#22 Pythonで学ぶ正規表現の基本

はじめに

「特定のパターンに一致する文字列だけを取り出したい」「電話番号やメールアドレスの形式をチェックしたい」。こういった作業を手作業でやろうとすると、if文とfor文だらけの複雑なコードになりがちです。そんなときに役立つのが「正規表現(せいきひょうげん)」です。正規表現とは、文字列のパターンを記号の組み合わせで表現し、それに一致する部分を検索・置換・抽出するための仕組みです。Pythonでは標準ライブラリのreモジュールを使うだけで、正規表現を簡単に扱うことができます。この記事ではPythonでの正規表現の基本を、初心者の方にも分かりやすく解説します。

reモジュールを使う準備

Pythonで正規表現を使うには、まずファイルの先頭でreモジュールをインポートします。

import re

これだけで準備は完了です。外部ライブラリを別途インストールする必要はなく、Pythonをインストールした時点で最初から使える「標準ライブラリ」に含まれているため手軽です。

基本的な検索:search関数とmatch関数

文字列の中にパターンが含まれているかを調べるには、re.search()を使います。

import re

text = "私の電話番号は090-1234-5678です"
result = re.search(r"\d{2,4}-\d{2,4}-\d{4}", text)

if result:
    print("見つかりました:", result.group())
else:
    print("見つかりませんでした")

ここで登場する\dは「数字1文字」を表す記号で、{2,4}は「直前のパターンが2〜4回繰り返される」ことを意味します。つまり\d{2,4}-\d{2,4}-\d{4}は電話番号らしいパターンを表しています。一致した部分はresult.group()で取り出せます。

似た関数にre.match()がありますが、こちらは文字列の先頭からの一致しか調べません。文字列のどこかにパターンが含まれるか調べたい場合はsearch()を使う、と覚えておきましょう。

rの意味:生文字列(raw string)に注意

先ほどのコード例で、パターンの前にrという文字が付いていたことに気づいたでしょうか。これは「生文字列(raw string)」と呼ばれるPython特有の書き方です。通常の文字列では\nが改行として解釈されてしまい、正規表現で使いたい\dや\sのような記号が意図通りに扱われないことがあります。r"..."のように文字列の前にrを付けると、バックスラッシュをそのままの文字として扱ってくれます。正規表現のパターンを書くときは基本的にrを付ける習慣をつけておくと安全です。これは他の言語ではあまり見られないPythonならではの書き方です。

すべての一致を取得する:findall

文字列の中にパターンが複数含まれている場合、それらをすべてリストとして取得したいこともあります。そんなときはre.findall()が便利です。

text = "リンゴ100円、バナナ200円、ミカン150円"
prices = re.findall(r"\d+", text)
print(prices)  # ['100', '200', '150']

\d+の+は「直前のパターンが1回以上連続する」ことを表す記号です。連続する数字のかたまりをすべて拾い出し、リストとして返してくれます。

置換を行う:sub関数

パターンに一致した部分を別の文字列に置き換えたいときはre.sub()を使います。

text = "電話:090-1234-5678"
masked = re.sub(r"\d{4}$", "****", text)
print(masked)  # 電話:090-1234-****

$は「文字列の末尾」を表す記号で、末尾の4桁の数字だけをマスク処理しています。個人情報の一部を隠す際などによく使われる、実務的なテクニックです。

つまずきやすいポイント

まず、パターンに一致しなかった場合、re.search()やre.match()はNoneを返します。この結果を確認せずにresult.group()を呼び出すとエラーになるため、必ずif result:のように一致したかをチェックしましょう。また、.や*、(といった記号は正規表現の中で特別な意味を持ちます。記号そのものを検索したい場合は\.のようにバックスラッシュを付けて「エスケープ」する必要があります。複雑なパターンを一度に書こうとすると読みにくくなりがちなので、小さいパターンから少しずつ組み立てて、都度動作確認しながら進めるのがおすすめです。

まとめ

正規表現は、文字列の検索・抽出・置換を効率的に行うための強力な道具です。Pythonではreモジュールをインポートするだけで使い始められ、search()・findall()・sub()といった基本的な関数を覚えるだけでも、文字列処理がぐっと楽になります。最初は記号の意味を覚えるのが大変かもしれませんが、少しずつ試しながら使えば自然と身につきます。ぜひ自分のプログラムに正規表現を取り入れてみてください。

関連記事

本ページはプロモーションを含みます。

参考書籍(PR)

Pythonをもっと学びたい方には「スッキリわかるPython入門 第2版」がおすすめです。

PR

コードを書かずに自動化したい方へ

「学んだけど自分の作業に組み込む時間がない」という方向けに、ダブルクリックで動くWindows専用の自動化ツールをオーダーメイドで作成しています。気になる方はこちらをご覧ください。

