Pythonの正規表現を使ってテキストからメールアドレスを抽出する方法

本記事では、Pythonの正規表現パッケージ（reモジュール）を使用して、テキストファイルやURLテキストからメールアドレス（email-id）を抽出する方法を解説します。

手順はシンプルです。まず正規表現でメールアドレスのパターンを定義し、次にfindall()関数を使ってテキスト内からパターンに一致するすべての文字列を取得します。この手法は、問い合わせフォームのデータ処理やログ解析など、さまざまな場面で活用できます。

入力と出力のイメージ

入力:
text = "Please contact us at contact@tutorialspoint.com for further information." +
       " You can also give feedback at feedback@tutorialspoint.com"

出力:
['contact@tutorialspoint.com', 'feedback@tutorialspoint.com']

サンプルコード

以下のコードでは、[a-z0-9\.\-+_]+@[a-z0-9\.\-+_]+\.[a-z]+ という正規表現パターンを定義しています。これは「ローカル部＠ドメイン名.トップレベルドメイン」という一般的なメールアドレスの形式に一致するパターンです。

import re

my_text = "Please contact us at contact@tutorialspoint.com for further information." +\
   " You can also give feedback at feedback@tutorialspoint.com"

my_emails = re.findall(r"[a-z0-9\.\-+_]+@[a-z0-9\.\-+_]+\.[a-z]+", my_text)
print(my_emails)

実行結果

['contact@tutorialspoint.com', 'feedback@tutorialspoint.com']

コードのポイント

• re.findall(): テキスト全体を走査し、パターンに一致したすべての文字列をリストとして返します。
• raw文字列（r"..."）: バックスラッシュのエスケープ処理を防ぐため、正規表現には raw 文字列を使用するのが推奨されます。
• 大文字への対応: 現在のパターンは小文字のみに対応しているため、大文字を含むメールアドレスにも対応したい場合は [a-zA-Z0-9] のように拡張するか、re.IGNORECASE フラグを指定するとよいでしょう。

このように、正規表現とfindall()関数を組み合わせることで、わずか数行のコードでテキストからメールアドレスを効率的に抽出できます。ぜひ実際のプロジェクトでも活用してみてください。