Pythonの正規表現で文字列からデータを抽出する方法

Pythonでは、標準ライブラリのreモジュールを使って正規表現による文字列処理が行えます。パターン内で()によるグループ化を利用すると、「first_id」「second_id」「category」のような複数のデータを1つの文字列から簡単に取り出すことができます。

コード例

以下のコードは、ファイル名「TS001B01.JPG」から各部分を抽出する例です。

import re

s = 'TS001B01.JPG'
match = re.match(r'(TS\d+)([A|B])(\d+)\.JPG', s)

first_id = match.group(1)
category = match.group(2)
second_id = match.group(3)

print(first_id)
print(category)
print(second_id)

パターンの解説

• (TS\d+)：先頭の「TS」とそれに続く数字にマッチし、第1グループとして取得できます。
• ([A|B])：「A」または「B」のどちらか1文字にマッチし、第2グループ（カテゴリ）として取得できます。
• (\d+)：末尾の数字列にマッチし、第3グループとして取得できます。

出力

このコードを実行すると、次のように各グループの内容が出力されます。

TS001
B
01

補足ポイント

• match.group(0) を使うと、マッチした文字列全体を取得できます。
• re.match() は文字列の先頭からしかマッチしないため、文字列の途中に含まれるパターンを探す場合は re.search() を使用します。
• マッチしなかった場合 match は None を返すため、実際のコードでは if match: のように存在チェックを行うと安全です。