MENU
  1. ホーム
  2. Python
  3. 入出力
  4. ファイル
  5. [Python] 正規表現を使ってファイルを検索する方法

[Python] 正規表現を使ってファイルを検索する方法

Pythonで正規表現を使ってファイルを検索するには、主にreモジュールを使用します。

まず、ファイルを開いてその内容を読み込み、re.search()やre.findall()などの関数を使って正規表現パターンに一致する部分を検索します。

re.search()は最初に一致した部分を返し、re.findall()はすべての一致をリストで返します。

正規表現パターンはr'パターン'の形式で指定します。

この記事でわかること
  • 正規表現の基本的な使い方
  • ファイル内の検索方法
  • 複数ファイルの一括検索手法
  • 検索結果のファイルへの書き出し
  • 置換処理の実践例

目次から探す

正規表現とは何か

正規表現(Regular Expression)は、文字列のパターンを表現するための特別な記法です。

特定の文字列を検索したり、置換したりする際に非常に便利です。

プログラミングやデータ処理の分野で広く使用されています。

正規表現の基本

正規表現は、特定の文字列のパターンを定義するためのルールの集合です。

以下は、正規表現の基本的な構成要素です。

スクロールできます
構成要素説明
メタ文字特殊な意味を持つ文字(例：.、*、+など)
エスケープ特殊文字を通常の文字として扱うために\を使う
文字クラス特定の文字の集合を定義する(例：[abc]はa、b、cのいずれか)
繰り返し特定のパターンを繰り返す(例：a*はaが0回以上繰り返される)

Pythonでの正規表現の使い方

Pythonでは、reモジュールを使用して正規表現を扱います。

以下は、基本的な使い方の例です。

import re
# 文字列の中に `Python` が含まれているかを検索
text = "私はPythonが好きです。"
pattern = "Python"
# 検索
result = re.search(pattern, text)
if result:
    print("見つかりました！")
else:
    print("見つかりませんでした。")
見つかりました！

この例では、re.search()関数を使って文字列の中に特定のパターンが含まれているかを確認しています。

正規表現のメリットとデメリット

正規表現には多くの利点がありますが、いくつかの欠点も存在します。

スクロールできます
メリットデメリット
複雑なパターンを簡潔に表現できる読みづらく、理解しにくい場合がある
高速な検索が可能正規表現の構文を覚える必要がある
多くのプログラミング言語でサポートされているバグを引き起こしやすい

正規表現を使うことで、文字列操作が効率的に行える一方で、使い方を誤ると意図しない結果を招くこともあるため、注意が必要です。

Pythonで正規表現を使うための準備

Pythonで正規表現を使用するためには、まずreモジュールをインポートする必要があります。

このモジュールには、正規表現を扱うためのさまざまな関数が用意されています。

reモジュールのインポート

reモジュールはPythonの標準ライブラリに含まれているため、特別なインストールは不要です。

以下のようにインポートします。

import re

このインポートを行うことで、正規表現に関連する関数を使用できるようになります。

基本的な正規表現関数

reモジュールには、正規表現を扱うための基本的な関数がいくつかあります。

以下に代表的な関数を紹介します。

re.search()

指定したパターンが文字列内に存在するかを検索します。

最初に見つかった一致を返します。

import re
text = "私はPythonが好きです。"
pattern = "Python"
result = re.search(pattern, text)
if result:
    print("見つかりました！")
else:
    print("見つかりませんでした。")
見つかりました！

re.findall()

指定したパターンに一致するすべての部分をリストとして返します。

import re
text = "Pythonは楽しい。Pythonは強力。"
pattern = "Python"
results = re.findall(pattern, text)
print(results)
['Python', 'Python']

re.match()

文字列の先頭が指定したパターンに一致するかを確認します。

先頭が一致しない場合はNoneを返します。

import re
text = "Pythonは楽しい。"
pattern = "Python"
result = re.match(pattern, text)
if result:
    print("先頭が一致しました！")
else:
    print("先頭が一致しませんでした。")
先頭が一致しました！

re.sub()

指定したパターンに一致する部分を別の文字列に置換します。

import re
text = "私はPythonが好きです。"
pattern = "Python"
replacement = "プログラミング"
result = re.sub(pattern, replacement, text)
print(result)
私はプログラミングが好きです。

