Python
PR

Pythonの正規表現入門|reモジュールのsearch・findall・subの使い方

Pythonの正規表現入門|reモジュールのsearch・findall・subの使い方
hr
記事内に商品プロモーションを含む場合があります

「ログから エラーコードだけを抜き出したい」「日付の書き方を 2026/10/18 から 2026年10月18日 にそろえたい」――こうした文字列の処理は、Python の re モジュールと正規表現を使うと数行で書けます。re モジュールは Python に最初から入っているので、インストールは不要です。

この記事では、re モジュールのよく使う関数(search・match・fullmatch・findall・finditer・sub・split・compile)の違い、パターンに r"" を付ける理由、グループの取り出し方、フラグ、貪欲・非貪欲の違い、そして \d が全角数字にも一致するという見落としやすい点を説明します。載せている出力は、Windows 11・Python 3.12.6 で実際に実行して確かめたものです。

正規表現と re モジュールとは

正規表現は、「数字が 1 つ以上続く」「行の先頭にある『名前:』」のような文字の並び方のパターンを書くための記法です。たとえば \d+ は「数字が 1 文字以上続く部分」を表すので、「1024」にも「2026」にも一致します。

Python では、import re と書いてから、re モジュールの関数にパターンと対象の文字列を渡して使います。この記事でよく使う記号は次のとおりです。

記号意味例
\d数字 1 文字(全角数字なども含む。後述)\d{4} → 2026
\w英数字・アンダースコア・日本語などの「単語の文字」1 文字\w+ → user_01
\s空白 1 文字(スペース・タブ・改行など)\s+
.改行以外の任意の 1 文字a.c → abc, a-c
* / + / ?直前を 0 回以上 / 1 回以上 / 0 回か 1 回\d+
{n} / {n,m}直前を n 回 / n〜m 回\d{1,2}
[ ]中のどれか 1 文字。[^ ] は「それ以外」[0-9]、[^,]
^ / $文字列の先頭 / 末尾^ERROR
( )グループ(まとめる・取り出す)(\d{4})-(\d{2})

ここに挙げた記号の意味は、サクラエディタや grep コマンドの正規表現とほぼ共通です。ただし細かい違いがあるので、エディターやコマンドで使うときはそれぞれの記事(記事の最後で紹介します)も確認してください。

パターンには r”” を付ける理由

Python で正規表現を書くときは、r"\d+" のように文字列の前に r を付けるのが基本です。これを raw 文字列(生の文字列)といいます。

Python の普通の文字列では、\n(改行)や \t(タブ)のように、\(バックスラッシュ。Windows の日本語環境では ¥ と表示されることもあります)が特別な意味を持ちます。一方、正規表現も \d や \b のように \ を使います。そのため、r を付けないと Python が先に \ を解釈してしまい、正規表現に意図した文字が届かないことがあります。r を付けると、\ がそのままの文字として扱われます。

print(len("\n"), len(r"\n"))
print(r"C:\new\table")
print("C:\new\table")
1 2
C:\new\table
C:
ew	able

"\n" は改行 1 文字、r"\n" は「\」と「n」の 2 文字です。r のない 3 行目では、\n が改行に、\t がタブに変わってしまいました。

正規表現で特に困るのが \b(単語の区切り)です。普通の文字列では \b が「バックスペース」という制御文字になるため、エラーも出ずに一致しなくなります。

import re

print(re.findall("\bcat\b", "cat concat cat"))
print(re.findall(r"\bcat\b", "cat concat cat"))
[]
['cat', 'cat']

r を付けた 2 行目だけが、単独の「cat」2 つを見つけています(「concat」の中の cat は単語の区切りがないので対象外)。また、"\d+" のように r なしで書くと、Python 3.12 では次の警告が表示されました(結果は一応正しく出ます)。

SyntaxWarning: invalid escape sequence '\d'

Python の公式ドキュメント(re モジュール)でも、パターンは raw 文字列で書くのが普通だと説明されています。正規表現のパターンには必ず r を付けると覚えておけば安全です。

