Pythonで文字列から部分文字列を抽出する方法｜正規表現のグループキャプチャ活用

正規表現のグループキャプチャを使った部分文字列の抽出

Pythonで文字列の中から特定の部分文字列を取り出したい場合、reモジュールの正規表現における「グループキャプチャ」を利用するのが効果的です。この手法を使うには、抽出したい部分文字列のフォーマットや、その前後の文脈をある程度把握しておく必要があります。

例えば、文章の中から「$xxx,xxx.xx」という形式で書かれた金額情報を抽出したいとします。その場合は、re.search()と括弧で囲んだキャプチャグループを次のように組み合わせます。

import re

text = 'The phone is priced at $15,745.95 and has a camera.'
m = re.search(r'(\$[0-9]*\.[0-9]{2})', text)
if m:
    print(m.group(1))

実行すると、以下のような出力が得られます。

$15,745.95

コードのポイント解説

• re.search()：文字列全体を走査し、パターンに最初に一致した部分を返します。先頭からの一致のみを判定するre.match()とは挙動が異なるため、文中の任意の位置を探す場合はsearch()が適しています。
• キャプチャグループ：パターン内の括弧 (...) がグループを意味し、group(1)でその中身だけを取得できます。マッチ全体が必要な場合はgroup(0)を使用します。
• Noneチェック：if m: によって、パターンが見つからなかった場合（戻り値がNone）のエラーを防いでいます。

応用：名前付きグループで可読性を向上させる

より読みやすいコードにしたい場合は、(?P<name>...) という名前付きグループを使うと便利です。m.group('price') のように名前で結果にアクセスでき、複数の抽出対象がある場合も管理しやすくなります。

m = re.search(r'(?P<price>\$[0-9]*\.[0-9]{2})', text)
if m:
    print(m.group('price'))  # $15,745.95

なお、実際に使用する正規表現はユースケースの条件によって変わります。小数点以下がない金額や、異なる通貨記号への対応などが必要な場合は、パターンを柔軟に調整してください。