正規表現パターンの書き方

正規表現のパターンは、特定のルールに従って記述します。

以下に基本的な書き方を説明します。

特殊文字とエスケープ

正規表現には特殊な意味を持つ文字がいくつかあります。

これらの文字を通常の文字として扱いたい場合は、エスケープ文字\を使います。

スクロールできます
特殊文字説明
.任意の1文字
*直前の文字が0回以上繰り返される
+直前の文字が1回以上繰り返される
?直前の文字が0回または1回出現する

例えば、.を使うと任意の文字にマッチしますが、\.と書くことで . という文字そのものにマッチさせることができます。

メタ文字の使い方

メタ文字は、特定の条件を指定するために使用されます。

以下は一般的なメタ文字の例です。

スクロールできます
メタ文字説明
\d数字(0-9)
\D数字以外の文字
\w単語文字(アルファベット、数字、アンダースコア)
\W単語文字以外の文字
\s空白文字(スペース、タブなど)
\S空白文字以外の文字

これらのメタ文字を組み合わせることで、より複雑なパターンを作成することができます。

ファイルを開いて内容を検索する方法

Pythonを使用してファイル内の内容を検索する際には、まずファイルを読み込む必要があります。

ここでは、テキストファイルとバイナリファイルの読み込み方法、そして正規表現を使った検索方法について説明します。

ファイルの読み込み方法

ファイルを読み込む方法には、テキストファイルとバイナリファイルの2種類があります。

テキストファイルの読み込み

テキストファイルを読み込むには、open()関数を使用します。

以下は、テキストファイルを読み込む基本的な例です。

# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    content = file.read()
    print(content)

このコードでは、sample.txtというファイルを開き、その内容を読み込んで表示しています。

バイナリファイルの読み込み

バイナリファイルを読み込む場合もopen()関数を使用しますが、モードを'rb'に設定します。

以下は、バイナリファイルを読み込む例です。

# バイナリファイルを読み込む
with open('image.png', 'rb') as file:
    content = file.read()
    print("バイナリデータの長さ:", len(content))

このコードでは、image.pngというバイナリファイルを開き、そのデータの長さを表示しています。

ファイル内で正規表現を使った検索

ファイルの内容を読み込んだ後、正規表現を使って特定のパターンを検索することができます。

re.search()を使った検索

re.search()を使用して、ファイル内に特定のパターンが存在するかを確認します。

import re
# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    content = file.read()
# 正規表現で検索
pattern = "Python"
result = re.search(pattern, content)
if result:
    print("見つかりました！")
else:
    print("見つかりませんでした。")
見つかりました！

re.findall()を使った検索

re.findall()を使用すると、ファイル内のすべての一致をリストとして取得できます。

import re
# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    content = file.read()
# 正規表現で全ての一致を取得
pattern = "Python"
results = re.findall(pattern, content)
print("一致した回数:", len(results))
一致した回数: 2

re.finditer()を使った検索

re.finditer()を使用すると、ファイル内の一致をイテレータとして取得し、各一致の詳細情報を得ることができます。

import re
# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    content = file.read()
# 正規表現で一致を取得
pattern = "Python"
matches = re.finditer(pattern, content)
for match in matches:
    print("一致した位置:", match.start(), "から", match.end())
一致した位置: 10 から 16
一致した位置: 50 から 56

一致した結果の処理方法

一致した結果を処理する方法には、抽出や位置の取得などがあります。

一致した部分の抽出

一致した部分を抽出するには、re.findall()やre.finditer()を使用します。

これにより、特定のパターンに一致する文字列を簡単に取得できます。

import re
# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    content = file.read()
# 一致した部分を抽出
pattern = "Python"
matches = re.findall(pattern, content)
print("一致した部分:", matches)
一致した部分: ['Python', 'Python']

一致した部分の位置を取得

一致した部分の位置を取得するには、re.finditer()を使用します。

これにより、各一致の開始位置と終了位置を得ることができます。

import re
# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    content = file.read()
# 一致した部分の位置を取得
pattern = "Python"
matches = re.finditer(pattern, content)
for match in matches:
    print("一致した位置:", match.start(), "から", match.end())
一致した位置: 10 から 16
一致した位置: 50 から 56

このように、正規表現を使うことでファイル内の特定のパターンを効率的に検索し、必要な情報を抽出することができます。

実践例：特定のパターンを含む行を抽出する

ここでは、ファイル内から特定のパターンを含む行を抽出する実践例を紹介します。

具体的には、メールアドレス、日付形式、特定のキーワードを含む行を検索します。

メールアドレスを含む行を検索

メールアドレスのパターンを正規表現で定義し、ファイル内からそのパターンに一致する行を抽出します。

import re
# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    lines = file.readlines()
# メールアドレスの正規表現パターン
email_pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'
# メールアドレスを含む行を抽出
for line in lines:
    if re.search(email_pattern, line):
        print("メールアドレスを含む行:", line.strip())