最初の 1 件を探す:re.search

re.search(パターン, 文字列) は、文字列の中からパターンに一致する最初の 1 か所を探します。次のコードを sample.py という名前で保存します。

import re

text = "注文番号 A-1024 は 2026-10-18 に発送しました"

m = re.search(r"\d+", text)
print(m)
print(m.group(), m.start(), m.end(), m.span())

print(re.search(r"\d{5}", text))

PowerShell で、sample.py を保存したフォルダーに移動してから実行します。

py sample.py
<re.Match object; span=(7, 11), match='1024'>
1024 7 11 (7, 11)
None

見つかると Match オブジェクト(一致した結果をまとめたもの)が返ります。group() で一致した文字列、start()・end()・span() で位置(0 から数えた文字の番号)が分かります。「2026」も数字ですが、search は最初の 1 か所しか返さないので「1024」だけです。数字が 5 つ続く部分はないので、最後の行は None(見つからなかった)になりました。

先頭から・全体で調べる:re.match と re.fullmatch

search と名前が似ている関数が 2 つあります。違いは「文字列のどこで一致すればよいか」です。

関数一致する条件主な用途
re.search文字列のどこかで一致すればよい文章やログの中から探す
re.match文字列の先頭から一致すること(後ろは何があってもよい)先頭の形式を見る
re.fullmatch文字列全体が一致すること入力チェック(郵便番号・ID など)
import re

print(re.match(r"\d+", "123abc"))
print(re.match(r"\d+", "abc123"))
print(re.search(r"\d+", "abc123"))
print(re.fullmatch(r"\d+", "123abc"))
print(re.fullmatch(r"\d+", "123"))
<re.Match object; span=(0, 3), match='123'>
None
<re.Match object; span=(3, 6), match='123'>
None
<re.Match object; span=(0, 3), match='123'>

「abc123」は先頭が数字ではないので match では None ですが、search なら見つかります。「123abc」は先頭が数字なので match は成功しますが、後ろに abc があるので fullmatch は None です。入力が「数字だけ」かを確かめたいときは fullmatch を使います。

すべて取り出す:re.findall と re.finditer

一致する部分を全部取り出したいときは re.findall を使います。結果はリストで返ります。注意したいのは、パターンに ( )(グループ)があると、返る中身が変わる点です。

import re

log = "ERROR 404 /index.html, ERROR 500 /api/users, INFO 200 /"
print(re.findall(r"\d{3}", log))
print(re.findall(r"ERROR (\d{3})", log))
print(re.findall(r"ERROR (\d{3}) ([^,\s]+)", log))
for m in re.finditer(r"ERROR (\d{3})", log):
    print(m.group(1), m.span())
['404', '500', '200']
['404', '500']
[('404', '/index.html'), ('500', '/api/users')]
404 (0, 9)
500 (23, 32)
  • グループなし:一致した部分全体の文字列のリスト
  • グループ 1 つ:グループの中身だけのリスト(「ERROR 」は含まれない)
  • グループ 2 つ以上:グループの中身をまとめたタプルのリスト

この動きは公式ドキュメントにも書かれています。[^,\s]+ は「カンマと空白以外の文字が続く部分」で、URL の後ろのカンマを含めないようにしています。

re.finditer は、findall と同じように全部を探しますが、Match オブジェクトを 1 件ずつ返します。一致した位置(span)も必要なときや、件数が多いデータを for 文で順に処理したいときに使います。

置換と分割:re.sub と re.split

re.sub(パターン, 置換後, 文字列) は、一致した部分を置き換えた新しい文字列を返します。置換後の文字列では、\1・\2 のように書くと、グループで取り出した中身を使えます。re.split は、パターンに一致した部分で文字列を区切ってリストにします。

