pythonで正規表現

pythonで正規表現使うときの為の自分用メモです

種類と用途

re.match(正規表現パターン, 対象文字列):
普通の正規表現サーチ。指定範囲の1部を()で囲んで呼べるのが便利。

re.search(正規表現パターン, 対象文字列):
位置関係なしに指定パターンが出てくるか探してくれる。1つ見つけたら終わりにするのでありなし確認に使う。NGワード探しとかに使うと短く書けて便利。

re.findall(正規表現パターン, 対象文字列):
位置関係なしに指定パターンに該当する文字列を探して見つけた分を全部listにして返してくれる。何回出てくるか分からないときに使うと便利。

re.sub(正規表現パターン, 置き換える文字列, 対象文字列):
置き換えに使う。

返り値の違い

python

import re
result = re.match('([a-z]+)([0-9]*)', 入力文字列)
result = re.search('([a-z]+)([0-9]*)', 入力文字列)
result = re.findall('([a-z]+)([0-9]*)', 入力文字列)

上記のパターンで正規表現サーチをかけた返り値をresultに入れた場合に結果をどうやって取り出すか一覧にしてみました。re.match()、re.search()はオブジェクトが返ってきてresult[0]、result.group()、result.group[0]で該当文字列全体、()で囲んでグループを指定してあればresult[k]またはresult.group[k]でk番目のグループの文字列が受け取れるようです。

re.findall()はresultがlistなのでこっちは分かりやすいですね。

パターンの書き方

文字	説明	マッチする例
.	任意の文字
[0-9]	任意の数字	1, 2, 3, 9, 0
[^0-9]	数字以外	a, う, ｵ, -, z
[a-z]	任意のアルファベット	a, e, h, t, z
\s	任意の空白文字	\t, \n, \r, \f, \v
\w	任意の英数字	a, u, R, 0, -

繰り返しの書き方

文字	説明
*	0回以上の繰り返し (できるだけ長く)
*?	0回以上の繰り返し (できるだけ短く)
+	1回以上の繰り返し (できるだけ長く)
+?	1回以上の繰り返し (できるだけ短く)
{m}	m回繰り返し
{m, n}	m～n回繰り返し

多数回実行するときは先にcompileする

python

textList = ['hoge', 'hoge12', '123hoge', 'hoge123hoge', 'fuga_12345', '123_fuga_456', 'fuga123']
for text in textList:
    result = re.match('.*?[0-9]+', text)

複数回処理するなら下のように1度compileしてから実行した方が早い。

python

repattern = re.compile('.*?[0-9]+')
textList = ['hoge', 'hoge12', '123hoge', 'hoge123hoge', 'fuga_12345', '123_fuga_456', 'fuga123']
for text in textList:
    result = repattern.match(text)