Chapter1   Pythonで実行

携帯電話 0[7-9]0[0-9]{8}

 携帯電話から確認していきましょう。

まずは -(ハイフン) が無い、一番簡単な場合です。

文字列パターンは前述した 0[7-9]0[0-9]{8} を用います。

対象文字列を 09012345678 とした場合にはマッチするはずなので確認します。

    re_prac2_1.py

        import  re

        pattern = re.compile("0[7-9]0[0-9]{8}")
        st = "09012345678"
        result = pattern.search(st)
        print("↓ 対象文字列\n"+st)
        print(result)
                            

実行結果

 これは特に問題無いです。

次は対象文字列の2桁目を 9 から 1 に変更します。

マッチが起こらないのを確かめます。

    re_prac2_2.py

        import  re

        pattern = re.compile("0[7-9]0[0-9]{8}")
        st = "01012345678"
        result = pattern.search(st)
        print("↓ 対象文字列\n"+st)
        print(result)
                            

実行結果

 予想通りで問題は無いです。

では、対象文字列を1桁分余計に増やして、090123456789 にします。

この場合、12桁の番号になるので元来であれば弾いて欲しいところです。

    re_prac2_3.py

        import  re

        pattern = re.compile("0[7-9]0[0-9]{8}")
        st = "090123456789"
        result = pattern.search(st)
        print("↓ 対象文字列\n"+st)
        print(result)
                            

実行結果

 結果は12桁の番号(090123456789)の中で、11桁分(09012345678)までマッチしてしまいました。

これはあまり望ましい結果とは言えないので、12桁の番号は弾くようにします。

^0[7-9]0[0-9]{8}$

 11桁分だけをマッチの対象にするには、^ $ を使います。

^ $ は、それぞれ行の先頭、文字列の末尾を表します。

ゆえに、0[7-9]0[0-9]{8} の両端を ^ と $ で挟んで ^0[7-9]0[0-9]{8}$ にすれば、先頭から末尾までで11桁の数字を指定できます。

(^ や $ については【^ 行の先頭】及び、【$ 文字列の末尾】で詳しく説明しています。)

 先程の re_prac2_3.py の文字列パターンを変更して再度実行します。

    re_prac2_4.py

        import  re

        pattern = re.compile("^0[7-9]0[0-9]{8}$")
        st = "090123456789"
        result = pattern.search(st)
        print("↓ 対象文字列\n"+st)
        print(result)
                            

実行結果

 今度はしっかり弾きました。

^0[7-9]0-[0-9]{4}-[0-9]{4}$

 次は -(ハイフン) がある場合を確認します。

文字列パターンを ^0[7-9]0-[0-9]{4}-[0-9]{4}$ に修正します。

    re_prac2_5.py

        import  re

        pattern = re.compile("^0[7-9]0-[0-9]{4}-[0-9]{4}$")
        st = "090-1234-5678"
        result = pattern.search(st)
        print("↓ 対象文字列\n"+st)
        print(result)
                            

実行結果

 -(ハイフン) に対応している事を確認できました。

しかしこの場合だと、-(ハイフン) が無い場合にマッチしないので、-(ハイフン) を省略可能な形に直します。

^0[7-9]0-?[0-9]{4}-?[0-9]{4}$

 文字列パターンを ? を用いて ^0[7-9]0-?[0-9]{4}-?[0-9]{4}$ のように直します。

対象文字列は、-(ハイフン) がある番号と無い番号を混ぜて 09012345678 090-1234-5678 にしてみましょう。

    re_prac2_6.py

        import  re

        pattern = re.compile("^0[7-9]0-?[0-9]{4}-?[0-9]{4}$")
        st = "09012345678 090-1234-5678"
        print("↓ 対象文字列\n"+st)
        result_iter = pattern.finditer(st)
        for  result   in  result_iter:
            print("match:",result.group())
            print("位置",result.span())        
                            

実行結果

 2つの番号は各々パターンを満たしていますが、どれもマッチしていません。

^ と $ の制約が影響するからです。

そこで、^ と $ の代わりに \b を使う事でこの結果を回避できそうです。

\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b

\b は、単語の境目にマッチする正規表現であり、\w と \W との間、あるいは \w と文字列の先頭・末尾との間でのマッチを引き起こします。

(\b については、【\b 単語の境界】で詳しく説明しています。)

パターンである 0[7-9]0-?[0-9]{4}-?[0-9]{4} を \b で挟んで、\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b のようにしましょう。

 これで番号が複数個ある場合でも拾えるはずです。

    re_prac2_7.py

        import  re

        pattern = re.compile(r"\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b")
        st = "09012345678 090-1234-5678 090123456789"
        print("↓ 対象文字列\n"+st)
        result_iter = pattern.finditer(st)
        for  result   in  result_iter:
            print("match:",result.group())
            print("位置",result.span())        
                            

実行結果

 狙い通り、パターンの構成要件を満たしている番号のみ(09012345678  090-1234-5678)を拾えました。

さらに、前回の【クレジットカード番号】編と同様に、番号の前後に単語構成文字以外の余計な - や : などが付いているケースを検証してみましょう。

(?<!-)\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b(?!:)