import re

print(re.sub(r"\s+", " ", "Python   は\t\tたのしい"))
print(re.sub(r"(\d{4})/(\d{1,2})/(\d{1,2})", r"\1年\2月\3日", "締切は 2026/10/18 です"))
print(re.sub(r"\d", "*", "電話 090-1234-5678", count=4))
print(re.subn(r"\d", "*", "090-1234-5678"))
print(re.split(r"[,、\s]+", "りんご, みかん、ぶどう  もも"))
print(re.split(r"(-)", "2026-10-18"))
Python は たのしい
締切は 2026年10月18日 です
電話 ***-*234-5678
('***-****-****', 11)
['りんご', 'みかん', 'ぶどう', 'もも']
['2026', '-', '10', '-', '18']
  • 1 行目:連続する空白やタブを、半角スペース 1 つにまとめました
  • 2 行目:年・月・日をグループで取り出し、\1年\2月\3日 で並べ直しました。置換後の文字列にも r を付けます
  • 3 行目:count=4 で、最初の 4 か所だけを置換しました
  • 4 行目:re.subn は、置換後の文字列と置換した回数(11 回)を返します
  • 5 行目:カンマ・読点・空白のどれが何個続いても区切れます。文字列の split(str.split)では区切り文字を 1 種類しか指定できないので、ここが re.split の便利なところです
  • 6 行目:区切りのパターンを ( ) で囲むと、区切り文字自体も結果に残ります

置換後に関数を渡すこともできます。次の例では、見つけた数字を 2 倍にしています。lambda m: ... の m には Match オブジェクトが入ります。

import re

print(re.sub(r"\d+", lambda m: str(int(m.group()) * 2), "りんご 3 個、みかん 10 個"))
りんご 6 個、みかん 20 個

グループと名前付きグループ

( ) で囲んだ部分は、Match オブジェクトの group(番号) で取り出せます。番号は左の ( から 1, 2, 3… と数え、group(0) は一致した全体です。番号だと何を取り出しているか分かりにくくなるので、(?P<名前>...) と書いてグループに名前を付けることもできます。

import re

m = re.search(r"(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})", "更新日:2026-10-18")
print(m.group(0))
print(m.group(1), m.group("month"), m["day"])
print(m.groups())
print(m.groupdict())
print(re.sub(r"(?P<y>\d{4})-(?P<m>\d{2})-(?P<d>\d{2})", r"\g<d>/\g<m>/\g<y>", "2026-10-18"))
2026-10-18
2026 10 18
('2026', '10', '18')
{'year': '2026', 'month': '10', 'day': '18'}
18/10/2026

名前を付けても番号での取り出しは使えます。m["day"] のように角かっこでも書けます。groupdict() は名前と中身の辞書を返すので、そのまま JSON や CSV に書き出すときに便利です。置換後の文字列では、名前付きグループを \g<名前> で参照します。

まとめたいだけで取り出す必要がないときは、(?:...)(取り出さないグループ)を使います。findall の結果の形が変わらないので、思わぬタプルが返ってくるのを防げます。

import re

print(re.findall(r"(ab)+", "ababx ab"))
print(re.findall(r"(?:ab)+", "ababx ab"))
['ab', 'ab']
['abab', 'ab']

(ab)+ では「abab」に一致していても、グループが最後に取り出した「ab」しか返りません。一致した全体がほしいなら (?:ab)+ と書きます。

同じパターンを何度も使う:re.compile

re.compile(パターン) でパターンを先に作っておくと、pattern.search(文字列) のように同じ関数をメソッドとして使えます。次は、ログから INFO 以外の行の時刻・レベル・ユーザー名を取り出す例です。

import re

lines = [
    "2026-10-18 09:15:02 [INFO] user=tanaka action=login",
    "2026-10-18 09:16:40 [ERROR] user=sato action=upload size=12MB",
    "2026-10-18 09:20:11 [WARN] user=tanaka action=logout",
]

pattern = re.compile(r"(?P<time>\d{2}:\d{2}:\d{2}) \[(?P<level>[A-Z]+)\] user=(?P<user>\w+)")

for line in lines:
    m = pattern.search(line)
    if m and m["level"] != "INFO":
        print(m["time"], m["level"], m["user"])
09:16:40 ERROR sato
09:20:11 WARN tanaka

[ と ] は正規表現では特別な記号なので、文字としての「[」を探すために \[ と書いています。

「compile しないと遅い」と聞くことがありますが、公式ドキュメントには「最近使ったパターンは compile したものがキャッシュ(一時保存)されるので、少数の正規表現しか使わないプログラムでは compile を気にしなくてよい」という趣旨の注記があります。compile は、パターンに名前を付けて読みやすくするために使うと考えてよいでしょう。

