Python3 – 正規表現 – シンタックス

1 文字にマッチするもの
- 1.1 一覧
- 1.2 文字クラス
2 位置にマッチするもの
3 繰り返し
- 3.1 実行例
4 選択演算子(|)
5 グループ(…)
- 5.1 後方参照

文字にマッチするもの

一覧

文字	それぞれの文字にマッチする。Python3ではUnicode文字も対象。
`.`	`'\n'`以外の任意の一文字にマッチする。`re.S`/`re.DOTALL`フラグが設定されると’\n’にもマッチする。
`[...]`	文字クラス。`[]`内に含まれる文字のいずれか一文字マッチする。`'-'`で範囲指定も可能。たとえば`[abc]`は`a`、`b`、`c`にマッチ。`[a-z]`は全ての小文字のアルファベット文字にマッチ。`[abcx-z]`は`a`、`b`、`c`、`x`、`y`、`z`にマッチ。Unicode文字にも対応していて`[０-９]`は全角の数字にマッチ。先頭に`'^'`記号があると、その文字クラス以外の文字列がマッチする。たとえば`[^abc]`は`a`、`b`、`c`以外にマッチする。
`\d`	数字[0-9]にマッチ。Unicode文字の数字も対象となり、全角の数字`[０-９]`なども対象となる。`re.A`/`re.ASCII`フラグが設定されると[0-9]にのみマッチする。バイト列に対しては`[0-9]`と等価。
`\D`	数字以外の文字にマッチ。Unicode文字の数字も除外対象となる。
`\w`	任意のUnicode単語文字にマッチ。あらゆる単語の一部になりうる文字で、文字・数字・アンダースコアが含まれる。re.ASCIIフラグが設定された場合`[a-zA-Z0-9_]`にマッチ。バイト列に対しては[a-zA-Z0-9_]と等価。
`\W`	Unicode単語文字以外の文字にマッチ。
`\s`	任意の空白文字とマッチ。`[ \t\n\r\f\v]`など。
`\S`	空白以外の文字にマッチ。

Pythonの標準エスケープも正規表現で認識される。

\a、\b、\f、\n、\r、\t、\u、\U、\v、\x、\\

ただし\bは単語境界を表し、文字クラス内でのみバックスペース文字を表す。

文字クラス

文字クラスはUnicode文字にも対応。

import re
print(re.findall(r'[あ-ん]', "我考える故に我あり"))
print(re.findall(r'[^あ-ん]', "我考える故に我あり"))
# ['え', 'る', 'に', 'あ', 'り']
# ['我', '考', '故', '我']

import re

print(re.findall(r'[あ-ん]', "我考える故に我あり"))

print(re.findall(r'[^あ-ん]', "我考える故に我あり"))

# ['え', 'る', 'に', 'あ', 'り']

# ['我', '考', '故', '我']

文字クラス内では特殊文字は意味を失い、1つの文字として扱われる。たとえば[(*+)]は'('、'*'、'+'、')'のいずれかとマッチする。

import re
print(re.findall(r'[(*+?)]', "(1+2)*3=9?"))
# ['(', '+', ')', '*', '?']

import re

print(re.findall(r'[(*+?)]', "(1+2)*3=9?"))

# ['(', '+', ')', '*', '?']

'^'と、']'は例外で、'^'は先頭の場合のみ否定の意味でそれ以外の位置では文字'^'を表し、']'は末尾では無視されそれ以外の位置では文字']'を表す。

import re

s = "array[n]=var^2"

print(re.findall(r'[^a]',s))
# ['r', 'r', 'y', '[', 'n', ']', '=', 'v', 'r', '^', '2']
print(re.findall(r'[a^]',s))
# ['a', 'a', 'a', '^']

print(re.findall(r'[[]',s))
# ['[']
print(re.findall(r'[[a]',s))
# ['a', 'a', '[', 'a']

print(re.findall(r'[]]',s))
# [']']
print(re.findall(r'[a]]',s))
# []
print(re.findall(r'[]a]',s))
# ['a', 'a', ']', 'a']

import re

s = "array[n]=var^2"

print(re.findall(r'[^a]',s))

# ['r', 'r', 'y', '[', 'n', ']', '=', 'v', 'r', '^', '2']

print(re.findall(r'[a^]',s))

# ['a', 'a', 'a', '^']

print(re.findall(r'[[]',s))

# ['[']

print(re.findall(r'[[a]',s))

# ['a', 'a', '[', 'a']

print(re.findall(r'[]]',s))

# [']']

print(re.findall(r'[a]]',s))

# []

print(re.findall(r'[]a]',s))

# ['a', 'a', ']', 'a']

位置にマッチするもの

一覧

`^`	文字列の先頭にマッチする。たとえば`'^A'`は先頭の文字が`'A'`であることを示す。デフォルトでは文字列全体の先頭だけにマッチするが、`re.MULTILINE`が指定されていれば、各改行の前にもマッチする。
`$`	文字列の末尾にマッチする。たとえば`’Z$'`は末尾の文字が`'Z'`であることを示す。デフォルトでは文字列全体の末尾だけにマッチするが、`re.MULTILINE`が指定されていれば、各改行の後にもマッチする。
\b	単語境界にマッチする。単語境界は`[^a-zA-Z0-9]`。

