4.2.3 モジュールコンテンツ

このモジュールは幾つかの関数、定数、例外を定義します。この関数のいくつかはコンパイル済み正規表現向けの完全版のメソッドを簡略化したバージョンです。それなりのアプリケーションのほとんどで、コンパイルされた形式が用いられるのが普通です。

compile( pattern[, flags])

正規表現パターンを正規表現オブジェクトにコンパイルします。このオブジェクトは、以下で述べる match() と search() メソッドを使って、マッチングに使うことができます。

式の動作は、flagsの値を指定することで加減することができます。値は以下の変数を、ビットごとの OR ( | 演算子)を使って組み合わせることができます。

シーケンス

prog = re.compile(pat)
result = prog.match(str)

は、

result = re.match(pat, str)

と同じ意味ですが、compile() を使うバージョンの方が、その式を一つのプログラムで何回も使う時にはより効率的です。

I
IGNORECASE: 大文字・小文字を区別しないマッチングを実行します； [A-Z]のような式は、小文字にもマッチします。これは現在のロケールには影響されません。

L
LOCALE: \w、 \W、 \bおよび \B を、現在のロケールに従わさせます。

M
MULTILINE: 指定されると、パターン文字 "^" は、文字列の先頭および各行の先頭(各改行の直後)とマッチします；そしてパターン文字 "$" は文字列の末尾および各行の末尾 (改行の直前)とマッチします。デフォールトでは、 "^" は、文字列の先頭とだけマッチし、 "$"は、文字列の末尾および文字列の末尾の改行の直前(がもしあれば)とマッチします。

S
DOTALL: 特殊文字 "." を、改行をを含む任意の文字と、とにかくマッチさせます；このフラグがなければ、"." は、改行 以外の 任意の文字とマッチします。

U
UNICODE: \w、 \W、 \b および \B を、Unicode 文字特性データベースに従わさせます。バージョン 2.0 で新たに追加された仕様です。

X
VERBOSE: このフラグによって、より見やすく正規表現を書くことができます。パターン内の空白は、文字クラス内にあるか、エスケープされていないバックスラッシュが前にある時以外は無視されます。また、行に、文字クラス内にもなく、エスケープされていないバックスラッシュが前にもない "#" がある時は、そのような "#"の左端からその行の末尾までが無視されます。

search( pattern, string[, flags]): string全体を走査して、正規表現 pattern がマッチを発生する位置を探して、対応する MatchObject インスタンスを返します。もし文字列内に、そのパターンとマッチする位置がないならば、 None を返します；これは、文字列内のある点で長さゼロのマッチを探すこととは異なることに注意して下さい。

match( pattern, string[, flags]): もし string の先頭で0 個以上の文字が正規表現 pattern とマッチすれば、対応する MatchObject インスタンスを返します。もし文字列がパターンとマッチしなければ、 None を返します；これは長さゼロのマッチとは異なることに注意して下さい。
注意: もし string のどこかにマッチを位置付けたいのであれば、代わりに search() を使って下さい。

split( pattern, string[, maxsplit = 0])

stringを、 patternがあるたびに分割します。もし括弧のキャプチャが patternで使われていれば、パターン内のすべてのグループのテキストも結果のリストの一部として返されます。 maxsplit がゼロでなければ、高々 maxsplit個の分割が発生し、文字列の残りは、リストの最終要素として返されます。 (非互換性ノート：オリジナルの Python 1.5 リリースでは、 maxsplitは無視されていました。これはその後のリリースでは修正されました。)

>>> re.split('\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split('(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split('\W+', 'Words, words, words.', 1)
['Words', 'words, words.']

