Ad
1: 2016-12-02 (金) 14:15:29 njf ソース バックアップ No.1 を復元して編集 2: 2016-12-02 (金) 16:02:27 njf ソース バックアップ No.2 を復元して編集
Line 1: Line 1:
-*はじめに [#d25f2b03]+*Pythonで正規表現を使う時に全般的な注意事項 [#d25f2b03]
Pythonの正規表現は微妙に他の言語と異なるところがあり、特に2.7系では文字コードの扱いで注意が必要です。 Pythonの正規表現は微妙に他の言語と異なるところがあり、特に2.7系では文字コードの扱いで注意が必要です。
 +
 +まずすべてstr型なら普通に実行されます。
 +
 + import re
 +
 + testStr = "あいうえお"
 +
 + p = re.compile("あ")
 +
 + print p.sub("か",testStr)
 +
 +結果
 + かいうえお
 +
 +次に全てUTF8でもうまくいきます。
 +
 + # -*- coding: utf-8 -*-
 +
 + import re
 +
 + testStr = u"あいうえお"
 +
 + p = re.compile(u"あ")
 +
 + print p.sub(u"か",testStr)
 +
 +結果
 + かいうえお
 +
 +UTF8とstr型を一つにまとめようとするとエラーになります。
 +
 + # -*- coding: utf-8 -*-
 + import re
 +
 + testStr = u"あいうえお"
 +
 + p = re.compile(u"あ")
 +
 + print p.sub("か",testStr)
 +
 +結果
 + Traceback (most recent call last):
 +   File "regExp.py", line 9, in <module>
 +     print p.sub("か",testStr)
 + UnicodeDecodeError: 'ascii' codec can't decode byte 0xe3 in position 0: ordinal not in range(128)
 +
 +UTF8型からstr型を検索したり、またはその逆をすると検索されません。
 +
 + import re
 +
 + testStr = "あいうえお" #str
 +
 + p = re.compile(u"あ")  #UTF8
 +
 + print p.sub("か",testStr)
 +
 +結果
 + あいうえお
 +
 +これはエラーにはならないので、結構見つけにくいバグになることがあります。
 +かならず同じ型でそろえるようにしましょう。
 +日本語があるならUTF8にそろえるのがおすすめです。
 +
 +また正規表現検索のメソッドは基本的にre.compleでオブジェクトを作るのと、reからメソッドを呼び出す方法と二つのやり方で実行できます。
 +
 + import re
 +
 + testStr = u"あいうえお"
 +
 + p = re.compile(u"あ")
 +
 + print p.sub(u"か",testStr)
 +
 + print re.sub(u"あ", u"か", testStr)
 +
 +結果
 + かいうえお
 + かいうえお
 +
 +検索パターンを何度も使い回すなら、コンパイルした方がよいでしょう。
 +パターンも動的に変えるなら、reから呼び出すと便利です。
 +
 +以下では正規表現の基本的な書式は既知のものとし、pythonでの使い方を中心に解説します。
 +
 +*置換 [#l1b0b7a6]
 +
 +置換はすでに上の説明で使った、subとsubnがあります。
 +subは単純な置換、subnは置換した数とのタプルを返します。
 +
 + # -*- coding: utf-8 -*-
 +
 + import re
 +
 + testStr = u"あいあいうえお"
 +
 + p = re.compile(u"あ")
 +
 + print p.sub(u"か",testStr)
 +
 + for n in p.subn( u"か", testStr):
 +     print n
 +
 +結果
 + かいかいうえお
 + かいかいうえお
 + 2
 +
 +()でのグループ化、それを参照するのにも対応。
 +
 + # -*- coding: utf-8 -*-
 +
 + import re
 +
 + testStr = u"あいあいうえお"
 +
 + p = re.compile(u"(.)あ")
 +
 + print p.sub(u'\\1か',testStr)
 +
 +結果
 + あいかいうえお
 +
 +上の例では「あ」の前に文字のあるときだけ、その「あ」を「か」に変更しています。ここでもし「\\1」がないと、2文字が「か」になるため、結果は「あかいうえお」となり、「い」が消えてしまいます。グループが複数あれば「\\2」「\\3」などとして参照できます。
 +
 +*検索 [#u50983a9]
 +
 +pythonの正規表現検索は以下の物があります
 +
 +|メソッド|特長|
 +|match|文字列先頭のみにマッチする。なければNoneを返す。|
 +|search|マッチした場所を返す。なければNoneを返す。|
 +|findall|マッチした部分をリストにして返す。|
 +|finditer|マッチした部分のMatchオブジェクトのイテレーターを返す。|
 +
 +matchとsearchは特に文字列の存在チェックなどによく使います。
 +
 + # -*- coding: utf-8 -*-
 +
 + import re
 +
 + testStr = u"あいうえお"
 +
 + checkStr = u"うえお"
 +
 + if re.search(checkStr, testStr):
 +     print "searched"
 +
 + if re.match(checkStr, testStr):
 +     print "matched"
 +
 +結果
 + searched
 +
 +この例では正規表現がないので、「in」を使ってもよいです。
 +「match」は先頭のみにヒットするので、「search」に比べると使用頻度は少なめです。
 +
 +ヒットした文字列が必要なら「findall」を使います。
 +より詳しい情報が必要なら開始、終了位置などが入ったMatchオブジェクトを返す「finditer」を使います。
 +
 + # -*- coding: utf-8 -*-
 +
 + import re
 +
 + testStr = u"にわにはにわにわとりがいる"
 +
 + checkStr = u"にわ"
 +
 + resultList = re.findall(checkStr,testStr)
 +
 + for r in resultList:
 +     print r
 +
 + print
 +
 + for r in re.finditer(checkStr,testStr):
 +     print r.group() #検索文字列
 +     print r.start(),r.end() #開始位置、終了位置
 +     print r.span() #開始、終了位置のタプル
 +
 +結果
 + にわ
 + にわ
 + にわ
 +
 + にわ
 + 0 2
 + (0, 2)
 + にわ
 + 4 6
 + (4, 6)
 + にわ
 + 6 8
 + (6, 8)
 +
 +*まとめ [#c46f1aa9]
 +
 +検索、置換ともにもう少し機能がありますが、よく使うのはこのあたりです。
 +特に文字コードの扱い、searchとmatchの違いなどではまりやすいので注意が必要です。
 +正規表現の文法は他の言語などで使われるものと同様です。
トップ   編集 差分 バックアップ 添付 複製 名前変更 リロード印刷に適した表示   ページ新規作成 全ページ一覧 単語検索 最新ページの一覧   ヘルプ   最新ページのRSS 1.0 最新ページのRSS 2.0 最新ページのRSS Atom Powered by xpWiki
ぺージ情報
ぺージ名 :Python/正規表現
ページ別名 :未設定
ページ作成 :njf
閲覧可
グループ :すべての訪問者
ユーザー :すべての訪問者
編集可
グループ :すべての訪問者
ユーザー :すべての訪問者
Counter: 3301, today: 1, yesterday: 2

サイト管理: njf

MenuBar
20 最新の0件
広告

ログイン

ユーザー名:


パスワード:





パスワード紛失

Portuguese | English | German | Greek | Japanese | Korean | Russian | T-Chinese top
NJF