閉じる

Pythonのre.splitで文字列を分割する手法｜複数区切りや正規表現パターンの活用術

広告

Pythonでプログラミングを行う際、文字列を特定の区切り文字で分割する処理は非常に頻繁に発生します。

標準のsplit()メソッドでも単純な分割は可能ですが、より複雑な条件や複数の記号が混在するデータを扱う場合には、標準ライブラリのreモジュールが提供するre.split()関数が威力を発揮します。

正規表現（Regular Expression）を活用することで、複数の区切り文字を一度に指定したり、空白文字の連続を柔軟に処理したりすることが可能になります。

この記事では、Pythonのre.split()を用いた文字列分割の基礎から、実戦で役立つ高度な正規表現パターンの活用術までを詳しく紹介します。

目次 [ close ]
  1. re.split関数の基本と構文
  2. 複数の区切り文字で分割する方法
    1. 複数の記号を指定するパターン
    2. 文字クラスを利用した効率化
  3. 正規表現パターンを活用した柔軟な分割
    1. 連続する空白文字での分割
    2. 記号と空白が組み合わさった場合
  4. 区切り文字を結果に含める方法
  5. 分割回数の制限（maxsplit）
  6. re.split() と str.split() の違いと使い分け
  7. 実戦的な応用例：テキストデータのクリーニング
    1. 不要な空要素の排除
    2. 正規表現フラグの活用
  8. パフォーマンスを意識したre.compileの利用
  9. 注意点：エスケープが必要な文字
  10. まとめ

re.split関数の基本と構文

Pythonで正規表現を扱うためには、まず標準ライブラリであるreモジュールをインポートする必要があります。

re.split()関数は、指定した正規表現パターンにマッチする部分で文字列を分割し、その結果をリスト形式で返します。

基本的な構文は、re.split(pattern, string, maxsplit=0, flags=0)となります。

第一引数のpatternには分割の基準となる正規表現を記述し、第二引数のstringには対象となる文字列を渡します。

maxsplitは分割を行う最大回数を指定するオプションで、デフォルトの0は「制限なし」を意味します。

また、flags引数を使用することで、大文字小文字を区別しないといった特殊なマッチング条件を追加できます。

まずは、もっともシンプルな使用例を見ていきましょう。

Python
import re

# カンマで分割するシンプルな例
text = "apple,banana,cherry"
result = re.split(r",", text)

print(result)
実行結果
['apple', 'banana', 'cherry']

このように、特定の1文字で分割する場合は、標準のsplit()メソッドと大きな違いはありません。

しかし、条件が複雑になった瞬間にre.split()の真価が発揮されます。

複数の区切り文字で分割する方法

実務で扱うデータには、カンマ、セミコロン、スペースなどが混在しているケースが多々あります。

標準のsplit()メソッドでは、一度に一つの文字しか指定できないため、繰り返し処理を行う必要があります。

対してre.split()では、正規表現の「OR」を意味する「|（パイプ）」を使用することで、複数の区切り文字を同時に指定可能です。

複数の記号を指定するパターン

例えば、カンマ、セミコロン、そしてコロンが混在する文字列を分割したい場合を考えます。

正規表現パターンをr"[,;:]"のように記述することで、これらのいずれかの文字にヒットした場所で分割が行われます。

Python
import re

# 複数の区切り文字（カンマ、セミコロン、コロン）が混在
text = "Python,Java;C++:Ruby"
result = re.split(r"[,;:]", text)

print(result)
実行結果
['Python', 'Java', 'C++', 'Ruby']