MULTILINE

re.MULTILINEフラグ指定の有無による動作の違いを確認する。

import re

s1 = "Some people feel the rain.\nOthers just get wet."

s2 = """Love the life you live.
Live the life you love."""

print(re.findall(r'^.+', s1))
print(re.findall(r'.+$', s1))
# ['Some people feel the rain.']
# ['Others just get wet.']

print(re.findall(r'^.+', s2))
print(re.findall(r'.+$', s2))
# ['Love the life you live.']
# ['Live the life you love.']

print(re.findall(r'^.+', s1, flags=re.MULTILINE))
print(re.findall(r'.+$', s1, flags=re.MULTILINE))
# ['Some people feel the rain.', 'Others just get wet.']
# ['Some people feel the rain.', 'Others just get wet.']

print(re.findall(r'^.+', s2, flags=re.MULTILINE))
print(re.findall(r'.+$', s2, flags=re.MULTILINE))
# ['Love the life you live.', 'Live the life you love.']
# ['Love the life you live.', 'Live the life you love.']

import re

s1 = "Some people feel the rain.\nOthers just get wet."

s2 = """Love the life you live.

Live the life you love."""

print(re.findall(r'^.+', s1))

print(re.findall(r'.+$', s1))

# ['Some people feel the rain.']

# ['Others just get wet.']

print(re.findall(r'^.+', s2))

print(re.findall(r'.+$', s2))

# ['Love the life you live.']

# ['Live the life you love.']

print(re.findall(r'^.+', s1, flags=re.MULTILINE))

print(re.findall(r'.+$', s1, flags=re.MULTILINE))

# ['Some people feel the rain.', 'Others just get wet.']

print(re.findall(r'^.+', s2, flags=re.MULTILINE))

print(re.findall(r'.+$', s2, flags=re.MULTILINE))

# ['Love the life you live.', 'Live the life you love.']

\b – 文字列境界

文字列境界が[^a-zA-Z0-9]であることが、以下の例で分かる。

import re
[print(match) for match in re.finditer(r'\bab\b', "ab_ab0ab ab-ab,ab;ab(ab)")]
# <_sre.SRE_Match object; span=(9, 11), match='ab'>
# <_sre.SRE_Match object; span=(12, 14), match='ab'>
# <_sre.SRE_Match object; span=(15, 17), match='ab'>
# <_sre.SRE_Match object; span=(18, 20), match='ab'>
#<_sre.SRE_Match object; span=(21, 23), match='ab'>

import re

[print(match) for match in re.finditer(r'\bab\b', "ab_ab0ab ab-ab,ab;ab(ab)")]

# <_sre.SRE_Match object; span=(9, 11), match='ab'>

# <_sre.SRE_Match object; span=(12, 14), match='ab'>

# <_sre.SRE_Match object; span=(15, 17), match='ab'>

# <_sre.SRE_Match object; span=(18, 20), match='ab'>

#<_sre.SRE_Match object; span=(21, 23), match='ab'>

繰り返し

`*`	直前の文字の0回以上でできるだけ多くの繰り返し。`'ab*'`は`abbc`に対して`a`や`ab`ではなく`abb`としてマッチする。
`+`	直前の文字の1回以上でできるだけ多くの繰り返し。`'ab+'`は`abbbc`に対して`ab`や`abb`ではなく`abbb`としてマッチする。`'ab?'`は`abb...`に対して`ab`としてマッチする。
`?`	直前の文字が0個か1個でできるだけ多くの場合にマッチ。
`{m}`	直前の文字の`m`回の繰り返し。
`{m,n}`	直前の文字の`m`回以上`n`回以下でできるだけ多くの繰り返し。
`{m,}`	直前の文字の`m`回以上でできるだけ多くの繰り返し。
`{,n}`	直前の文字のn回以下でできるだけ多くの繰り返し。

実行例

import re

print(re.findall(r'a*', "a aa aaa"))
# ['a', '', 'aa', '', 'aaa', '']

print(re.findall(r'a+', "a aa aaa"))
# ['a', 'aa', 'aaa']

print(re.findall(r'aa?', "a aa aaa"))
# ['a', 'aa', 'aa', 'a']

print(re.findall(r'a{2}', "a aa aaa aaaa"))
# ['aa', 'aa', 'aa', 'aa']

print(re.findall(r'a{2,3}', "a aa aaa aaaa"))
# ['aa', 'aaa', 'aaa']

print(re.findall(r'a{2,}', "a aa aaa aaaa"))
# ['aa', 'aaa', 'aaaa']

print(re.findall(r'a{,3}', "a aa aaa aaaa"))
# ['a', '', 'aa', '', 'aaa', '', 'aaa', 'a', '']

import re

print(re.findall(r'a*', "a aa aaa"))

# ['a', '', 'aa', '', 'aaa', '']

print(re.findall(r'a+', "a aa aaa"))

