)\s*\d{2,5})?  # 2～5桁の内線番号
    )''', re.VERBOSE)

print(phone_regex.findall('111-222-3333, (111)-222 3333, (111) 222.3333'))
result.
[('111-222-3333', '111', '-', '-', '', ''), ('(111)-222 3333', '(111)', '-', ' ', '', ''), ('222.3333', '', '', '.', '', '')]

re.IGNORECASEとre.DOTALLとre.VERBOSEを組み合わせる

re.compile()の第2引数には1つの値しか渡せないので、論理演算子「 | 」を使用する

python.py
some_regex_value = re.compile(r'''
    ^m.*
    ''', re.IGNORECASE | re.DOTALL | re.VERBOSE) 

some_regex_value.match("My name is Ken.\nWhat's your name?")
result.
<re.Match object; span=(0, 33), match="My name is Ken.\nWhat's your name?">
7
14
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
7
14