Pythonができる文字列の事。中巻：正規表現の章

"""
3桁-3桁-4桁の電話番号を想定。
受け取る文字列の中に電話番号を見つける。
"""
def is_phone_number(text):
  """\
  受け取る文字列が、DDD-DDD-DDDDの形かどうかを調べるメソッド
  Retrun:
      True or Flase
  """
  if len(text) != 12: # 受け取った文字列が12文字かどうかを判断
    return False
  for i in range(0, 3): # 文字列の最初の3文字が数字だけか調べる
    if not text[i].isdecimal():
      retrun False
  if text[3] != '-': # 4文字目がハイフンかどうか調べる
    return False
  for i in range(4, 7): # 5文字目から7文字目までが数字だけかどうか調べる
    if not text[i].isdecimal():
      return False
  if text[7] != '-': # 8文字目がハイフンかどうか調べる
    return False
  for i in range(8, 12): # 9文字目から12文字目までが数字だけかどうか調べる
    if not text[i].isdecimal():
      return False
  return True

"""\
messageの先頭から12文字を、1文字ずらしながら
is_phone_number()に渡して評価させる。
"""
message = "明日415-555-1011に電話してください。オフィスは415-555-9999です。"
for i in range(len(message)):
  chunk = message[i:i+12]
  if is_phone_number(chunk):
    print(' 電話番号が見つかりました：' + chunk)
print("完了")

"""
3桁-3桁-4桁の電話番号を想定。
受け取る文字列の中に電話番号を見つける。
"""
import re

phone_num_regex = re.compile(r"\d{3}-\d{3}-\d{4}")
mo = phone_num_regex.search("私の電話番号は415-555-4242です。")

print("Telephone Number:" + mo.group())

import re
# 1.丸括弧（）を用いてグルーピングする。
# 電話番号を市外局番とそれ以外に分けたい
# gourp()に引数を渡すとマッチした中の指定したグループだけを取得できる。
phone_num_regex = re.compile(r"(\d{3})-(\d{3}-\d{4})")
mo = phone_num_regex.search("私の電話番号は415-555-4242です。")
mo.group(0)
mo.group(1)
mo.group(2)
# groups()で全てのグループをタプル型で取得できる。
area_code, main_number = mo.groups()


# 2.縦線｜を用いて複数のグループとマッチする。
# 両方ある場合は最初に出現した方を取得する。
hero_regex = re.compile(r"Batman|Tina Fey")
mo1. = hero_regex.search("Batman and Tina Fey.")
mo1.gourp()
mo2 = hero_regex.search("Tina Fey and Batman")
mo2.group()
# パターンを複数指定したい場合は丸括弧を使う
# 例えばBatで始まるいくつかの単語をパターンにしたい
bat_regex =　re.compile(r"Bat(man|mobile|copter|bat)")
mo3 = bat_regex.search("Batmobile lost a wheel")
mo3.group(0)
mo3.group(1)


# 3.疑問符？を用いた任意のマッチング。
# 任意のマッチングなのでマッチしてもしなくても良い場合
bat_regex = re.compile(r"Bat(wo)?man")
mo = bat_regex.search("The Aventures of Batman")
mo.group()
mo1 = bat_regex.search("The Adventures of Batwoman")
mo1.group()
# 市外局番の有無に関係なく検索したい場合
phone_regex = re.compile(r"(\d{3}-)?\d{3}-\d{4}")
mo2 = phone_regex.search("私の電話番号は415-555-4242")
mo2.group()
mo3 = phone_regex.search("私の電話番号は555-4242")
mo3.group()


# 4.アスタリスク＊を用いいた0回以上のマッチ。
# ？とほぼ同じ気がする。
bat_regex2 = re.compile(r"Bat(wo)*man")
mo4 = bat_regex2.search("The Adventures of Batman")
mo4.group()
mo5 = bat_regex2.search("The Adventures of Batwoman")
mo5.group()
mo6 = bat_regex2.search("The Adventures of Batwowowowoman")
mo6.group()

import re
# 5.プラス＋を用いた1回以上のマッチ。
bat_regex3 = re.compile(r"Bat(wo)+man")
mo7 = bat_regex3.search("The Adventures of Batman")
mo7.group()
mo8 = bat_regex3.search("The Adventures of Batwoman")
mo8.group()
mo9 = bat_regex3.search("The Adventures of Batwowowowoman")
mo9.group()


# 6.波括弧{}を用いて繰り返し回数を指定する。
ha_regex = re.compile(r"(Ha){3,5}")
mo10 = ha_regex.search("HaHaHaHaHa")
mo10.group()
# Ha1回だけだとマッチしないので「None」が返される
mo11 = ha_regex.search("Ha")
mo11.group()


