Pythonで複数行のパターンを正規表現でマッチさせる方法

Pythonで複数行のテキストを正規表現にマッチさせるには？

Pythonのreモジュールで複数行にまたがる文字列を扱う場合、通常は特殊文字「.」が改行文字にマッチしないため、意図した通りにパターンを一致させることができません。

この問題を解決するのがre.DOTALLフラグです。このフラグを指定すると、「.」が改行文字（\n）を含むすべての文字にマッチするようになります。その結果、複数行にわたる段落やHTMLタグなどを一つのパターンで捉えられるようになります。

コード例

以下の例では、複数行のテキストから<p>タグで囲まれた部分を抽出しています。

import re

paragraph = '''
   This is a paragraph.
   It has multiple lines.
'''

match = re.search(r'<p>.*</p>', paragraph, re.DOTALL)
print(match.group(0))

※ 上記のコードはPython 3の構文です。Python 2では print match.group(0) のように括弧なしで記述します。

実行結果

This is a paragraph.
It has multiple lines.

ポイント解説

• re.DOTALL: 「.」を改行文字にもマッチさせるフラグ。re.Sという省略形でも指定できます。
• re.search(): 文字列全体を走査し、パターンに最初にマッチした部分を返します。
• group(0): マッチした文字列全体を取得します。

なお、re.DOTALLを使わない場合、「.」は改行をまたげないため、複数行のテキストではマッチに失敗します。複数行処理が必要な場面では、このフラグを忘れずに指定しましょう。