Python​/正規表現 のバックアップソース(No.2) :: NJF Wiki

• 差分^[1] を表示
• 現在との差分^[2] を表示
• バックアップ No.2 を復元して編集^[3]
• Python/正規表現^[4] へ行く。

*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。

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。

• Python/正規表現 のバックアップ一覧^[7]
• Python/正規表現 のバックアップソース(No. All)
  • 1: 2016-12-02 (金) 14:15:29^[8] njf^[9]
  • 2: 2016-12-02 (金) 16:02:27 njf^[9]
  • 現: 2017-08-11 (金) 23:32:46^[10] njf^[9]