間違いだらけの正規表現講座 level 2

入るものを特定する

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。

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、 「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

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]

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、 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！

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！

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

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

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