Python テキスト処理：re.Match.groups() とその他のグループ化機能の比較

Python テキスト処理：re.Match.groups() の詳細解説

re.Match.groups() は Python のテキスト処理モジュール re で使用される関数で、正規表現パターンにマッチした部分文字列を取得します。

使い方

re.Match.groups() は、re.match() や re.search() などの正規表現検索関数によって返される Match オブジェクトに対して呼び出します。

import re

text = "This is a string with a number 1234 and a word Python."

# 正規表現パターン
pattern = r"\d+|\w+"

# Matchオブジェクトを取得
match = re.search(pattern, text)

# マッチした部分文字列をグループとして取得
groups = match.groups()

# 結果を出力
print(groups)

このコードは、以下の結果を出力します。

('1234', 'Python')

グループ

正規表現パターン内で括弧 () を使用すると、その部分文字列がグループとして抽出されます。

pattern = r"(\d+) (\w+)"

match = re.search(pattern, text)

groups = match.groups()

print(groups)

このコードは、以下の結果を出力します。

('1234', 'Python')

詳細

• re.Match.groups() は、マッチした部分文字列をタプルとして返します。
• グループ番号を指定することで、特定のグループの文字列を取得できます。
• グループ名を使用している場合は、グループ名で文字列を取得できます。
• デフォルトでは、すべてのグループが返されます。
• 空のグループは、空の文字列 '' として返されます。

例

• 特定のグループの文字列を取得する

group_number = 1

# グループ番号を指定して文字列を取得
group_string = match.group(group_number)

print(group_string)

• グループ名で文字列を取得する

group_name = "number"

# グループ名で文字列を取得
group_string = match.group(group_name)

print(group_string)

• 空のグループ

pattern = r"(a)(\d+)(b)"

text = "ab"

match = re.search(pattern, text)

groups = match.groups()

print(groups)

このコードは、以下の結果を出力します。

('', '', '')

• re.Match.groups() は、テキスト処理において非常に便利な関数です。
• 正規表現パターンを理解することで、より複雑なテキスト処理を行うことができます。
• 上記の例を参考に、さまざまなテキスト処理を試してみてください。

Python テキスト処理：re.Match.groups() サンプルコード集

import re

text = "This is a string with a number 1234 and a word Python."

# 数字と文字列を抽出するパターン
pattern = r"\d+|\w+"

# Matchオブジェクトを取得
match = re.search(pattern, text)

# マッチした部分文字列をグループとして取得
groups = match.groups()

# 結果を出力
print(groups)

出力:

('1234', 'Python')

メールアドレスを抽出する

import re

text = "My email address is [email protected] and yours is [email protected]."

# メールアドレス抽出パターン
pattern = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"

# Matchオブジェクトを取得
match = re.search(pattern, text)

# マッチした部分文字列をグループとして取得
groups = match.groups()

# 結果を出力
print(groups)

出力:

('[email protected]', '[email protected]')

URLを抽出する

import re

text = "This website has a URL https://www.example.com and another https://google.com."

# URL抽出パターン
pattern = r"https?://[a-zA-Z0-9-_.]+\.[a-zA-Z0-9-_.]+"

# Matchオブジェクトを取得
match = re.search(pattern, text)

# マッチした部分文字列をグループとして取得
groups = match.groups()

# 結果を出力
print(groups)

出力:

('https://www.example.com', 'https://google.com')

日付を抽出する

import re

text = "The meeting will be held on 2023-12-25 and the deadline is 2024-01-01."

# 日付抽出パターン
pattern = r"\d{4}-\d{1,2}-\d{1,2}"

# Matchオブジェクトを取得
match = re.search(pattern, text)

# マッチした部分文字列をグループとして取得
groups = match.groups()

# 結果を出力
print(groups)

出力:

('2023-12-25', '2024-01-01')

時間を抽出する

import re

text = "The meeting starts at 10:00 AM and ends at 3:00 PM."

# 時間抽出パターン
pattern = r"\d{1,2}:\d{2} (AM|PM)"

# Matchオブジェクトを取得
match = re.search(pattern, text)

# マッチした部分文字列をグループとして取得
groups = match.groups()

# 結果を出力
print(groups)

出力:

('10:00', 'AM', '3:00', 'PM')

電話番号を抽出する

import re

text = "My phone number is 03-1234-5678 and yours is 090-9876-5432."

# 電話番号抽出パターン
pattern = r"(\d{2,3})-(\d{4})-(\d{4})"

# Matchオブジェクトを取得
match = re.search(pattern, text)

# マッチした部分文字列をグループとして取得
groups = match.groups()

# 結果を出力
print(groups)

出力:

('03', '1234', '5678', '090', '9876', '5432')

郵便番号を抽出する

import re

text = "My zip code is 123-4567 and yours is 890-1234."

# 郵便番号抽出パターン
pattern = r"\d{3}-\d{4}"

# Matchオブジェクトを取得
match = re.search(pattern, text)

# マッチした部分文字列をグループとして取得
groups = match.groups()

# 結果を出力
print(groups

Python テキスト処理：re.Match.groups() の代替方法

re.findall() は、正規表現パターンにマッチしたすべての部分文字列をリストとして返します。

import re

text = "This is a string with a number 1234 and a word Python."

# 数字と文字列を抽出するパターン
pattern = r"\d+|\w+"

# マッチした部分文字列のリストを取得
groups = re.findall(pattern, text)

# 結果を出力
print(groups)

出力:

['1234', 'Python']

**2. re.sub()

re.sub() は、正規表現パターンにマッチした部分文字列を置換文字列で置き換えます。

import re

text = "This is a string with a number 1234 and a word Python."

# 数字と文字列を抽出するパターン
pattern = r"\d+|\w+"

# マッチした部分文字列を置換
replaced_text = re.sub(pattern, "**", text)

# 結果を出力
print(replaced_text)

出力:

This is a string with a number ** and a word **.

手動で抽出

単純なパターンであれば、手動で部分文字列を抽出することも可能です。

text = "This is a string with a number 1234 and a word Python."

# 数字と文字列を抽出
number = text.split(" ")[3]
word = text.split(" ")[5]

# 結果を出力
print(number, word)

出力:

1234 Python

パーサーライブラリ

lxml などのパーサーライブラリを使用すれば、より複雑な構造のテキストから部分文字列を抽出することができます。

from lxml import etree

text = """
<html>
<head>
<title>This is a title</title>
</head>
<body>
This is a string with a number 1234 and a word Python.
</body>
</html>
"""

# HTMLをパース
root = etree.fromstring(text)

# タイトルを取得
title = root.find("head/title").text

# 数字と文字列を取得
number = root.find("body").text.split(" ")[3]
word = root.find("body").text.split(" ")[5]

# 結果を出力
print(title, number, word)

出力:

This is a title 1234 Python

方法の選択

どの方法を使用するかは、以下の要素を考慮する必要があります。

• パターン
• テキストの構造
• 処理速度
• コードの簡潔さ

re.Match.groups() 以外にも、さまざまな方法でテキスト処理を行うことができます。それぞれの方法の特徴を理解し、状況に応じて適切な方法を選択することが重要です。