このように、1回の呼び出しで複数のルールを適用できる点が大きなメリットです。

文字クラスを利用した効率化

[]（ブラケット）で囲む形式は「文字クラス」と呼ばれ、その中のいずれか1文字に一致することを表します。

これを利用すれば、記号の種類が増えても簡潔に記述できます。

もし、ハイフンなども含めたい場合はr"[,;:\-]"のように記述します。

ハイフンは文字クラス内で範囲指定の役割を持つことがあるため、エスケープ（\-）するか、末尾に配置するのが安全です。

正規表現パターンを活用した柔軟な分割

単なる記号の指定だけでなく、正規表現のメタ文字を組み合わせることで、より高度な分割が可能になります。

ここでは、実務でよく遭遇するパターンを紹介します。

連続する空白文字での分割

データ入力のゆらぎによって、スペースが1つの場所もあれば、2つ以上連続している場所もあるかもしれません。

正規表現の\sは空白文字（スペース、タブ、改行など）を表し、+は「1回以上の繰り返し」を意味します。

これらを組み合わせた\s+をパターンに指定することで、連続する空白を1つの区切りとしてまとめて処理できます。

Python
import re

# 連続するスペースやタブが混在
text = "Word1    Word2\tWord3  Word4"
result = re.split(r"\s+", text)

print(result)
実行結果
['Word1', 'Word2', 'Word3', 'Word4']

標準のsplit()でも引数なしの場合は同様の挙動をしますが、re.split()では他の記号と組み合わせることも可能です。

記号と空白が組み合わさった場合

「カンマの後に任意の数のスペースがある」といったパターンにも対応できます。

パターンにr",\s*"を指定すると、カンマの直後に0個以上の空白がある箇所で分割します。

これにより、分割後の各要素に不要な空白が含まれるのを防ぐことができ、トリミング処理（strip）の手間を省けます。

Python
import re

# カンマの後にバラバラな数のスペース
text = "apple,  banana, cherry,date"
result = re.split(r",\s*", text)

print(result)
実行結果
['apple', 'banana', 'cherry', 'date']

区切り文字を結果に含める方法

通常、re.split()は区切り文字を「除去」して分割後のテキストのみを返します。

しかし、解析の都合上、どの区切り文字が使われていたかを保持したい場合があります。

そのようなときは、正規表現のパターンを「( )（キャプチャグループ）」で囲みます。

Python
import re

text = "2026/05/15 10:30:45"
# 区切り文字をカッコで囲む
result = re.split(r"([/: ])", text)

print(result)
実行結果
['2026', '/', '05', '/', '15', ' ', '10', ':', '30', ':', '45']

結果を見ると、数字の間に区切り文字そのものがリストの要素として挿入されているのがわかります。

もし区切り文字を含めたくない場合は、キャプチャグループを使用しない（カッコを外す）ように注意してください。

逆に、条件指定のためにカッコを使いたいが結果には含めたくない場合は、(?:...)という「非キャプチャグループ」の構文を使用します。

分割回数の制限（maxsplit）

文章全体を分割するのではなく、最初の数回だけ分割したいケースがあります。

例えば、ログファイルの「タイムスタンプ」と「メッセージ内容」を分けたい場合、メッセージ内に区切り文字が含まれていると分割されすぎてしまいます。

このような時に、maxsplit引数が役立ちます。

Python
import re

log = "2026-05-15 INFO: User 'admin' logged in successfully."
# 最初の2つのスペースだけで分割
result = re.split(r"\s", log, maxsplit=2)

print(result)
実行結果
['2026-05-15', 'INFO:', "User 'admin' logged in successfully."]

この例では、maxsplit=2を指定することで、3つ目以降のスペースは無視され、残りの文章が1つの要素として保持されます。

これは、特定のフォーマットを持つデータをパースする際に非常に重要なテクニックです。

re.split() と str.split() の違いと使い分け

Pythonには、文字列オブジェクトのメソッドとしてsplit()が用意されています。

どちらを使うべきか迷うことがありますが、基本的には「シンプルならstr.split()、複雑ならre.split()」と選ぶのがベストです。

機能str.split()re.split()
処理速度高速やや低速（正規表現エンジンのため）
複数区切り文字不可（1種類のみ）可能（正規表現で柔軟に指定）
複雑なパターン不可可能（数値、空白、繰り返しなど）
使用準備不要import re が必要

固定された1つの文字で分割するだけであれば、str.split()の方がコードも読みやすく、パフォーマンスも優れています。

一方で、「区切り文字が複数ある」「区切り文字が可変である」といった状況では、re.split()以外に選択肢はありません。

実戦的な応用例：テキストデータのクリーニング

実際のデータ分析やWebスクレイピングの現場では、きれいなデータばかりではありません。

余計な改行やタブ、複数の記号が混じったテキストを整えるためにre.split()を活用しましょう。

不要な空要素の排除

分割の結果、空の文字列''がリストに含まれてしまうことがあります。

これは、区切り文字が連続している場合や、文字列の先頭・末尾に区切り文字がある場合に発生します。

内包表記やfilter()関数を組み合わせることで、クリーンなリストを取得できます。

Python
import re

raw_data = ",apple,,banana,cherry,"
# カンマで分割
parts = re.split(r",", raw_data)
# 空文字列を除外
clean_parts = [p for p in parts if p]

print(clean_parts)
実行結果
['apple', 'banana', 'cherry']