フラグ:大文字小文字・複数行・改行を含む

関数の最後の引数(flags=)にフラグを渡すと、マッチのしかたを変えられます。よく使うのは次の 3 つです。複数指定するときは re.M | re.I のように | でつなぎます。

フラグ短い名前効果
re.IGNORECASEre.I大文字と小文字を区別しない
re.MULTILINEre.M^ と $ が、各行の先頭・末尾にも一致する
re.DOTALLre.S. が改行にも一致する
re.ASCIIre.A\d・\w・\s などを半角(ASCII)だけにする(後述)
import re

print(re.findall(r"python", "Python python PYTHON", re.IGNORECASE))
text = "名前: 田中\n名前: 佐藤\n年齢: 30"
print(re.findall(r"^名前: (.+)$", text))
print(re.findall(r"^名前: (.+)$", text, re.MULTILINE))
html = "<p>1行目\n2行目</p>"
print(re.search(r"<p>(.*)</p>", html))
print(re.search(r"<p>(.*)</p>", html, re.DOTALL).group(1))
['Python', 'python', 'PYTHON']
[]
['田中', '佐藤']
None
1行目
2行目

何も指定しないと、^ は文字列全体の先頭、$ は全体の末尾にしか一致しないため、2 つ目の結果は空のリストです。re.MULTILINE を付けると、各行の先頭・末尾として扱われ、「田中」「佐藤」が取り出せました。同じように、. は改行に一致しないので、改行をはさむ 4 つ目は None になり、re.DOTALL を付けると取り出せています。

貪欲マッチと非貪欲マッチ(.* と .*?)

*・+・? は、できるだけ長く一致しようとします。これを貪欲(どんよく)マッチといいます。後ろに ? を付けて *?・+? とすると、できるだけ短く一致する非貪欲マッチになります。HTML の属性を取り出す例で比べます。

import re

html = '<a href="a.html">A</a> <a href="b.html">B</a>'
print(re.findall(r'href="(.*)"', html))
print(re.findall(r'href="(.*?)"', html))
print(re.findall(r'href="([^"]*)"', html))
['a.html">A</a> <a href="b.html']
['a.html', 'b.html']
['a.html', 'b.html']

貪欲な .* は、最後に出てくる " まで一気に取ってしまうため、1 つ目は 2 つのリンクをまたいだ長い文字列になりました。.*? にすると、次に出てくる " で止まります。3 つ目の [^"]*(「”」以外の文字が続く部分)でも同じ結果になり、こちらは「どこで止まるか」が読み手にも分かりやすい書き方です。

なお、本格的な HTML の解析は正規表現では難しいため、実務では html.parser などの HTML 専用の仕組みを使うのが一般的です。ここでの例は動きの説明用です。

\d は全角数字にも一致する(Unicode と re.ASCII)

Python の正規表現で日本語のデータを扱うときに、特に気を付けたいのがこの点です。公式ドキュメントでは、文字列(str)のパターンの \d は「Unicode の 10 進数字(カテゴリ Nd)すべてに一致する。[0-9] を含み、ほかの多くの数字の文字も含む」と説明されています。つまり、全角の「123」も \d に一致します。

import re

s = "半角123 全角123 アラビア٣ 英字abc 日本語"
print(re.findall(r"\d+", s))
print(re.findall(r"\d+", s, re.ASCII))
print(re.findall(r"[0-9]+", s))
print(re.findall(r"\w+", "user_01 ユーザー1 café"))
print(re.findall(r"\w+", "user_01 ユーザー1 café", re.ASCII))
['123', '123', '٣']
['123']
['123']
['user_01', 'ユーザー1', 'café']
['user_01', 'caf']

\d+ は、半角の 123 だけでなく、全角の 123 やアラビア文字の数字 ٣(3 の意味)にも一致しました。re.ASCII フラグを付けるか、[0-9] と書けば半角の数字だけになります。\w も同じで、何も付けないと日本語やアクセント付きの文字(é)も「単語の文字」として扱います。re.ASCII を付けると半角英数字とアンダースコアだけになり、「café」は「caf」までしか一致しません。

