【正規表現】正規表現のよくある一致パターン

よくあるマッチングパターン

モデル	説明する
\w	文字、数字、アンダースコアと一致します
\W	英数字以外のアンダースコアと一致します
\s	[\t\n\r\f] に相当する任意の空白文字と一致します。
\S	空でない任意の文字と一致します
\d	[0-9] に相当する任意の数値と一致します。
\D	数値以外のすべてに一致します
\A	文字列の先頭と一致する
\Z	文字列の末尾と一致します。改行がある場合は、改行より前の文字列の末尾のみが一致します。
\z	一致文字列の終わり
\G	最後の一致が完了した位置を一致させます
\n	改行文字と一致します
\t	タブ文字と一致する
^	文字列の先頭と一致します
$	文字列の末尾と一致します。
。	改行文字を除く任意の文字と一致します。re.DOTALL フラグを指定すると、改行文字を含む任意の文字と一致します。
[…]	個別にリストされた文字のグループを表すために使用されます: [amk] は、「a」、「m」、または「k」に一致します。
[^…]	[] にない文字: [^abc] は、a、b、c 以外の文字と一致します。
*	0 個以上の式と一致します。
+	1 つ以上の式と一致します。
?	貪欲でない方法で、前の正規表現で定義された 0 または 1 つのフラグメントと一致します。
{n}	n 個前の式と完全に一致します。
{n、m}	前の正規表現で定義されたフラグメントの n ～ m 倍に一致します (貪欲モード)
a\|b	a または b に一致する
( )	括弧内の式と一致し、グループも表します

re.match は文字列の先頭からパターンに一致します

re.match は、 string の先頭からパターンを照合しようとします。先頭で照合が成功しなかった場合、match() は none を返します。概要: ユニバーサルマッチングを使用し、括弧を使用して一致ターゲットを取得し、非貪欲モードを使用し、改行文字がある場合は re.S を使用してみてください。

一般的な一致

import re

content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello.*Demo$', content)
print(result)
print(result.group())
print(result.span())

<re.Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>
Hello 123 4567 World_This is a Regex Demo
(0, 41)

ターゲットを一致させる

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWorld.*Demo$', content)
print(result)
print(result.group(1))
print(result.span())

<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
1234567
(0, 40)

貪欲なマッチング

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$', content)
print(result)
print(result.group(1))

<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
7

貪欲でないマッチング

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*?(\d+).*Demo$', content)
print(result)
print(result.group(1))

<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
1234567

一致パターン

import re

content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content, re.S)	# 可以匹配到换行
print(result.group(1))

1234567

逃げる

import re

content = 'price is $5.00'
result = re.match('price is \$5\.00', content)
print(result)

<re.Match object; span=(0, 14), match='price is $5.00'>

re.search は文字列全体をスキャンし、最初に一致したものを返します。

import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
result = re.match('Hello.*?(\d+).*?Demo', content)
print(result) # None

# 总结：为匹配方便，能用search就不用match
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
result = re.search('Hello.*?(\d+).*?Demo', content)
print(result)
print(result.group(1))

<_sre.SRE_Match object; span=(13, 53), match='Hello 1234567 World_This is a Regex Demo'>
1234567

re.findall は、一致するすべての部分文字列をリスト形式で返します

文字列を検索し、一致するすべての部分文字列をリスト形式で返します。

import re

html = '''<div id="songs-list">
    <h2 class="title">经典老歌</h2>
    <p class="introduction">
        经典老歌列表
    </p>
    <ul id="list" class="list-group">
        <li data-view="2">一路上有你</li>
        <li data-view="7">
            <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="/3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-view="5">
            <a href="/6.mp3" singer="邓丽君">但愿人长久</a>
        </li>
    </ul>
</div>'''
results = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>', html, re.S)
print(results)
for result in results:
    print(result[1])

[('', '一路上有你', ''), ('<a href="/2.mp3" singer="任贤齐">', '沧海一声笑', '</a>'), ('<a href="/3.mp3" singer="齐秦">', '往事随风', '</a>'), ('<a href="/4.mp3" singer="beyond">', '光辉岁月', '</a>'), ('<a href="/5.mp3" singer="陈慧琳">', '记事本', '</a>'), ('<a href="/6.mp3" singer="邓丽君">', '但愿人长久', '</a>')]
一路上有你
沧海一声笑
往事随风
光辉岁月
记事本
但愿人长久

re.sub は、文字列内の一致する各部分文字列を置換し、置換された文字列を返します。

文字列内の一致する各部分文字列を置換した後、置換された文字列を返します。

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('\d+', '', content)
print(content)

# Extra stings Hello  World_This is a Regex Demo Extra stings

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('(\d+)', r'\1 8910', content)
print(content)

# Extra stings Hello 1234567 8910 World_This is a Regex Demo Extra stings

re.compile は正規文字列を正規表現オブジェクトにコンパイルします。

正規文字列を正規表現オブジェクトにコンパイルする

import re

content = '''Hello 1234567 World_This
is a Regex Demo'''
pattern = re.compile('Hello.*Demo', re.S)
result = re.match(pattern, content)
#result = re.match('Hello.*Demo', content, re.S)
print(result)

# <re.Match object; span=(0, 40), match='Hello 1234567 World_This\nis a Regex Demo'>