あるいは、前述したようにr",+"というパターンを使えば、連続するカンマを1つとして扱えるため、最初から空要素を作らない工夫も可能です。

正規表現フラグの活用

re.split()の第4引数であるflagsを活用すると、より高度な制御が可能です。

例えば、re.IGNORECASEを指定すれば、アルファベットの大文字小文字を問わず分割の基準にできます。

あまり頻繁には使いませんが、特定のキーワード（例：「SEP」や「and」）を区切りにしたい場合に便利です。

Python
import re

text = "PythonandJavaANDRubyAndC++"
# "and"（大文字小文字問わず）で分割
result = re.split(r"and", text, flags=re.IGNORECASE)

print(result)
実行結果
['Python', 'Java', 'Ruby', 'C++']

パフォーマンスを意識したre.compileの利用

もし、同じ正規表現パターンを使って大量の文字列をループ内で分割する場合、その都度re.split()を呼び出すのは効率的ではありません。

re.compile()を使用してあらかじめ正規表現オブジェクトを生成しておくことで、処理を高速化できます。

Python
import re

# パターンをコンパイル
pattern = re.compile(r"[,;:\s]+")

data_list = ["a,b;c", "d:e f", "g, h ; i"]

for item in data_list:
    # コンパイル済みオブジェクトのsplitメソッドを呼び出す
    print(pattern.split(item))
実行結果
['a', 'b', 'c']
['d', 'e', 'f']
['g', 'h', 'i']

大規模なログファイルの解析など、パフォーマンスが重視されるシステムでは、この「コンパイル」の手順を忘れないようにしましょう。

注意点：エスケープが必要な文字

re.split()を使用する際、初心者がもっとも陥りやすい罠が「メタ文字のエスケープ忘れ」です。

正規表現において、.（ドット）や*（アスタリスク）、+（プラス）、?（クエスチョンマーク）などは特別な意味を持ちます。

これらを「ただの文字」として分割に使用したい場合は、バックスラッシュ（\）を前に置く必要があります。

例えば、IPアドレスをドットで分割したい場合、パターンをr"\."と記述しなければなりません。

もしr"."と記述してしまうと、「任意の1文字」という意味になり、すべての文字が区切り文字として扱われてしまいます。

Python
import re

ip_address = "192.168.1.1"

# 誤った例：すべてが分割されてしまう
# result = re.split(r".", ip_address)

# 正しい例：ドットをエスケープする
result = re.split(r"\.", ip_address)

print(result)
実行結果
['192', '168', '1', '1']

このように、意図しない分割結果になったときは、まず正規表現のメタ文字を疑うのがトラブルシューティングの鉄則です。

まとめ

Pythonのre.split()は、文字列操作の柔軟性を劇的に向上させる強力なツールです。

単一の文字だけでなく、複数の記号や複雑な空白パターンを一度の処理で分割できるため、コードの簡潔化と保守性の向上に寄与します。

今回の内容をまとめると以下の通りです。

  • re.split()は正規表現を使って文字列を分割し、リストを返す。
  • |（OR）や文字クラス[]を使えば、複数の区切り文字を指定できる。
  • \s+を使えば、連続する空白文字をまとめて処理できる。
  • キャプチャグループ()を使うと、区切り文字自体を結果に残せる。
  • maxsplit引数で分割回数を制限できる。
  • 頻繁に使うパターンはre.compile()で高速化を図る。
  • メタ文字を区切りに使う際はエスケープ処理を忘れずに行う。

日常的なデータ処理やテキスト解析において、正規表現による分割を使いこなせるようになると、プログラミングの幅が大きく広がります。

ぜひこの記事で紹介したテクニックを、実際のプロジェクトや学習に役立ててみてください。

URLをコピーしました！