1. 概要
「re」が、何の略かは、まだ（2021年4月9日）知りませぬ。
正規表現を使った、文字列の検索等に使用します。
本ページは、下記のサイトを参考にさせていただきました。
「re --- 正規表現操作 — Python 3.9.4 ドキュメント」
「【Python】文字列から数字だけを取り出したい場合」
「正規表現でダブルクォーテーションの間だけ取得するには？ - Python学習チャンネル by PyQ」
「Pythonの正規表現マッチオブジェクトでマッチした文字列や位置を取得 | note.nkmk.me」
本家（？）のドキュメントによれば、「このモジュールは Perl に見られる正規表現マッチング操作と同様のものを提供します。」と書いてあります。
2. 数字を取り出す
正に、文字列から、数字の部分を取得したかったのです。
参考サイトを元に
結果 = re.sub("\\D", "", "文字列")
とすれば、文字列内に、数字があれば、取り出せるとのこと。
下記のようなソースを書いて
import re
str = "ほげげ345もけけ"
num = re.sub("\\D", "", str)
print(num)
実行すると、下記の結果が得られます。
345
3. 特定の文字列に囲まれた文字列を取得する
ウェブスクレイピングでは、ありがちな、例えば
<title>タイトル</title>
てな行のタイトルの文字列を取り出す場合・・・。
実際、対象が「html」でなくても、ウェブスクレイピングで使用する「BeautifulSoup」（「Python - ウェブスクレイピング」）が使えそうではありますが・・・。
ここでは、単純に文字列として考慮するならば、つまりタグに限ったことでなく、特定の文字列にかこまれるという意味で
result = re.findall('<title>(.*)</title>', 検索対象の文字列)
としますと、「result[0]」にタイトルの文字列を取得することができます。
「re.findall」の結果は、「list」型なので添え字が必要です。
もし「<title>タイトル</title>」という文字列が存在しない場合があるのであれば、個数を取得する「len」を使用して
if (len(result) > 0):
に続けて、存在する場合の処理を記述します。
「<title>」に限らず、単にタグに囲まれた文字列を検索するならば
result = re.findall('<.*>(.*)', 検索対象の文字列)
てな書き方になります。
4. クォーテーションで囲まれた文字列を取得する
こういう場面、わたしが「Python」を使用する中では、よく出くわすのであります。
strA = '"str1"="abc" "str2"="def"'
てな文字列から、「"」で囲まれた文字列を全部取り出そうとして、下記のようなソースを書いても
import re
strA = '"str1"="abc" "str2"="def"'
searchA = re.findall('"(.*)"', strA)
print(searchA)
実行すると、うまくいかない。
['str1"="abc" "str2"="def']
最初と最後の「"」で囲まれた文字列を取り出しちゃうのであります。
でまぁ、参考サイトを元に「('"([^"]*)"[^"]*"([^"]*)"'」で検索すると
import re
strA = '"str1"="abc" "str2"="def"'
searchA = re.findall('"([^"]*)"[^"]*"([^"]*)"', strA)
print(searchA)
うまくいくんだな。
[('str1', 'abc'), ('str2', 'def')]
これ実は、わたし、仕組みを完全には理解していない。
思わぬ副作用で、「=」で結んだ文字列同士をそれはそれで、ひとかたまりにとらえています。
まぁ、実は使う上で、都合がよかったんですけど。
「'」で囲まれた文字列を検索するのであれば、「"」と「’」を入れ替えればいいのであって
import re
strB = "'str2'='ghi', 'str3'='jkl'"
searchB = re.findall("'([^']*)'[^']*'([^']*)'", strB)
print(searchB)
てなソースを書いて、実行するとうまくいきます。
[('str2', 'ghi'), ('str3', 'jkl')]
5. group
これも、うまく説明できないのですが・・・。
「re.search」でえられた結果の文字列を取得するには、「group」というものを使用します。
詳細は、参考サイトを読んでください。
本サイトを、「Laravel」へ移行する過程で
<a href="./02.html"><dt>タイトル</dt></a>
てな文字列を下記のように変更する必要が生じたのです。
<a href="<?php $server->putRelate('./02.html'); ?>"><dt>タイトル</dt></a>
まぁ、詳細な情報は、勘弁してくだされ。
で、コンテンツファイルを読み込んで、変更するツールを作ったわけです。
import re
line = '<a href="./02.html"><dt>基本操作</dt></a>'
print(line)
m = re.search('"(.*?)"', line)
print(m.group())
line = line.replace(m.group(), '"<?php $server->putRelate(' + m.group().replace('"', "'") + '); ?>"')
print(line)
てなソースを書いて、実行すると下記のように出力されます。
<a href="./02.html"><dt>基本操作</dt></a>
"./02.html"
<a href="<?php $server->putRelate('./02.html'); ?>"><dt>基本操作</dt></a>
6. 置換
re.sub(正規表現, 置換後の文字列, 対象とする文字列)
で、文字列を置換することができます。
import re
text = '''
これは、半角スペース や 全角スペース、改行のはいった文字列から
ホワイトスペースを除いたらどうなるかっちゅうテストです。
'''
print(text)
print(re.sub('\s+', '', text))
てなソースを書いて、実行すると、下記の結果が得られます。
これは、半角スペース や 全角スペース、改行のはいった文字列から
ホワイトスペースを除いたらどうなるかっちゅうテストです。
これは、半角スペースや全角スペース、改行のはいった文字列からホワイトスペースを除いたらどうなるかっちゅうテストです 。
