間違いだらけの正規表現講座 level 3

何文字でも入る

さて、第３回です。今回は、「何文字でも入る」伏字のやり方を覚えましょう。
この表現を覚えると、やっと正規表現っぽい使い方ができるようになります。
ちょっとややこしいですが、頑張って覚えてください。

これが何文字でも続く

さて、「何文字でも入る」伏字というのは何かというと、イメージとしては、 「愛天使～きゅん」というような表現で、「～」が果たす役割に似ています。
「～」の中には、「何でもいいから何文字かの表現」が入る気がしますね。

ただし、コンピュータの正規表現の世界では、これを２つの正規表現の組み合わせで表現します。

さて、今回の最初の正規表現記号です。

*

この記号。これは、「直前の正規表現の、０回以上の繰り返し」という意味になります。
ちょっとイメージが掴みにくいと思いますので、実際の使い方を挙げてみましょう。

何でもいいから０文字以上

.*

正規表現「.」と組み合わせた場合。
「.」は、「何でもいいから１文字」を表す正規表現でしたね。
それと「*」を組み合わせると、「何でもいいから１文字が０回以上繰り返し」、 つまり、「何でもいいから０文字以上続く」という意味になります。

例えば、「けの.*ぴ」という正規表現には、「けのぴ」（０文字）、「けのっぴ」（１文字） 「けのけのけのっぴ」（５文字）の何れもマッチします。

数字０文字以上

[0-9]*

正規表現「[0-9]」と組み合わせた場合。
「[0-9]」は、「[]の中のどれか一つ」を表す正規表現でしたね。
つまり、組み合わせると、「0～9の文字が０文字以上続く」という意味になります。

この正規表現には、「0」「8390」といった、数字の連続したものが全てマッチします。
「」（空文字、数字０文字）もマッチすることに気をつけてください。

指定した文字０文字以上

けの*っぴ

普通の文字と組み合わせることもできます。
この場合、「*」と組み合わせられているものは、直前にある「の」ですので、 「けのっぴ」「けののっぴ」「けののののっぴ」といったものがマッチします。
「けっぴ」もマッチすることに気をつけてください。「の」が０文字、という意味ですね。

１文字以上

さて、見てきたとおり、「*」は、「０回以上の繰り返し」となっているため、
使いにくい場合もあります。そのために別の表現も用意されています。

+

これは、「１回以上の繰り返し」を表します。
つまり、「けの+っぴ」と書けば、「けのっぴ」はマッチしますが、「けっぴ」は マッチしなくなります。

０回もしくは１回

?

これは、「０回もしくは１回の繰り返し」を表します。
つまり、「愛?天使」と書けば、「愛が０回もしくは１回あり、その後に天使が続く」
＝「愛天使」と「天使」がヒットします。

練習

さて、練習の時間です。

今回は、次のような文字にマッチする正規表現を考えてみてください。

うはｗｗｗｗｗｗｗｗおｋｋｋｋｋｗｗｗｗｗｗｗ

分解すると、

• 「うは」が先頭にあり
• その後に１文字以上の「ｗ」が続き
• その後に「お」があり
• その後に１文字以上の「ｋ」が続き
• その後に１文字以上の「ｗ」が続く

正規表現テスターを立ち上げ、適当にうはｗｗｗｗおｋｋｋｗｗｗｗといった 文字列を入れ、正規表現でマッチさせてみてください。

正解の一例を以下に示しておきます。

うはｗ+おｋ+ｗ+

最長一致！

今回お話した正規表現を使った場合、「どこまでがマッチするか」が微妙な場合が出てきます。
たとえば、「うはｗｗおｋｋｋｋｋ」という文字列に対して、正規表現「うは.*ｋ*」を適用したとしましょう。
この場合、「.*」にマッチするのはどこまでで、「ｋ*」にマッチするのはどこまででしょう？

正規表現の場合、特に指定しない限り、大抵の場合、「最長一致の法則」というものが適用されます。
この場合で言えば、「.*」にはマッチできる限り最長の部分がマッチしますので、 実際には、「.*」には「ｗｗおｋｋｋｋｋ」が全てマッチし、 その後に残った「ｋ*」には空文字がマッチする形になります。

まだそれほど気にしなくてもいいですが、そのうち困ったことが出てくる場合があります。
その際にまた改めて説明します。

ちょっと脱線

今回お話した「*」や「?」は、「量指定子」などと呼ばれています。
正規表現がマッチする「量」を指定するからでしょうか。

ご指摘などはこちらへ