# 7.貪欲マッチ、非貪欲マッチ
# 貪欲＝最長マッチ
greedy_Ha_regex = re.compile(r"(Ha){3,5}")
mo = greedy_Ha_regex.search("HaHaHaHaHa")
mo.group()
# 非貪欲＝最短マッチ
nonreedy_Ha_regex = re.compile(r"(Ha){3,5}?")
mo1 = nongreedy_Ha_regex.search("HaHaHaHaHa")
mo1.group()
# ?は任意グループの指定と、非貪欲マッチの指定の２つの働きがある


# 8.findall()メソッドを使う
# search()とは違って一致した全ての文字列を返す
# 比較すると。
phone_num_regex = re.compile(r"\d{3}-\d{3}-\d{4}")
mo2 = phone_num_regex.search("cell: 415-555-9999 work: 212-555-0000")
mo2.group()
# findall()は文字列のリストを返す
mo3 = phone_num_regex.findall("cell: 415-555-9999 work: 212-555-0000")
mo3.group()
# パターンにグループを使うとタプルのリストを返す
phone_num_regex = re.compile(r"(\d{3})-(\d{3})-(\d{4})")
mo4 = phone_num_regex.search("cell: 415-555-9999 work: 212-555-0000")
mo4.group()

import re
# 9.文字集合と独自の集合
# \dは数字を意味する
# (1|2|3|4|5|6|7|8|9|0)の短縮系、その他の短縮型など後述する
xmas_regex = re.compile(r"\d+\s\w+")
xmas_regex.findall("12 drummers, 11 pipers, 10 lords, 9 ladies, 8 maids,"
                   "7 swans, 6 geese, 5 rings, 4 birds, 3 hens, 2 doves, 1 partridge")
# 独自に集合を定義する
vowel_regex = re.compile(r"[aeiouAEIOU]")
vowel_regex.findall("RoboCop eats baby food. BABY FOOD.")
# キャレットで「それ以外」となる
vowel_regex1 = re.compile(r"[^aeiouAEIOU]")
vowel_regex1.findall("RoboCop eats baby food. BABY FOOD.")


# 10.キャレットとドル記号
# キャレットには「先頭に一致するものがあるかどうか」という働きもある
begins_with_hello = re.compile(r"^Hello")
begins_with_hello.search("Hello world!")
begins_with_hello.search("He said Hello.")

# ドルは終わりに一致するものがあるかどうかをみてくれるようになる。
ends_with_number = re.compile(r"\d$")
ends_with_number.search("Your number is 42")
ends_with_number.search(Your are 42 years old.)
# キャレットとドルで囲むと「全体の中に〜が一致するか」となる。
whole_string_is_num = re.compile(r"^\d+$")
whole_string_is_num.search("123456789")
hole_string_is_num.search("12345xyz6789")
hole_string_is_num.search("1234 56789")

import re
# 11. ワイルドカード
# 11-1 ドットがワイルドカード。1文字にしか当たらない。
at_regex1 = re.compile(r".at")
at_regex1.findall("The cat in the hat sat on the flat mat.")


# 11-2ドットとアスタリスクと改行
# 何文字でもOKになる。（改行を含まない）
at_regex2 = re.compile(r".*at")
at_regex2.findall("The cat in the\n hat sat on the \nflat mat.")
# 改行を含目たい場合は第２引数に「re.DOTALL」を指定する。
at_regex3 = re.compile(r".*at", re.DOTALL)
at_regex3.findall("The cat in the\n hat sat on the \nflat mat.")


# 12.大文字、小文字を無視したマッチ
# 大文字小文字を区別する。	区別しない場合は「re.IGNORECACE」または「re.I」
regex = re.compile(r"robocop", re.I)
regex.search("RoboCop").group()
regex.search("robocoP").group()
regex.search("ROBOCOp").group()
#　上記は全てマッチする


# 13.sub()メソッドで置換する
# 第１引数で置換文字、第２引数は置換対象の文字、２が１になる。
names_regex = re.compile(r"Agent \w+")
names_regex.sub("CENSORED", "Agent Alice gave the secret document to Agent Bob.")
# マッチした文字を置換の一部として使いたい場合、グループを指定する
agent_names_regex = re.compile(r"Agent (\w)\w*")
agent_names_regex.sub(r"\1****", "Agent Alice told Agent Carol that"
                      " Agent Eve knew Agent Bob was a double agent.")  # \1がグループの番号