 パターンは \b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b のままで、電話番号が -090-1234-5678 や 09012345678: を含むような場合について実行してみます。

    re_prac2_8.py

        import  re

        pattern = re.compile(r"\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b")
        st = "09012345678 -090-1234-5678 09012345678:"
        print("↓ 対象文字列\n"+st)
        result_iter = pattern.finditer(st)
        for  result   in  result_iter:
            print("match:",result.group())
            print("位置",result.span())        
                            

実行結果

実行結果(続き)

 前後に - や : が付いている番号までマッチしました。

元来であれば、何も付いていない番号に一致させたいので、これは否定したい結果です。

 この問題に対処するには、否定後読みや否定先読みを用います。

パターン前後に (?<!-)  (?!:) を挟んで (?<!-)\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b(?!:) にします。

こうする事で、番号の前後に - や : のある形式は不一致になるはずです。

(否定後読みについては、【(?<! ) 否定後読み】で、否定先読みについては、【(?! ) 否定先読み】で詳しく説明しています。)

    re_prac2_9.py

        import  re

        pattern = re.compile(r"(?<!-)\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b(?!:)")
        st = "09012345678 -090-1234-5678 09012345678:"
        print("↓ 対象文字列\n"+st)
        result_iter = pattern.finditer(st)
        for  result   in  result_iter:
            print("match:",result.group())
            print("位置",result.span())        
                            

実行結果

 きちんと、適切な形式の番号だけに一致しました。

(?<![+#-])\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b(?![:*@])

 先程は、番号の前後に - と : しか余計な記号はありませんでしたが、もう少し不要な記号がある場合にも対応してみましょう。

 それには、先読みや後読みと文字クラスを組み合わせます。

例えば、+ # - の付いた番号はマッチの対象から外したいなら、+ # - を集合にして [+#-] とし、後は否定後読みなどに付加して (?<![+#-]) の形にします。

 下の re_prac2_10.py では、番号の前後に様々な不必要な記号がありますが、これらを弾くパターンを構成しています。

    re_prac2_10.py

        import  re

        pattern = re.compile(r"(?<![+#-])\b0[7-9]0-?[0-9]{4}-?[0-9]{4}\b(?![:*@])")
        st = "09012345678 -090-1234-5678 09012345678:"\
                "\n" "#08012345679@ +07012345677 07012345672"\
                "\n" "09012345676* -09012345671"
        print("↓ 対象文字列\n"+st+"\n↑ 対象文字列")
        result_iter = pattern.finditer(st)
        for  result   in  result_iter:
            print("match:",result.group())
            print("位置",result.span())        
                            

実行結果

実行結果(続き)

 無事に 09012345678 と 07012345672 のみマッチさせる事が出来ました。

固定電話
0(?:[0-9]-?[0-9]{4}|[0-9]{2}-?[0-9]{3}|[0-9]{3}-?[0-9]{2}|[0-9]{4}-?[0-9])-?[0-9]{4}

 今度は、固定電話を検証しましょう。

- (ハイフン) がある場合にも、無いときにも対応します。

 要するに- (ハイフン) は省略できるので ? を用いて文字列パターンは、0(?:[0-9]-?[0-9]{4}|[0-9]{2}-?[0-9]{3}|[0-9]{3}-?[0-9]{2}|[0-9]{4}-?[0-9])-?[0-9]{4} にします。

    re_prac2_12.py

        import  re

        pattern = re.compile("0(?:[0-9]-?[0-9]{4}|[0-9]{2}"\
                                            "-?[0-9]{3}|[0-9]{3}-?[0-9]{2}"\
                                            "|[0-9]{4}-?[0-9])-?[0-9]{4}")
        st = "03-3100-5678 0112001234 01392-2-5678"\
                "\n" "0-12345-678 1123456789"
        print("↓ 対象文字列\n"+st+"\n↑ 対象文字列")
        result_iter = pattern.finditer(st)
        for  result   in  result_iter:
            print("match:",result.group())
            print("位置",result.span())        
                            

実行結果

実行結果(続き)

 これも問題なくパターンを満たす番号のみ取得しています。

後は携帯電話と同様な修正を行い、番号の前後に不要な記号がある場合まで対応します。

(?<![+#-])\b0(?:[0-9]-?[0-9]{4}|[0-9]{2}-?[0-9]{3}|[0-9]{3}-?[0-9]{2}|[0-9]{4}-?[0-9])-?[0-9]{4}\b(?![:*@])

    re_prac2_13.py

        import  re

        pattern = re.compile(r"(?<![+#-])\b0(?:[0-9]-?[0-9]{4}|[0-9]{2}"\
                                            "-?[0-9]{3}|[0-9]{3}-?[0-9]{2}"\
                                            r"|[0-9]{4}-?[0-9])-?[0-9]{4}\b(?![:*@])")
        st = "03-3100-5678 0112001234 01392-2-5678"\
                "\n" "#098-800-4567 -075-861-7890@ +0452009876"\
                "\n" "052-200-3456* -06-4250-2345 01120012345"
        print("↓ 対象文字列\n"+st+"\n↑ 対象文字列")
        result_iter = pattern.finditer(st)
        for  result   in  result_iter:
            print("match:",result.group())
            print("位置",result.span())        
                            

実行結果

実行結果(続き)

 不要な記号がある場合など、パターンに合致しない番号はマッチしていません。