この関数は、古い regsub.split() とregsub.splitx()の機能を結合して拡張したものです。

findall( pattern, string[, flags]): pattern のstring へのマッチのうち、重複しない全てのマッチからなるリストを返します。パターン中に何らかのグループがある場合、グループのリストを返します。グループが複数定義されていた場合、タプルのリストになります。他のマッチの開始部分に接触しないかぎり、空のマッチも結果に含められます。バージョン 1.5.2 で新たに追加された仕様です。バージョン 2.4 で変更された仕様: オプションの flags 引数を追加しました

finditer( pattern, string[, flags]): string 内の RE patternの重複しないマッチのすべてのイテレータを返します。各マッチごとに、イテレータはマッチオブジェクトを返します。他にマッチがなければ、空のマッチも結果に入ります。バージョン 2.2 で新たに追加された仕様です。バージョン 2.4 で変更された仕様: Added the optional flags argument

sub( pattern, repl, string[, count])

string 内で、 patternと重複しないマッチの内、一番左にあるものを置換 repl で置換して得られた文字列を返します。もしパターンが見つからなければ、string を変更せずに返します。 repl は文字列でも関数でも構いません；もしそれが文字列であれば、それにある任意のバックスラッシュエスケープは処理されます。すなわち、 "\n" は単一の改行文字に変換され、"\r"は、行送りコードに変換されます、等々。 "\j" のような未知のエスケープはそのままにされます。 "\6"のような後方参照(backreference)は、パターンのグループ 6 とマッチしたサブ文字列で置換されます。例えば：

>>> re.sub(r'def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*\(\s*\):',
...        r'static PyObject*\npy_\1(void)\n{',
...        'def myfunc():')
'static PyObject*\npy_myfunc(void)\n{'

もし repl が関数であれば、重複しない patternが発生するたびにその関数が呼ばれます。この関数は一つのマッチオブジェクト引数を取り、置換文字列を返します。例えば：

>>> def dashrepl(matchobj):
...     if matchobj.group(0) == '-': return ' '
...     else: return '-'
>>> re.sub('-{1,2}', dashrepl, 'pro----gram-files')
'pro--gram files'

パターンは、文字列でも RE でも構いません；もし正規表現フラグを指定する必要があれば、RE オブジェクトを使うか、パターンに埋込み修飾子を使わなければなりません；たとえば、"sub("(?i)b+", "x", "bbbb BBBB")" は 'x x' を返します。

省略可能な引数 count は、置換されるパターンの出現回数の最大値です；count は非負の整数でなければなりません。もし省略されるかゼロであれば、出現したものがすべて置換されます。パターンのマッチが空であれば、以前のマッチと隣合わせでない時だけ置換されますので、"sub('x*', '-', 'abc')" は '-a-b-c-' を返します。

上で述べた文字エスケープや後方参照の他に、 "\g<name>" は、 (?P<name>...) のシンタクスで定義されているように、 "name" という名前のグループとマッチしたサブ文字列を使います。"\g<number>" は対応するグループ番号を使います；それゆえ "\g<2>" は "\2"と同じ意味ですが、 "\g<2>0" のような置換でもあいまいではありません。 "\20" は、グループ 20 への参照として解釈されますが、グループ 2 にリテラル文字 "0" が続いたものへの参照としては解釈されません。後方参照 "\g<0>" は、 RE とマッチするサブ文字列全体を置き換えます。

subn( pattern, repl, string[, count]): sub() と同じ操作を行いますが、タプル (new_string、 number_of_subs_made)を返します。

escape( string): バックスラッシュにすべての非英数字をつけたstringを返します；これはもし、その中に正規表現のメタ文字を持つかもしれない任意のリテラル文字列とマッチしたいとき、役に立ちます。

exception error: ここでの関数の一つに渡された文字列が、正しい正規表現ではない時 (例えば、その括弧が対になっていなかった)、あるいはコンパイルやマッチングの間になんらかのエラーが発生したとき、発生する例外です。たとえ文字列がパターンとマッチしなくても、決してエラーではありません。

ご意見やご指摘をお寄せになりたい方は、 このドキュメントについて... をご覧ください。

4.2.3 モジュール コンテンツ

4.2.3 モジュールコンテンツ