正規表現

文字クラス[]

[abc]

[]テキストと一致するかどうかを確認します.

「a」は正規表現と一致します.「a」があるからです.

「before」は、「b」という文字があるため、通常の式と一致します.

正規表現に一致するアルファベットa、b、cが含まれていないため、dudeは一致しません.

ハイフネーションはFrom-toと表すことができます
ex)[a-c]=[abc],[a-zA-Z]=すべてのアルファベット,[0-5]=[012345]

[]で^を使用すると、逆(not)になります.
ex)[^0-9]=数値以外の文字

共通文字クラス

d:[0-9]と同じ式、数字

D:[^0-9]の式、非数値

s:スペース文字と組み合わせて、スペースを表します.

S:スペース以外の文字と組み合わせて、つまり空白ではありません.

w:アルファベット、数字、式は[a-zA-Z 0-9]と同じ

W:アルファベット、数字、非、式は[^a-zA-Z 0-9]と同じ

Dot(.)

a.b

改行記号(n)以外のすべての文字と組み合わせます.

「abc」は中間の「a」がすべてを表す「a」である.正規式と一致する.

「a 0 b」は、中間文字「0」がすべての文字を表す「.」正規式と一致する.

「abc」と「a」と「b」の間に文字が必要なこの正規表現は一致しないため、一致しません.

繰り返し(*)

ca*t

は、前の文字を0回以上繰り返す式です.

「ct」は「a」を0回繰り返すことで組み合わせる.(0回含む)

「cat」は「a」を1回繰り返すことで組み合わせたものです.

「caaat」は「a」を3回繰り返すことで組み合わせる.

繰り返し(+)

ca+t

は、前の文字が1回以上繰り返される式です.

「ct」は「a」を0回繰り返すため、コーディネートしません.(と*の違い)

「cat」は「a」を1回繰り返すことで組み合わせたものです.

「caaat」は「a」を3回繰り返すことで組み合わせる.

繰り返し{m,n}

ca{2}t

前の字を探すのは2回しか繰り返さない.

「cat」の「a」は一度だけ繰り返して、組み合わせません.

「caat」は「a」から2回繰り返して組み合わせる.

ca{2,5}t

検索前の文字を2～5回繰り返します.

「cat」の「a」は一度だけ繰り返して、組み合わせません.

「caat」は「a」から2回繰り返して組み合わせる.

「caaaat」は「a」を5回繰り返し組み合わせたものです.

繰り返し(?)

ab?c

?検索前の文字は0回または1回繰り返します.

「abc」は「b」で組み合わせたものです.

「ac」は0回「b」で組み合わせる.

正規表現

正規表現をサポートするreモジュールをインポートする必要があります.

import re
p = re.compile('ab*')
m = p.match('python')
print(m)

モードオブジェクト(p)を作成し、他の文字列と比較できます.

モードオブジェクトを使用するには、Match、Search、Finall、Finitterの4つの方法があります.

Match

文字列の先頭が正規表現と一致するかどうかを確認します.

matchオブジェクトには4つの方法(group,start,end,span)がある.

グループ():一致する文字列を返します.

start():一致する文字列の開始位置を返します.

end():一致する文字列の終了位置を返します.

span():一致する文字列に対応する(開始、終了)tupleを返します.

✔mというmatchオブジェクトを生成します.

import re
p = re.compile('[a-z]+')  # 소문자가 1번이상 반복되는지

m = p.match('python3')
print(m)  # 매치된다

m = p.match('3python')
print(m)  # 매치되지 않는다

✔matchオブジェクトの4つの方法

import re
p = re.compile('[a-z]+')
m = p.match('python')
print(m.group())
print(m.start())
print(m.end())
print(m.span())

Search

すべての

文字列を検索し、正規表現と一致するかどうかを調べます.

✔mという検索対象を生成します.

import re
p = re.compile('[a-z]+')
m = p.search('3python')
print(m)

findall

正規式に一致するすべての文字列がリストに返されます.

✔mというfindallオブジェクトを生成します.

import re
p = re.compile('[a-z]+')
m = p.findall('life is too short')
print(m)

finditer

正規表現に一致するすべての文字列を、重複可能な一致オブジェクトとして1つの重複可能なオブジェクトに返します.

「✔m」という名前のfiniterオブジェクトを生成します.

m = p.finditer('life is too short')
print(m)
for x in m:
    print(x)

コンパイルオプション

正規表現をコンパイルする場合は、次のオプションを使用します.

DOTALL, S : . この改行記号(n)を含めて、すべての文字と組み合わせることができます.

IGNORECASE,I:大文字と小文字を問わずコーディネートできます.

MULTILINE,M:複数の線と組み合わせることができます.

VERBOSE、X:verboseモードの使用を許可します.(正規表現の表示が容易になり、コメントなども使用できます.)(長い正規表現を使い分ける.)

普通re.DOTALLオプションは、通常、複数行の文字列でnを検索するために使用されます.

import re
p = re.compile('a.b' , re.DOTALL)
m = p.match('a\nb')
print(m)

✔[a-z]+正規表現は小文字のみを表すが、re.Iオプション、大文字と小文字を区別せずに組み合わせます.

p = re.compile('[a-z]+')
m = p.match('Python')
print(m)

p = re.compile('[a-z]+', re.I)
m = p.match('Python')
print(m)

✔^は文字列の先頭、$は文字列の末尾を表します.

import re
p = re.compile('^python\s\w+')

data = """python one
life is too short
python two
you need python
python three"""

print(p.findall(data))

✔MULTILINE実習-^abは文字列の先頭を常にabで、xy$は文字列の末尾を常にxyで結ぶ必要があります.

import re
p = re.compile('^python\s\w+', re.M)

data = """python one
life is too short
python two
you need python
python three"""

print(p.findall(data))

✔VERBOSE実習

import re
charref = re.compile(r'&[#](0[0-7]+|[0-9]+|x[0-9a-fA-F]+);')

charref = re.compile(r"""
 &[#]                # Start of a numeric entity reference
 (
     0[0-7]+         # Octal form
   | [0-9]+          # Decimal form
   | x[0-9a-fA-F]+   # Hexadecimal form
 )
 ;                   # Trailing semicolon
""", re.VERBOSE)

スラッシュ問題

正規表現におけるr""の意味

多くの場合、正規モードの前にrを加える.Python正規表現にはRaw stringという構文があり、コンパイルする正規表現がRaw String(純文字)であることを示すことができます.

p=reの場合.compile("section")と書くと、sはスペース文字を表す[tnrfv]となり、所望の結果が見つからない.

そのため、このエスケープを利用してsectionと呼べば良いのですが、Pythonでrを特殊に使うと、1つのスラッシュだけで2つ書く効果があります.