文字列検索
re.search(pattern, string)
文字列の中から最初に一致する部分を探す
patternの先頭のrはraw stringの意味で、backslashをそのままsearchに渡してくれる。
In [11]: import re
In [12]: str = 'Less but better'
In [13]: match = re.search(r'\s\w\w\w\s',str)
In [14]: print 'found:', match.group()
found: but
一致した文字列がない場合はNoneで返ってくるのでif文でチェックするといい。
str = 'Less but better'
match = re.search(r'\s\w\w\w\s',str)
if match:
print 'found:', match.group()
else:
print 'Not found'
re.findall(pattern, string)
一致したものを全部返す
str = 'He who moves not forward, goes backward.'
matches = re.findall(r'\w{3}', str)
３文字を取り出す。一致した次から検索する。
In [15]: print matches
['who', 'mov', 'not', 'for', 'war', 'goe', 'bac', 'kwa']
単語だけ抜き出したければ下記のようにする。
In [16]: matches = re.findall(r'\w+', str)
In [17]: matches
Out[17]: ['He', 'who', 'moves', 'not', 'forward', 'goes', 'backward']
re.match(pattern, string)
文字列の先頭から正規表現と一致するかしらべる
In [133]: str = 'Information is not knowledge.'
In [134]: match = re.match(r'I',str, re.M|re.I)
In [135]: print match
<_sre.SRE_Match object at 0x0000000018D774A8>
In [136]: print match.group()
I
In [137]: match = re.match(r'i',str)
In [138]: print match
None
正規表現
| 正規表現 | 意味 |
|---|---|
| a,A,9 | 指定した文字に一致するか |
| . | 改行以外の一文字 |
| \w | 文字(a-zA-Z0-9) |
| \W | 文字以外 |
| \s | 空白文字(space,tab,return) |
| \S | 空白文字以外 |
| \d | 数字(0-9) |
| \t | タブ |
| \n | newline |
| \r | return |
| \b | 文字の区切り文字 "xxxx"のダブルクォート。文字を囲んでいるものでないと一致しない |
| ^ | 文字列の先頭 |
| $ | 文字列の最後 |
| \ | 特殊文字のキャンセル |
[ ]
[]は文字セットを表す。[abc]だとa又はb又はcという意味。
繰り返し
| 正規表現 | 意味 |
|---|---|
| * | 0回以上の繰り返し |
| + | 1回以上の繰り返し |
| ? | 0回又は１回の繰り返し |
| {n} | n回の繰り返し |
group
()で囲むとグールプ化でき、一致した部分の一部を取り出すことができる。
str = 'Change before you have to.'
match = re.search(r'(\w+)\s(\w+)\s(\w+)\s(\w+)\s([\w.]+)',str)
if match:
print 'found:', match.group()
else:
print 'Not found'
group() ... 一致した部分
groups() ... グループに分けたもの
group(n) ... n番目のグループを取り出す。一番最初はgroup(1)になる。
In [15]: print match.group()
Change before you have to.
In [16]: print match.groups()
('Change', 'before', 'you', 'have', 'to.')
In [17]: print match.group(1)
Change
findallでgroupを使った場合
In [18]: matches = re.findall(r'(\w+):(\d+)',str)
In [19]: matches
Out[19]: [('aaa', '111'), ('bbbb', '2222'), ('ccccc', '33333')]