文字のパターンで探す（正規表現）

営業のメモや、メールの文面の中から、請求番号・電話番号・金額だけを抜き出したい。そんな場面を考えます。次の notes.txt は、営業担当のメモです。

【10/03】アオイ電機 経理部 山田様 TEL 03-1234-5678
請求書 INV-2025-0001 を送付。金額は 1,320,000円 です。
【10/05】ミドリ商事 佐々木様 携帯 090-1111-2222
見積 Q-2025-014 の件。金額 484,000円（税込）。納期は 11月15日。
【10/09】サクラ印刷 田村様 06-6543-2109
請求書 INV-2025-0003 の入金予定は 10月29日。792,000円。
【10/12】タチバナ工業 中村様 06-6000-1234
INV-2025-0004 の金額が違うとの連絡あり。231,000円のはず。

請求番号（INV-2025-0001 のような形）は、基礎編の道具で取り出せるでしょうか。INV- の位置を find で探して、決まった長さで切り出してみます。

▶ 実行を押すと、ここに結果が出ます

請求番号は取れました。ただし、これは「INV- で始まる」「13文字」と分かっているから、うまくいっただけです。電話番号（03-1234-5678 も 090-1111-2222 もある）や、金額（桁数が違う）には、位置も長さも決まった目印がなく、この方法は使えません。

こうした「形は決まっているが、中身は毎回違う」文字を探すのが、正規表現（せいきひょうげん）の役目です。

正規表現では、探したい文字の形（パターン）を書きます。「INV-、数字4桁、ハイフン、数字4桁」という形を、次のように書きます。

▶ 実行を押すと、ここに結果が出ます

3行とも、メモ全体から、形に合うものがすべて取り出されました。re.findall は「合うものを全部、リストで返す」道具です。最初の1つだけ欲しいときは re.search を使います。

▶ 実行を押すと、ここに結果が出ます

re.search は、見つかると「見つかった情報」（Match）を返し、.group() で中身の文字が取れます。

パターンは、記号を組み合わせた文字の並びの設計図です。INV-\d{4}-\d{4} を分けてみます。

最初の r"..." の r は、バックスラッシュ（\）をそのままの文字として扱う目印（raw文字列）です。正規表現では \d を多用するので、r を付けて書くのが決まりです。

よく使う記号を、表にまとめます。

「または」は INV|Q のように縦線で書きます。Step 2 の1行目を、日本語にしてみます。

記号は他にもたくさんありますが、実務で必要なのは、上の表の形がほとんどです。「近い形を見つけて少し直す」「AIに書いてもらって確かめる」（Step 6）で十分なので、全部は覚えなくて大丈夫です。

① 一部分だけ取り出す（グループ）。 金額の「円」は不要です。取り出したい部分を ( ) で囲むと、グループになり、findall はその部分だけを返します。カンマを外して数字にし、合計も出してみます。

▶ 実行を押すと、ここに結果が出ます

② 名前を付けて取り出す／置き換える。 グループには (?P<名前>...) で名前を付けられ、group("名前") で取れます。re.sub は「合う部分を別の文字に置き換える」道具です。

▶ 実行を押すと、ここに結果が出ます

\1 \2 \3 は、1番目・2番目・3番目のグループの中身です。ここでは、電話番号のハイフンを取り除きました。

③ 欲張りマッチの落とし穴。 .（なんでも1文字）と *（0回以上）を組み合わせた .* は、できるだけ長く合わせようとします。「できるだけ短く」にしたいときは .*? と書きます。

▶ 実行を押すと、ここに結果が出ます

1行目は、最初の 【 から最後の 】 までを取ってしまいました。これが欲張りマッチです。

④ 実務の突き合わせ。 銀行の入金明細（payments.csv）の摘要から請求番号を取り出し、請求の一覧（invoices_billed.csv）と比べて、まだ入金のない請求を探します。（集合の差は Lesson 07 で学びます。）

▶ 実行を押すと、ここに結果が出ます

4件の請求番号が、未入金として出ました。なお、摘要は半角カナ混じりですが、請求番号の部分は半角の英数字なので、そのまま探せています。

⑤ 見つからないとき。 re.search は、見つからないと None を返します。そのまま .group() を呼ぶと、エラーで止まります。

▶ 実行を押すと、ここに結果が出ます

AttributeError: 'NoneType' object has no attribute 'group' と出ます。④のように if m: で、見つかったか確かめてから使います。

お題① notes.txt から、請求番号（INV- で始まるもの）をすべて取り出して、リストで表示してください。（Q-2025-014 のような見積番号は含めません）

▶ 実行を押すと、ここに結果が出ます

import re

with open("notes.txt", encoding="utf-8") as f:
  text = f.read()

print(re.findall(r"INV-\d{4}-\d{4}", text))

お題② notes.txt に出てくる金額（「〇〇円」）の合計を、数字で表示してください。

▶ 実行を押すと、ここに結果が出ます

import re

with open("notes.txt", encoding="utf-8") as f:
  text = f.read()

amounts = [int(x.replace(",", "")) for x in re.findall(r"([\d,]+)円", text)]
print(sum(amounts))

お題③ payments.csv の摘要のうち、請求番号が書かれていない行は何行ありますか。件数を表示してください。

▶ 実行を押すと、ここに結果が出ます

import csv
import re

count = 0
with open("payments.csv", encoding="utf-8") as f:
  for row in csv.DictReader(f):
      if re.search(r"INV-\d{4}-\d{4}", row["摘要"]) is None:
          count = count + 1

print(count)