Python正規表現で日本語・英数字を判別！漢字、ひらがな、カタカナ、全角/半角英数字の判定・抽出・カウント術

import re

text = "こんにちは、今日は良い天気ですね。"
# ひらがなを抽出
hiragana_matches = re.findall(r"[\u3040-\u309F]", text)
print(f"ひらがな: {hiragana_matches}") # ['こ', 'ん', 'に', 'ち', 'は', '今', '日', 'は', '良', 'い', '天', '気', 'で', 'す', 'ね']
print(f"ひらがな数: {len(hiragana_matches)}") # 15

import re

text = "Pythonはプログラミング言語です。カタカナも使えます。"
# カタカナを抽出
katakana_matches = re.findall(r"[\u30A0-\u30FF]", text)
print(f"カタカナ: {katakana_matches}") # ['プ', 'ロ', 'グ', 'ラ', 'ミ', 'ン', 'グ', '言', '語', 'で', 'す', 'カ', 'タ', 'カ', 'ナ', 'も', '使', 'え', 'ま', 'す']
print(f"カタカナ数: {len(katakana_matches)}") # 20

import re

text = "漢字とひらがなとカタカナとEnglishと123。"
# 漢字を抽出
kanji_matches = re.findall(r"[\u4E00-\u9FFF]", text)
print(f"漢字: {kanji_matches}") # ['漢', '字']
print(f"漢字数: {len(kanji_matches)}") # 2

import re

text = "あいうえお、アイウエオ、亜意卯江於、abcABC123"
# 日本語文字（ひらがな、カタカナ、漢字）を抽出
japanese_matches = re.findall(r"[\u3040-\u309F\u30A0-\u30FF\u4E00-\u9FFF]", text)
print(f"日本語文字: {japanese_matches}") # ['あ', 'い', 'う', 'え', 'お', 'ア', 'イ', 'ウ', 'エ', 'オ', '亜', '意', '卯', '江', '於']
print(f"日本語文字数: {len(japanese_matches)}") # 15

import re

text = "Python is 1st language for many!"
# 半角英数字を抽出
half_width_alphanum = re.findall(r"[a-zA-Z0-9]", text)
print(f"半角英数字: {half_width_alphanum}") # ['P', 'y', 't', 'h', 'o', 'n', 'i', 's', '1', 's', 't', 'l', 'a', 'n', 'g', 'u', 'a', 'g', 'e', 'f', 'o', 'r', 'm', 'a', 'n', 'y']
print(f"半角英数字数: {len(half_width_alphanum)}") # 26

import re

text = "ＡＢＣＤＥＦＧ１２３４５あいうえお"
# 全角英数字を抽出（より正確に指定）
full_width_alphanum = re.findall(r"[\uFF21-\uFF3A\uFF41-\uFF5A\uFF10-\uFF19]", text)
print(f"全角英数字: {full_width_alphanum}") # ['Ａ', 'Ｂ', 'Ｃ', 'Ｄ', 'Ｅ', 'Ｆ', 'Ｇ', '１', '２', '３', '４', '５']
print(f"全角英数字数: {len(full_width_alphanum)}") # 12

import re

text = "Mix of Abc, ＤＥＦ, 123, ４５６ and 日本語"
# 全角・半角英数字を抽出
all_alphanum = re.findall(r"[a-zA-Z0-9\uFF21-\uFF3A\uFF41-\uFF5A\uFF10-\uFF19]", text)
print(f"全半角英数字: {all_alphanum}") # ['A', 'b', 'c', 'Ｄ', 'Ｅ', 'Ｆ', '1', '2', '3', '４', '５', '６']
print(f"全半角英数字数: {len(all_alphanum)}") # 12

import re

text1 = "日本語が含まれるテキスト"
text2 = "English Only"

# 日本語が含まれるか判定
if re.search(r"[\u3040-\u309F\u30A0-\u30FF\u4E00-\u9FFF]", text1):
    print(f"'{text1}'には日本語が含まれます。")
else:
    print(f"'{text1}'には日本語が含まれません。")

if re.search(r"[\u3040-\u309F\u30A0-\u30FF\u4E00-\u9FFF]", text2):
    print(f"'{text2}'には日本語が含まれます。")
else:
    print(f"'{text2}'には日本語が含まれません。")

import re

dirty_text = "日本語とEnglishと１２３！@＃＄％^"
# 日本語と半角英数字、半角数字のみ残す
cleaned_text = re.sub(r"[^a-zA-Z0-9\u3040-\u309F\u30A0-\u30FF\u4E00-\u9FFF]", "", dirty_text)
print(f"クリーニング後: {cleaned_text}") # 日本語とEnglishと123