このコードでは、sample.txtファイル内の各行を読み込み、メールアドレスのパターンに一致する行を表示します。

日付形式を含む行を検索

日付形式(例：YYYY-MM-DD)を含む行を検索するための正規表現を使用します。

import re
# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    lines = file.readlines()
# 日付形式の正規表現パターン(YYYY-MM-DD)
date_pattern = r'\d{4}-\d{2}-\d{2}'
# 日付を含む行を抽出
for line in lines:
    if re.search(date_pattern, line):
        print("日付を含む行:", line.strip())

このコードでは、日付形式に一致する行を抽出し、表示します。

特定のキーワードを含む行を検索

特定のキーワード(例：Python)を含む行を検索する方法です。

import re
# テキストファイルを読み込む
with open('sample.txt', 'r', encoding='utf-8') as file:
    lines = file.readlines()
# 検索するキーワード
keyword = "Python"
# 特定のキーワードを含む行を抽出
for line in lines:
    if re.search(keyword, line):
        print("キーワードを含む行:", line.strip())

このコードでは、sample.txtファイル内の各行を読み込み、指定したキーワードに一致する行を表示します。

これらの実践例を通じて、正規表現を使用してファイル内の特定のパターンを効率的に検索し、必要な情報を抽出する方法を学ぶことができます。

応用例：複数ファイルを検索する

ここでは、複数のファイルを対象に正規表現を使って検索する方法を紹介します。

具体的には、ディレクトリ内のファイルを一括検索する方法、サブディレクトリを含む再帰的な検索、そしてファイル名に正規表現を使った検索について説明します。

ディレクトリ内のファイルを一括検索

指定したディレクトリ内のすべてのファイルを検索し、特定のパターンを含む行を抽出します。

import os
import re
# 検索するディレクトリ
directory = 'target_directory'
# 検索するパターン
pattern = r'Python'
# ディレクトリ内のファイルを一括検索
for filename in os.listdir(directory):
    file_path = os.path.join(directory, filename)
    if os.path.isfile(file_path):  # ファイルのみを対象
        with open(file_path, 'r', encoding='utf-8') as file:
            for line in file:
                if re.search(pattern, line):
                    print(f"{filename} の中に見つかりました: {line.strip()}")

このコードでは、指定したディレクトリ内のすべてのファイルを読み込み、Pythonというキーワードを含む行を表示します。

サブディレクトリを含む再帰的な検索

サブディレクトリも含めて再帰的にファイルを検索する方法です。

os.walk()を使用して、すべてのサブディレクトリを探索します。

import os
import re
# 検索するディレクトリ
directory = 'target_directory'
# 検索するパターン
pattern = r'Python'
# サブディレクトリを含む再帰的な検索
for root, dirs, files in os.walk(directory):
    for filename in files:
        file_path = os.path.join(root, filename)
        with open(file_path, 'r', encoding='utf-8') as file:
            for line in file:
                if re.search(pattern, line):
                    print(f"{file_path} の中に見つかりました: {line.strip()}")

このコードでは、指定したディレクトリとそのサブディレクトリ内のすべてのファイルを検索し、Pythonというキーワードを含む行を表示します。

ファイル名に正規表現を使った検索

ファイル名自体に正規表現を使って検索する方法です。

特定のパターンに一致するファイル名を持つファイルを対象にします。

import os
import re
# 検索するディレクトリ
directory = 'target_directory'
# ファイル名の正規表現パターン
filename_pattern = r'^data_\d{4}\.txt$'  # 例: data_2023.txt
# ディレクトリ内のファイル名を検索
for filename in os.listdir(directory):
    if re.match(filename_pattern, filename):
        file_path = os.path.join(directory, filename)
        with open(file_path, 'r', encoding='utf-8') as file:
            for line in file:
                print(f"{filename} の内容: {line.strip()}")

このコードでは、指定したディレクトリ内でdata_YYYY.txtという形式のファイル名を持つファイルを検索し、その内容を表示します。

これらの応用例を通じて、正規表現を使用して複数のファイルを効率的に検索する方法を学ぶことができます。

応用例：検索結果をファイルに書き出す

ここでは、正規表現を使って検索した結果をファイルに保存する方法を紹介します。

具体的には、検索結果を新しいファイルに保存する方法、CSV形式で保存する方法、そしてログファイルに追記する方法について説明します。

検索結果を新しいファイルに保存

検索結果を新しいテキストファイルに保存する方法です。

以下の例では、特定のパターンを含む行を新しいファイルに書き出します。

import os
import re
# 検索するディレクトリ
directory = 'target_directory'
# 検索するパターン
pattern = r'Python'
# 結果を保存するファイル
output_file = 'search_results.txt'
# 検索結果を新しいファイルに保存
with open(output_file, 'w', encoding='utf-8') as outfile:
    for filename in os.listdir(directory):
        file_path = os.path.join(directory, filename)
        if os.path.isfile(file_path):
            with open(file_path, 'r', encoding='utf-8') as file:
                for line in file:
                    if re.search(pattern, line):
                        outfile.write(f"{filename}: {line.strip()}\n")
print(f"検索結果が {output_file} に保存されました。")

