Pythonにおける正規表現の習得

正規表現（regexまたはregexp）は、文字列内のパターンマッチングのための強力なツールです。Pythonのreモジュールは、正規表現を扱うための包括的なインターフェースを提供し、高度なテキスト操作とデータ抽出を可能にします。このチュートリアルでは、必須の関数と概念を説明し、Pythonプロジェクトで正規表現の力を効果的に活用できるようにします。

目次

1. re.match()：先頭からのマッチング
2. re.search()：最初のマッチングの検索
3. re.compile()：パフォーマンスの最適化
4. フラグ：マッチング動作の変更
5. 文字セット：許容される文字の定義
6. re.sub()による検索と置換
7. re.findall()：すべてのマッチングの抽出
8. re.finditer()：マッチングの反復処理
9. re.split()：パターンによる文字列の分割
10. 基本パターン：アンカー、文字クラス
11. 繰り返し：量子化子と貪欲マッチングと非貪欲マッチング
12. 特殊シーケンス：数字、空白、単語文字
13. re.escape()：特殊文字の処理
14. キャプチャグループとgroup()メソッド

1. re.match()：先頭からのマッチング

re.match()関数は、文字列の先頭でのみパターンにマッチしようとします。成功した場合はマッチオブジェクトを、そうでない場合はNoneを返します。

import re

text = "Hello World"
pattern = "Hello"
match = re.match(pattern, text)

if match:
    print("Match found:", match.group(0))
else:
    print("No match found")

2. re.search()：最初のマッチングの検索

re.search()は、パターンが最初に発生する場所を文字列全体でスキャンします。re.match()とは異なり、先頭でマッチする必要はありません。

import re

text = "Hello World"
pattern = "World"
match = re.search(pattern, text)

if match:
    print("Match found:", match.group(0))
else:
    print("No match found")

3. re.compile()：パフォーマンスの最適化

特に同じパターンを繰り返し使用する場合は、re.compile()を使用してコンパイルすることでパフォーマンスを向上させることができます。これにより、再利用可能なパターンオブジェクトが作成されます。

import re

compiled_pattern = re.compile(r"d+")  # パターンのコンパイル
text1 = "There are 123 apples"
text2 = "And 456 oranges"

match1 = compiled_pattern.search(text1)
match2 = compiled_pattern.search(text2)

print(match1.group(0))  # 出力：123
print(match2.group(0))  # 出力：456

4. フラグ：マッチング動作の変更

フラグはマッチングプロセスを変更します。re.IGNORECASEは大文字と小文字を区別しないマッチングを行い、re.MULTILINEは各行を^と$アンカーに対して個別の文字列として扱います。

import re

text = "Hello world"
pattern = re.compile("hello", re.IGNORECASE)
match = pattern.search(text)
print(match.group(0))  # 出力：Hello

5. 文字セット：許容される文字の定義

文字セット（[]）は、許容される文字を指定します。たとえば、[a-z]は小文字にマッチします。

import re

text = "abc123XYZ"
pattern = re.compile("[a-z]+")
match = pattern.search(text)
print(match.group(0))  # 出力：abc

6. re.sub()による検索と置換

re.sub()は、パターンを置換文字列で置き換えます。

import re

text = "Hello World"
new_text = re.sub("World", "Python", text)
print(new_text)  # 出力：Hello Python

7. re.findall()：すべてのマッチングの抽出

re.findall()は、重複しないすべてのマッチングのリストを返します。

import re

text = "123 abc 456 def"
numbers = re.findall(r"d+", text)
print(numbers)  # 出力：['123', '456']

8. re.finditer()：マッチングの反復処理

re.finditer()は、マッチオブジェクトを生成するイテレータを返します。大規模な文字列内の多数のマッチングに対して、よりメモリ効率が良いです。

import re

text = "123 abc 456 def"
for match in re.finditer(r"d+", text):
    print(match.group(0))  # 出力：123、456（別々の行に）

9. re.split()：パターンによる文字列の分割

re.split()は、パターンに基づいて文字列を分割します。

import re

text = "apple,banana,cherry"
fruits = re.split(r",", text)
print(fruits)  # 出力：['apple', 'banana', 'cherry']

10. 基本パターン：アンカー、文字クラス

• .：改行文字を除く任意の文字にマッチします。
• ^：文字列の先頭にマッチします。
• $：文字列の末尾にマッチします。
• []：文字の集合にマッチします（例：[abc]、[a-z]）。
• [^...]：集合に含まれない任意の文字にマッチします（否定文字集合）。

11. 繰り返し：量子化子と貪欲マッチングと非貪欲マッチング

• *：0回以上の出現。
• +：1回以上の出現。
• ?：0回または1回の出現。
• {m}：正確にm回の出現。
• {m,n}：m回からn回までの出現。
• *?、+?、??、{m,n}?：非貪欲バージョン（最短の文字列にマッチする）。

12. 特殊シーケンス：数字、空白、単語文字

• d：任意の数字（0～9）にマッチします。
• D：任意の数字以外の文字にマッチします。
• s：任意の空白文字（スペース、タブ、改行）にマッチします。
• S：任意の空白文字以外の文字にマッチします。
• w：任意の英数字（文字、数字、アンダースコア）にマッチします。
• W：任意の英数字以外の文字にマッチします。

13. re.escape()：特殊文字の処理

re.escape()は文字列内の特殊文字をエスケープし、意図しない正規表現の解釈なしにリテラルパターンとして使用できるようにします。

14. キャプチャグループとgroup()メソッド

括弧()はキャプチャグループを作成します。group()メソッドは、キャプチャされた部分文字列にアクセスします。

import re

text = "My phone number is 123-456-7890"
match = re.search(r"(d{3})-(d{3})-(d{4})", text)
if match:
    area_code = match.group(1)
    prefix = match.group(2)
    line_number = match.group(3)
    print(f"Area Code: {area_code}, Prefix: {prefix}, Line Number: {line_number}")

このチュートリアルは、Pythonのreモジュールの堅実な基礎を提供します。高度なテクニックのさらなる探求は、文字列処理能力を大幅に向上させます。完全なリファレンスについては、公式のPythonドキュメントを参照してください。