コメント

コメントを投稿

このブログの人気の投稿

#25 Rustで学ぶAI API(ChatGPT等)の呼び出し方の基本

ChatGPTのようなAI(人工知能)の機能を自分のアプリに組み込みたいとき、多くの場合は「AI API」と呼ばれる仕組みを使います。APIとは「Application Programming Interface」の略です。簡単に言えば、「あるサービスの機能を、プログラムから呼び出せるようにした窓口」のことです。この記事では、Rustから外部のAI APIをHTTPリクエストで呼び出す基本的な流れを、初心者向けに解説します。 AI APIを呼び出すとはどういうことか ChatGPTを提供するOpenAI社などは、インターネット経由でAIに質問を送り、回答を受け取れる「AI API」を公開しています。これはWebブラウザで検索するときのように、決まった宛先(URL)にデータを送信し、返ってきた結果を受け取る仕組みです。この「データを送って結果を受け取る」通信方式を、HTTPリクエストと呼びます。Rustのプログラムからこの通信を行うことで、自分のアプリの中でAIに質問し、回答を取得できるようになります。 reqwestクレートを使う Rustには標準でHTTP通信の機能は含まれていません。そこで使うのが「クレート」と呼ばれる外部ライブラリです。クレートはPythonのライブラリやJavaScriptのパッケージに近いもので、 Cargo.toml というファイルに追記するだけで簡単に導入できます。HTTP通信でよく使われるのが reqwest というクレートです。 Cargo.toml に次のように追記します(バージョン番号は執筆時点の例なので、実際に使う際は最新版を確認してください)。 [dependencies] reqwest = { version = "0.11", features = ["json"] } tokio = { version = "1", features = ["full"] } serde_json = "1.0" ここで tokio という見慣れないクレートも一緒に入れています。これは「非同期処理」と呼ばれる、通信の待ち時間の間に他の処理を進められる仕組みを扱うためのものです。ネットワーク通信は結果が返ってくるまで時間...
続きを読む

#8 C++で学ぶ文字列操作の基本

C++の文字列操作は、`std::string`という型を使うのが現代的な基本の書き方です。この記事では、C++における文字列操作の基本と、注意しておきたい落とし穴を解説します。 文字列を連結する std::string greeting = "こんにちは、" + name + "さん"; `std::string`同士であれば、`+`を使った連結がそのまま使えます。既存の文字列に追加する場合は`+=`や`append`メソッドも使えます。 greeting += "。よろしくお願いします。"; よく使う文字列操作 name.length() 文字数を調べる(バイト数であることに注意、後述) name.substr(0, 3) 一部分を取り出す(開始位置と長さを指定) name.find("A") 特定の文字の位置を探す(見つからなければ`std::string::npos`) name.replace(0, 2, "XX") 一部分を置き換える 文字列を数値に変換する 文字列を数値に変換したい場合は`std::stoi`(整数)や`std::stod`(小数)、逆に数値を文字列にしたい場合は`std::to_string`を使います。 int num = std::stoi("123"); std::string s = std::to_string(456); 文字列を分割する C++の標準ライブラリには、他言語の`split`のような文字列分割の関数が長らく用意されていませんでした。`std::stringstream`を使うのが伝統的な方法です。 #include <sstream> std::stringstream ss("a,b,c"); std::string item; while (std::getline(ss, item, ',')) { std::cout << item << std::endl; } C++ならではの注意点 C++には、古くからある`char`の配列を...
続きを読む

#16 TypeScriptで学ぶ辞書型(マップ)の基本

TypeScriptの辞書に相当する仕組みは、JavaScriptと同じですが、キーと値の型をあらかじめ決めておけるのが特徴です。この記事では、TypeScriptにおける辞書の扱い方と、用途別の型の選び方を解説します。 型付きのオブジェクト interface Person { name: string; age: number; } const person: Person = { name: "太郎", age: 20 }; キーの型が決まっていない辞書 キーの名前が事前に決まっていない辞書のような使い方をしたい場合は、次のように書きます。 const scores: { [key: string]: number } = {}; scores["太郎"] = 90; 同じ意味を Record というユーティリティ型で簡潔に書くこともできます。 const scores: Record = {}; Mapを使う場合 const person = new Map (); person.set("name", "太郎"); console.log(person.get("name")); Map<string, string> のように、キーと値それぞれの型を指定できます。 Object と違い、キーの数を person.size で正確に取得できる、キーの型を文字列以外にもできるといった利点があります。 値が存在しないかもしれない場合 キーが実在するとは限らない辞書の場合、値の型に | undefined を含めておくと、より正確な型になります。 const scores: { [key: string]: number | undefined } = {}; const value = scores["三郎"]; // number | undefined 型 こうしておくと、存在しないキーへのアクセスがコンパイル時に見過ごされにくくなります。 存在しないキーへのアクセスを防ぐ tsconfig.json で noUncheckedIndexedAccess を有効にす...
続きを読む