正規表現講座/2 のバックアップの現在との差分(No.2)

• バックアップ一覧
• 差分 を表示
• 現在との差分 - Visual を表示
• ソース を表示
• バックアップ を表示
• 正規表現講座/2 へ行く。
  • 1 (2006-07-06 (木) 14:55:18)
  • 2 (2006-09-01 (金) 05:04:22)
  • 3 (2008-04-05 (土) 04:29:43)

• 追加された行はこの色です。
• 削除された行はこの色です。

TITLE:間違いだらけの正規表現講座 level 2

#contents
#contentsx

* 入るものを特定する [#u48c4f4c]

さて、第２回では、「入るものを特定する」伏字のやり方について解説します。~

前回は、正規表現「.」は、なんでもいいから１文字とマッチする、とお話しました。~
「マッチ」とは「当てはまる」という意味でしたね。


しかし「なんでもいい」では困る場合もあります。~
しかし「なんでもいい」では困る場合もあります。

例えば、テキストファイルから 2006/07/07 のような日付を探す場合。~
これを、「..../../..」という正規表現で探してしまうと、~
これを、「..../../..」という正規表現で探してしまうと、
「test/ab/cd」のような要らないものまでマッチしてしまいます。

そこで、今回は「数字だけが入る伏字」や「特定の文字だけが入る伏字」についてお話します。

* この中のどれか一つ [#yaa871cb]

さて、今回の最初の正規表現記号です。

 [abcde]

この記号。これは、「[]の中のどれか一つにマッチする」正規表現です。~
この例であれば、「aかbかcかdかeかにマッチする」という意味になります。~
「[」と「]」は半角で書いてください。

さて、これで先ほどの年月日を探す例を書き直してみましょう。

 [0123456789][0123456789][0123456789][0123456789]/[0123456789][0123456789]/[0123456789][0123456789]
 [0123456789][0123456789][0123456789][0123456789]/
 [0123456789][0123456789]/[0123456789][0123456789]

単純ですね。
「0123456789のどれかが入る伏字」を使って、????/??/?? の ? に入るものを~

「0123456789のどれかが入る伏字」を使って、????/??/?? の ? に入るものを、
数字に限定しているわけです。

* こっからここまで全部くれ！ [#j729e9c2]

しかし、「数字」を表すために毎回 [0123456789] と書いていたのでは疲れてしまいます。~
そこで、次のような省略記法が用意されています。

 [0-9]

これは、「0から9までのどれかにマッチする」正規表現です。~
先ほどの例をこの記法で書き直すと、

 [0-9][0-9][0-9][0-9]/[0-9][0-9]/[0-9][0-9]

となります。ずっと短くなりました。

この記法は、勿論数字以外にも使えます。例えば；

 [a-z]　これはアルファベット小文字にマッチします。
 [A-Z]　これはアルファベット大文字にマッチします。

組み合わせて使うこともできます。

 [0-9a-zA-Z] これはアルファベット大文字、小文字、数字にマッチします。

* これ以外全部くれ！ [#eed0e516]

さて、ついでに、次の記法も覚えておきましょう。

 [^abc]

これは、「aとbとc以外の任意の１文字」にマッチする表現です。~
「[]」の先頭に「^」が入ると、「～以外の」という意味になります。

例えば、

 [^A-Z]

これは、「大文字アルファベット以外の任意の１文字」にマッチする表現です。

今は使い道がわからないかもしれませんが、そのうち使いたい場面が出てくるので、~
今はそれほど使い道が思いつかないかもしれませんが、そのうち使いたい場面が出てくるので、
一緒に覚えておいてください。


* 練習 [#t5136122]

&attachref(./regex2.png,nolink);

さて、練習の時間です。

正規表現テスターを立ち上げてください。~
今回は大文字小文字を区別したいので、右側のオプションは「大文字と小文字を区別しない」を外します。

そうしたら、適当なサイトからテキストを貼り付けてみてください。~
例では、読売新聞のトップ（http://www.yomiuri.co.jp/）を貼り付けてみました。

その中から、12:34 という形式の時刻表記を探してみます。
その中から、12:34 という形式の時刻表記を探してみます。~
それを表す正規表現は、もう、わかりますね。

 [0-9][0-9]:[0-9][0-9]

これを正規表現の欄に入れて、「テスト！」ボタンを押してみましょう。


* ちょっと脱線 [#f823e4bd]

今回お話したような正規表現は、「文字クラス」と呼ばれています。~
「クラス」というのはコンピュータ用語で沢山出てきますが、~
日本人だと、一番に来るイメージは、学校のクラス、ではないでしょうか。~
次に来るのは、「Aクラス」「Bクラス」といった、「等級」という意味かな。~
今回お話したような正規表現は、「文字クラス」と呼ばれています。

「クラス」というのはコンピュータ用語で沢山出てきますが、
日本人だと、一番に来るイメージは、学校のクラス、ではないでしょうか。

次に来るのは、「Aクラス」「Bクラス」といった、「等級」という意味かな。

どうしてもそんなイメージがあってどうも馴染みにくい気がします。


コンピュータ用語の「クラス」はもうちょっと広い意味で使われており、~
非常に大雑把に言ってしまうと、「ひとまとまり」というような意味です。

つまり、「文字クラス」であれば、「文字のひとまとまり」。~
今回の正規表現は、まさに「文字のひとまとまり」の中からどれかを選ぶ表現だったわけです。

* ご指摘などはこちらへ [#z07b2530]

#comment