たとえば、「郵便番号が半角数字 7 桁か」を re.fullmatch(r"\d{7}", 入力) で確かめると、全角の「1234567」も通ってしまいます。半角数字だけを許したいときは [0-9] を使うのが確実です。サクラエディタの \d も全角数字に一致するので、エディターで確認したパターンを Python に持ってくるときも同じ注意が必要です。

よくある間違いとエラー

AttributeError: ‘NoneType’ object has no attribute ‘group’

search・match・fullmatch は、見つからないと None を返します。確かめずに .group() を呼ぶと、次のエラーで止まります。

import re

print(re.search(r"\d+", "abc").group())
Traceback (most recent call last):
  ...
AttributeError: 'NoneType' object has no attribute 'group'

必ず if m: で見つかったかを確かめてから使います。

import re

m = re.search(r"\d+", "abc")
if m:
    print(m.group())
else:
    print("見つかりません")

実行すると「見つかりません」と表示されました。

「.」や「+」をそのままの文字として探したい

. は「任意の 1 文字」なので、1.500 というパターンは「1×500」にも一致します。文字としての「.」は \. と書きます。ユーザーが入力した文字列をパターンに入れるときは、re.escape で特別な記号をまとめて無効にできます。

import re

print(re.findall(r"1.500", "1.500 1x500"))
print(re.findall(r"1\.500", "1.500 1x500"))
print(re.escape("1.5+2=?"))
['1.500', '1x500']
['1.500']
1\.5\+2=\?

入力チェックに ^ と $ を使うと、末尾の改行が通る

公式ドキュメントのとおり、$ は文字列の末尾だけでなく「末尾にある改行の直前」にも一致します。そのため、re.search(r"^\d+$", ...) で入力チェックをすると、改行付きの「123\n」も通ってしまいます。

import re

print(re.search(r"^\d+$", "123\n"))
print(re.fullmatch(r"\d+", "123\n"))
<re.Match object; span=(0, 3), match='123'>
None

文字列全体を確かめたいときは、^ と $ ではなく re.fullmatch を使うと、このような取りこぼしがありません。

re.error: missing ), unterminated subpattern

パターンの書き間違いは re.error になります。たとえば re.compile(r"(\d+") のように閉じかっこを忘れると、メッセージは missing ), unterminated subpattern at position 0 でした。「position 0」は、問題のある ( がパターンの 0 文字目(先頭)にあるという意味です。かっこの数や、\ の付け忘れを確認しましょう。

よくある質問

findall で一部が空の文字列 ” になるのはなぜですか?

グループに ? が付いていて一致しなかったときや、パターンが 0 文字にも一致するときに起こります。たとえば re.findall(r"(\d+)-(\d+)?", "10-20 30-") は [('10', '20'), ('30', '')] となり、2 件目の後ろのグループは空でした。re.findall(r"a*", "baa") も、0 文字の一致を含むため ['', 'aa', ''] になります。0 文字に一致させたくないときは、* ではなく + を使います。

全角数字を数値として使っても大丈夫ですか?

Python の int() も全角数字を受け付けるため、int("123") + 1 は 124 になりました。エラーにならない分、全角の入力に気づかずにデータベースへ保存してしまうこともあります。半角にそろえたいなら、正規表現で [0-9] を使ってチェックするか、入力を受け取った時点で半角に変換してから扱うようにしましょう。

まとめ

  • パターンには必ず r"" を付ける
  • 1 件探すなら search、全体のチェックなら fullmatch、全部取り出すなら findall・finditer、置換は sub、分割は split
  • search などの結果は None のことがあるので if m: で確かめる
  • findall はグループの数で結果の形が変わる。取り出さないなら (?:...)
  • \d は全角数字にも一致する。半角だけなら [0-9] か re.ASCII

関連する記事・ツール

ABOUT ME
hr
hr
エンジニアとして働いている hr です。仕事や資格勉強で「こんなツールがあれば」と感じたものを、無料Webツールと解説記事にして発信しています。
記事URLをコピーしました