📋

Python3 文字列処理 チートシート

に公開
Python
正規表現
tech

Perl を使ってました。個人的にはわかりやすくて大好きなのですが・・・
Perl 使っているとなんでって言われるので、Pythonに切り替えます。

やりたいこと

Perlの自分の定番（勘で書いているので動かないかもしれません）
これをPythonで調べずに書けるようになりたい。
このページだけでやりたいことができる情報を揃えておきたい。

# ReadFileとWriteFileは自作関数
my @data0 = ReadFile("a.txt");
my @data = editfunc(@data0);
WriteFile("b.txt", @data);
# 数字３つをXXXに置換する
sub editfunc(@){
  my @d = @_;
  my @out =();
  foreach my $ln (@d){ # ★ ループ
    if($ln =~ /^(.*?)(\d{3})(.*?)$/){ # ★ 正規表現マッチ
      $ln = $1."XXX".$3;
    }
    push(@out,$ln);
  }
  return @out;
}

ファイル入出力

基本的には、行ごとの配列で扱うようにします。

# 読み込み
fname = 'data.txt'
with open(fname,'r',encoding='utf-8') as f:
    atxt = f.read().splitlines()
for t in atxt:
    print(t)
# 書き込み
ofile = "out.txt"
d = "\n".join(atxt)
with open(ofile, 'w',encoding='utf-8') as f:
    f.write(d)

これ以降は、行ごとの配列になっているものとして

ループ

とりあえずこれくらいあれば。（enumerate は便利ですが覚えてられないので除外します。）

for t in atxt:
  print(t)
for i in range(len(atxt)):
  print(i,atxt[i])

（Pythonは、continue と break ですね。）

正規表現

これが肝。Perlと違って戸惑いますが、これがあれば。

最強の findall

まずはこれに慣れておく。Perl の ＝～ と ＄１ はカバーできる。

import re
pat = r'(\d{6})' #数字が6文字連続だけ抽出
for t in atxt:
  res = re.findall(pat,t)
  if(res):
    print(res[0],t)

置換

Perlの $word =~ s/pen/book/; パターン

    newtxt = re.sub(pat,"new",t)
    print(newtxt)

とりあえず、引数と出力で同じ変数を指定したら更新してくれるので、
以下でまとめて対応も可能である。

t = "<&&>"
t = re.sub("&", "&",t)
t = re.sub("&lt;", "<",t)
t = re.sub("&gt;", ">",t)
print(t) # <&&>

以下のように書くと、re が不要になる。好みで。

new_text = text.replace("&amp;", "&")

配列操作

appendとpopを忘れない。（もしかしたら、insertとpopだけになるかも。）

  • append：リストの末尾に追加。pushと同じで良く使う
  • insert：あんまり使わない、すごく万能。第１引数で位置指定。
  • pop：空白で末尾を取り出す。０で先頭を取り出す、shift。

おわりに

python は Windows でも簡単に使えるので、
pythonができた方が良いと思い、慣れておきたい。
エラーで怒られたらその都度対応する、慣れていく。
Perlは好きだけど、Windowsでは厳しいし、テキスト処理専用。
Powershellはなるべくやりたくない。

Discussion