このコードでは、指定したディレクトリ内のファイルを検索し、Pythonというキーワードを含む行をsearch_results.txtという新しいファイルに保存します。

検索結果をCSV形式で保存

検索結果をCSV形式で保存する方法です。

csvモジュールを使用して、検索結果をCSVファイルに書き出します。

import os
import re
import csv
# 検索するディレクトリ
directory = 'target_directory'
# 検索するパターン
pattern = r'Python'
# 結果を保存するCSVファイル
output_file = 'search_results.csv'
# 検索結果をCSV形式で保存
with open(output_file, 'w', newline='', encoding='utf-8') as csvfile:
    csv_writer = csv.writer(csvfile)
    csv_writer.writerow(['ファイル名', '一致した行'])  # ヘッダー行
    for filename in os.listdir(directory):
        file_path = os.path.join(directory, filename)
        if os.path.isfile(file_path):
            with open(file_path, 'r', encoding='utf-8') as file:
                for line in file:
                    if re.search(pattern, line):
                        csv_writer.writerow([filename, line.strip()])
print(f"検索結果が {output_file} にCSV形式で保存されました。")

このコードでは、指定したディレクトリ内のファイルを検索し、Pythonというキーワードを含む行をsearch_results.csvというCSVファイルに保存します。

検索結果をログファイルに追記

検索結果を既存のログファイルに追記する方法です。

以下の例では、特定のパターンを含む行をログファイルに追加します。

import os
import re
# 検索するディレクトリ
directory = 'target_directory'
# 検索するパターン
pattern = r'Python'
# ログファイル
log_file = 'search_log.txt'
# 検索結果をログファイルに追記
with open(log_file, 'a', encoding='utf-8') as logfile:
    for filename in os.listdir(directory):
        file_path = os.path.join(directory, filename)
        if os.path.isfile(file_path):
            with open(file_path, 'r', encoding='utf-8') as file:
                for line in file:
                    if re.search(pattern, line):
                        logfile.write(f"{filename}: {line.strip()}\n")
print(f"検索結果が {log_file} に追記されました。")

このコードでは、指定したディレクトリ内のファイルを検索し、Pythonというキーワードを含む行をsearch_log.txtというログファイルに追記します。

これらの応用例を通じて、正規表現を使用して得られた検索結果をさまざまな形式でファイルに保存する方法を学ぶことができます。

応用例：正規表現を使ったファイルの置換

正規表現を使用してファイル内の特定の文字列を置換する方法を紹介します。

具体的には、ファイル内の特定の文字列を置換する方法、複数ファイルでの一括置換、そして置換結果を確認する方法について説明します。

ファイル内の特定の文字列を置換

特定の文字列を正規表現を使って置換する基本的な方法です。

以下の例では、ファイル内のPythonという文字列をプログラミングに置換します。

import re
# 置換対象のファイル
file_path = 'sample.txt'
# 置換するパターンと置換後の文字列
pattern = r'Python'
replacement = 'プログラミング'
# ファイル内の特定の文字列を置換
with open(file_path, 'r', encoding='utf-8') as file:
    content = file.read()
# 置換処理
new_content = re.sub(pattern, replacement, content)
# 置換後の内容をファイルに書き込む
with open(file_path, 'w', encoding='utf-8') as file:
    file.write(new_content)
print(f"{file_path} 内の '{pattern}' を '{replacement}' に置換しました。")

このコードでは、sample.txtファイル内のPythonという文字列をプログラミングに置換し、結果を同じファイルに書き戻します。

複数ファイルでの一括置換

複数のファイルに対して一括で置換を行う方法です。

指定したディレクトリ内のすべてのファイルを対象に、特定の文字列を置換します。

import os
import re
# 置換対象のディレクトリ
directory = 'target_directory'
# 置換するパターンと置換後の文字列
pattern = r'Python'
replacement = 'プログラミング'
# 複数ファイルでの一括置換
for filename in os.listdir(directory):
    file_path = os.path.join(directory, filename)
    if os.path.isfile(file_path):
        with open(file_path, 'r', encoding='utf-8') as file:
            content = file.read()
        # 置換処理
        new_content = re.sub(pattern, replacement, content)
        # 置換後の内容をファイルに書き込む
        with open(file_path, 'w', encoding='utf-8') as file:
            file.write(new_content)
        print(f"{file_path} 内の '{pattern}' を '{replacement}' に置換しました。")

