正規表現 : 乙Py先生のプログラミング教室

今回は文字列の検索をする際に役立つ
正規表現についてです。

解説動画はこちら

正規表現とは

さて正規表現とは何でしょうか？

正規表現は

「いくつかの文字列を一つの形式で

表現するための表現方法」です

メタ文字と呼ばれる記号を用いて

複数の文字列を1つのパターンで

表現していきます。

メタ文字には次のようなものがあります。

. ^ $ * + ? | ( ) [ ]

正規表現のパターンのルールは細かく
一気に覚えるのが大変です。

基本的なものだと
次のようなものがあります。

定義済みの正規表現パターンは
次のようなものがあります。

特定位置の正規表現パターンだと
次のようなものがあります。

これらを組み合わせて
色々な文字列を1つのパターンで表します。

Python言語で正規表現を使う方法

Pythonで正規表現を使うには
reライブラリを用います

ライブラリを読み込み
正規表現パターンを指定して
reライブラリの検索メソッドで
検索対象の文字列からパターンを探します。

import re

pattern = "正規表現パターン"
text = "検索対象の文字列"

re.検索メソッド(pattern , text)

reライブラリの検索メソッドは
結構たくさんあります。

まずはsearchメソッドです。

これは正規表現に当てはまる箇所を
位置で返します。

結果はmatchオブジェクトになるので
この中から、必要なものを取り出す形になります。

import re

pattern = "[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"
text = '私のメールアドレスはotupy@otupy.comです'

# 正規表現に当てはまる箇所を位置で返す
result = re.search(pattern , text)
print(result)
print(result.span())
print(result.group())
print(re.search(pattern , text).group())

<re.Match object; span=(10, 25), match='otupy@otupy.com'>

(10, 25)

otupy@otupy.com

次はfindallメソッドです
これは正規表現に当てはまる部分を
リストで返します。

import re

pattern = "[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"
text = '私のメールアドレスはotupy@otupy.comです'

# 正規表現に当てはまる部分をリストで返す
results = re.findall(pattern , text)
print(results)

['otupy@otupy.com']

次はsubメソッドです
これはパターンに当てはまる部分を
他の文字列に置換することができます。

import re

pattern = "[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"
text = '私のメールアドレスはotupy@otupy.comです'

# 正規表現で文字列を置換する
result = re.sub(pattern , 'mail_address', text)
print(result)

私のメールアドレスはmail_addressです

最後はsplitメソッドです
これはパターンに当てはまる部分で
文字列を分割してリスト化します。

import re

pattern = "[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"
text = '私のメールアドレスはotupy@otupy.comです'

# 正規表現に当てはまる部分で分割する
results = re.split(pattern , text)
print(results)

['私のメールアドレスは', 'です']

reの検索メソッドは、目的に応じて
使い分けるのが良いでしょう。

正規表現のパターンサンプル

ここからは、正規表現の
パターンサンプルを見ていきましょう。

検索メソッドとしては「findall」を主に使用します。

a から始まって z で終わる 3 桁の文字列

pattern = "a.z"
text = 'abz,abc,cbz'

results = re.findall(pattern , text)
print(results)

['abz']

a から始まって z で終わる 3 桁以上の文字列

pattern = "a.+z"
text = 'abz,abc,cbz'

results = re.findall(pattern , text)
print(results)

['abz,abc,cbz']

4 桁の半角数字

pattern = "\d{4}"
text = '123 , 1234 , 23456'

results = re.findall(pattern , text)
print(results)

['1234', '2345']

4 ～ 10 桁の半角数字 (最長一致)

pattern = "\d{4,10}"
text = '123 , 1234 , 23456 , 334455667788'

results = re.findall(pattern , text)
print(results)

['1234', '23456', '3344556677']

桁区切りのカンマ付数字

pattern = "(?:^| )(\d{1,3}((?:,\d{3})*))(?=$| )"
text = '123,456 , 334455667788  1,234'

results = re.findall(pattern , text)
print(results)

[('123,456', ',456'), ('1,234', ',234')]

携帯電話番号

pattern = '[\(]{0,1}[0-9]{2,4}[\)\-\(]{0,1}[0-9]{2,4}[\)\-]{0,1}[0-9]{3,4}'
text = '携帯番号は 090-1234-5678 です 他は090-9876-4321'

results = re.findall(pattern , text)
print(results)

['090-1234-5678', '090-9876-4321']

日付

pattern = "[0-9]{4}\/[0-9]{1,2}\/[0-9]{1,2}"
text = '今日は2022/10/1です 2023/01/31'

results = re.findall(pattern , text)
print(results)

['2022/10/1', '2023/01/31']

pattern = r"[0-9]{4}年[0-9]{2}月[0-9]{2}日"
text = '今日は2022年01月10日です'

results = re.findall(pattern , text)
print(results)

['2022年01月10日']

日付などはちゃんと日付の妥当性も考えると
もう少し複雑なパターンを考える必要が出てきます。

まとめ

正規表現はどんなプログラム言語でも

共通的に使える表現なので覚えておくと便利です。

正規表現を作り込めば

複雑なコードを書かなくても
正規表現で妥当性のチェックを行うことができ
短いコードで良くなります。

ググれば、正規表現の様々なパターンを

探すことができるので
自分の作りたいパターンに似たものを
流用しながら作るのが良いと思います。

覚えるのが少し大変ですが
覚える価値は有るかと思いますね。

今回はここまでです
それでは。

タグ：: プログラミング; Python; 正規表現; 文字列検索