Python テキスト処理：正規表現で部分文字列を簡単抽出！ re.Match.__getitem__() メソッドの使い方

Python テキスト処理：re.Match.getitem() メソッド解説

re.Match.__getitem__() メソッドは、正規表現モジュール re でマッチオブジェクトから部分文字列を取得するために使用されます。これは、マッチオブジェクトをスライスしたり、グループ名で個々の部分文字列にアクセスしたりするための便利な方法です。

使い方

re.Match.__getitem__() メソッドは、以下の2つの方法で使用できます。

• スライス: マッチオブジェクトをスライスして、部分文字列を取得します。
• グループ名: グループ名で個々の部分文字列を取得します。

スライスを使用するには、re.Match.__getitem__() メソッドにスライスインデックスを渡します。スライスインデックスは、Python の通常のリストスライスと同じように機能します。

import re

text = "Python は素晴らしいプログラミング言語です。"

# マッチオブジェクトを作成
match = re.match(r"(?P<name>\w+) は (?P<adjective>\w+) (?P<language>\w+) 言語です。", text)

# スライスを使用して部分文字列を取得
print(match[0])  # "Python は素晴らしいプログラミング言語です。"
print(match[1])  # "Python"
print(match[2:4])  # ["素晴らしい", "プログラミング"]

グループ名を使用するには、re.Match.__getitem__() メソッドにグループ名を渡します。グループ名は、正規表現パターンで (?P<name>...) のように定義されます。

# グループ名を使用して部分文字列を取得
print(match["name"])  # "Python"
print(match["adjective"])  # "素晴らしい"
print(match["language"])  # "プログラミング"

注意点

• スライスインデックスまたはグループ名が不正な場合、IndexError 例外が発生します。
• グループ名が定義されていない場合、KeyError 例外が発生します。

re.Match.getitem() メソッドのサンプルコード

メールアドレスの抽出

import re

text = "私のメールアドレスは [email protected] です。"

# メールアドレスのパターン
pattern = r"(?P<email>\w+@\w+\.\w+)"

# マッチオブジェクトを作成
match = re.match(pattern, text)

# グループ名を使用してメールアドレスを取得
email = match["email"]

print(email)  # [email protected]

URLの抽出

import re

text = "このサイト https://www.google.com/ は素晴らしいです。"

# URLのパターン
pattern = r"(?P<url>https?://\S+)"

# マッチオブジェクトを作成
match = re.match(pattern, text)

# グループ名を使用してURLを取得
url = match["url"]

print(url)  # https://www.google.com/

数字の抽出

import re

text = "この文章には 123 と 456 という数字が含まれています。"

# 数字のパターン
pattern = r"(?P<number>\d+)"

# マッチオブジェクトを作成
match = re.findall(pattern, text)

# スライスを使用して数字を取得
numbers = match[0:2]

print(numbers)  # ['123', '456']

日付の抽出

import re

text = "今日は 2023 年 12 月 24 日です。"

# 日付のパターン
pattern = r"(?P<year>\d+) 年 (?P<month>\d+) 月 (?P<day>\d+) 日"

# マッチオブジェクトを作成
match = re.match(pattern, text)

# グループ名を使用して日付を取得
date = {
    "year": match["year"],
    "month": match["month"],
    "day": match["day"],
}

print(date)  # {'year': '2023', 'month': '12', 'day': '24'}

時間の抽出

import re

text = "会議は 13 時 30 分から始まります。"

# 時間のパターン
pattern = r"(?P<hour>\d+) 時 (?P<minute>\d+) 分"

# マッチオブジェクトを作成
match = re.match(pattern, text)

# グループ名を使用して時間

re.Match.getitem() 以外の方法

.group() メソッドは、マッチオブジェクト全体または指定されたグループの文字列を取得するために使用されます。

import re

text = "Python は素晴らしいプログラミング言語です。"

# マッチオブジェクトを作成
match = re.match(r"(?P<name>\w+) は (?P<adjective>\w+) (?P<language>\w+) 言語です。", text)

# マッチオブジェクト全体を取得
print(match.group())  # Python は素晴らしいプログラミング言語です。

# グループ名を使用して部分文字列を取得
print(match.group("name"))  # Python
print(match.group("adjective"))  # 素晴らしい
print(match.group("language"))  # プログラミング

.groups() メソッドは、すべてのグループの文字列のタプルを取得するために使用されます。

# すべてのグループの文字列を取得
print(match.groups())  # ('Python', '素晴らしい', 'プログラミング')

.namedgroups() メソッドは、グループ名と文字列の辞書を取得するために使用されます。

# グループ名と文字列の辞書を取得
print(match.namedgroups())  # {'name': 'Python', 'adjective': '素晴らしい', 'language': 'プログラミング'}

for ループを使用して、マッチオブジェクト内のすべての部分文字列を反復処理することができます。

# マッチオブジェクト内のすべての部分文字列を反復処理
for group in match.groups():
    print(group)

# 出力
# Python
# 素晴らしい
# プログラミング

• シンプルな場合は、.group() メソッドを使用するのが最も簡単です。
• 複数のグループを取得する場合は、.groups() メソッドまたは .namedgroups() メソッドを使用するのが効率的です。
• すべての部分文字列を反復処理する必要がある場合は、for ループを使用します。

re.Match.__getitem__() 以外にも、マッチオブジェクトから部分文字列を取得するにはいくつかの方法があります。 状況に合わせて適切な方法を選択してください。