# ['a', 'aa', 'aaa']

print(re.findall(r'aa?', "a aa aaa"))

# ['a', 'aa', 'aa', 'a']

print(re.findall(r'a{2}', "a aa aaa aaaa"))

# ['aa', 'aa', 'aa', 'aa']

print(re.findall(r'a{2,3}', "a aa aaa aaaa"))

# ['aa', 'aaa', 'aaa']

print(re.findall(r'a{2,}', "a aa aaa aaaa"))

# ['aa', 'aaa', 'aaaa']

print(re.findall(r'a{,3}', "a aa aaa aaaa"))

# ['a', '', 'aa', '', 'aaa', '', 'aaa', 'a', '']

'a*'は長さ0の文字列にもマッチする。マッチした文字列の直後の空文字列にマッチすることが、以下の例でもわかる。

print(re.findall(r'c*', "abbcccdddd"))
# ['', '', '', 'ccc', '', '', '', '', '']

1 2	print(re.findall(r'c*', "abbcccdddd")) # ['', '', '', 'ccc', '', '', '', '', '']

'aa?'はaとaaにマッチするが、最後のaaaに対しては、先頭のaaにマッチした後、残ったaにマッチしている。

'a{2}'は先頭からaaにマッチしていき、最後のaaaaには2回マッチしている。

'a{,3}'は各マッチの後の長さ0の文字列にもマッチしていて、最後のaaaaに対しては先頭のaaaにマッチした後、残ったaにマッチしている。

選択演算子(|)

'|'で区切られた要素のどれかとマッチすればよいことを表す。

import re

print(re.findall(r"bi|di", r"bibbidi bobbidi boo"))
# ['bi', 'bi', 'di', 'bi', 'di']

import re

print(re.findall(r"bi|di", r"bibbidi bobbidi boo"))

# ['bi', 'bi', 'di', 'bi', 'di']

注意点としては、'|'で区切られた要素の左から右へマッチング評価され、ある要素がマッチしたと評価されると、その部分列に対してそれ以降の要素の評価は行われない。

import re

print(re.findall(r"aa|aaaa", r"a,aa,aaa,aaaa"))
# ['aa', 'aa', 'aa', 'aa']
# 先に'aa'で評価されると'aaaa'で評価されない

print(re.findall(r"aaaa|aa", r"a,aa,aaa,aaaa"))
# ['aa', 'aa', 'aaaa']

import re

print(re.findall(r"aa|aaaa", r"a,aa,aaa,aaaa"))

# ['aa', 'aa', 'aa', 'aa']

# 先に'aa'で評価されると'aaaa'で評価されない

print(re.findall(r"aaaa|aa", r"a,aa,aaa,aaaa"))

# ['aa', 'aa', 'aaaa']

グループ(…)

()で囲んだ要素はグループ化されて、1つの文字と同じ様に扱われる。たとえば次の例では、'Aa'というパターンを1つのグループとして、それが繰り返される回数でマッチングさせている。

import re

def match_list(ptn, s, flags=0):
    return [a.group() for a in re.finditer(ptn, s, flags)]

print(match_list(r"(Aa)+", r"Aa-AaAa-AaAaAa"))
print(match_list(r"(Aa){2}", r"Aa-AaAa-AaAaAa"))

# ['Aa', 'AaAa', 'AaAaAa']
# ['AaAa', 'AaAa']

import re

def match_list(ptn, s, flags=0):

return [a.group() for a in re.finditer(ptn, s, flags)]

print(match_list(r"(Aa)+", r"Aa-AaAa-AaAaAa"))

print(match_list(r"(Aa){2}", r"Aa-AaAa-AaAaAa"))

# ['Aa', 'AaAa', 'AaAaAa']

# ['AaAa', 'AaAa']

後方参照

()囲った部分には、先頭から順番に番号nがふられて、そのあとで'\n'のようにマッチした内容を再利用できる。

import re
print(re.search(r'\d{3}-(\d{4})-\1', "090-1234-5678"))
# None
print(re.search(r'\d{3}-(\d{4})-\1', "090-1234-1234"))
# <_sre.SRE_Match object; span=(0, 13), match='090-1234-1234'>

import re

print(re.search(r'\d{3}-(\d{4})-\1', "090-1234-5678"))

# None

print(re.search(r'\d{3}-(\d{4})-\1', "090-1234-1234"))

# <_sre.SRE_Match object; span=(0, 13), match='090-1234-1234'>

TauStation

Python3 – 正規表現 – シンタックス

文字にマッチするもの

一覧

文字クラス

位置にマッチするもの

一覧

MULTILINE

\b – 文字列境界

繰り返し

実行例

選択演算子(|)

グループ(…)

後方参照

コメントを残すコメントをキャンセル

文字にマッチするもの

一覧

文字クラス

位置にマッチするもの

一覧

MULTILINE

\b – 文字列境界

繰り返し

実行例

選択演算子(|)

グループ(…)

後方参照

コメントを残す コメントをキャンセル

コメントを残すコメントをキャンセル