このコードでは、指定したディレクトリ内のすべてのファイルを検索し、Pythonという文字列をプログラミングに置換します。

置換結果を確認する方法

置換処理の結果を確認するために、置換前と置換後の内容を比較する方法です。

以下の例では、置換処理を行った後に、変更があった行を表示します。

import os
import re
# 置換対象のディレクトリ
directory = 'target_directory'
# 置換するパターンと置換後の文字列
pattern = r'Python'
replacement = 'プログラミング'
# 置換結果を確認する方法
for filename in os.listdir(directory):
    file_path = os.path.join(directory, filename)
    if os.path.isfile(file_path):
        with open(file_path, 'r', encoding='utf-8') as file:
            content = file.readlines()
        # 置換処理と結果の確認
        for i, line in enumerate(content):
            if re.search(pattern, line):
                new_line = re.sub(pattern, replacement, line)
                print(f"{filename} の行 {i + 1}: '{line.strip()}' を '{new_line.strip()}' に置換")
                content[i] = new_line  # 置換後の行を更新
        # 置換後の内容をファイルに書き込む
        with open(file_path, 'w', encoding='utf-8') as file:
            file.writelines(content)
print("置換処理が完了しました。")

このコードでは、各ファイル内のPythonという文字列をプログラミングに置換し、置換前と置換後の行を表示します。

これにより、どの行が変更されたかを確認することができます。

これらの応用例を通じて、正規表現を使用してファイル内の文字列を効率的に置換する方法を学ぶことができます。

よくある質問

re.search()とre.match()の違いは？

re.search()とre.match()は、どちらも正規表現を使って文字列を検索するための関数ですが、主な違いは検索の範囲にあります。

  • re.search(): 文字列全体を対象にして、指定したパターンがどこかに存在するかを検索します。

最初に見つかった一致を返します。

  import re
  text = "私はPythonが好きです。"
  result = re.search("Python", text)
  • re.match(): 文字列の先頭が指定したパターンに一致するかを確認します。

先頭が一致しない場合はNoneを返します。

  import re
  text = "Pythonは楽しい。"
  result = re.match("Python", text)

このように、re.search()は文字列全体を検索するのに対し、re.match()は先頭のみを対象にします。

正規表現で大文字小文字を区別しない検索はどうする？

大文字小文字を区別しない検索を行うには、reモジュールのre.IGNORECASEフラグを使用します。

このフラグを指定することで、検索時に大文字小文字を無視することができます。

import re
text = "私はPythonが好きです。"
result = re.search("python", text, re.IGNORECASE)
if result:
    print("見つかりました！")
else:
    print("見つかりませんでした。")

このコードでは、"python"という小文字の文字列を検索していますが、re.IGNORECASEフラグを使うことで大文字の"Python"にも一致します。

複数行にまたがるパターンを検索するには？

複数行にまたがるパターンを検索するには、re.DOTALLフラグを使用します。

このフラグを指定すると、.メタ文字が改行文字にもマッチするようになります。

import re
text = """これはテストです。
Pythonは楽しいです。
正規表現を使っています。"""
pattern = r'Python.*正規表現'
result = re.search(pattern, text, re.DOTALL)
if result:
    print("一致しました！")
else:
    print("一致しませんでした。")

このコードでは、"Python"から始まり"正規表現"で終わるパターンを検索しています。

re.DOTALLフラグを使うことで、改行を含む複数行にまたがるパターンを正しく検索することができます。

まとめ

この記事では、Pythonにおける正規表現の基本的な使い方から、ファイル内の特定のパターンを検索・置換する方法、さらには複数ファイルに対する一括処理の実践例まで幅広く取り上げました。

正規表現を活用することで、文字列操作が効率的に行えるため、プログラミングやデータ処理の現場で非常に役立つ技術です。

ぜひ、実際のプロジェクトや日常のタスクに正規表現を取り入れて、より効率的な作業を実現してみてください。

目次に戻る

当サイトはリンクフリーです。出典元を明記していただければ、ご自由に引用していただいて構いません。

C言語
C++
Python
HTML
Java
HTTP

関連カテゴリーから探す

  • ファイル (122)
  • 標準入出力 (26)
ファイル
  • URLをコピーしました！

関連記事

目次から探す