間違いだらけの正規表現講座 level 8

一気に置き換えろ！

さて、とうとう第８回まできました。
今回は、正規表現を使った置換の方法です。

これを覚えると、テキストの加工が一気に楽になります。
人手で延々とやってる作業をコンピュータに 一瞬でやらせられる、魔法のような効果を発揮しはじめます。

単純な置換

さて、置換と言っても、単純な置換だけなら、何も覚えることはありません。 例えば、文章に含まれる、

ぽな
ぽなぽっぽ
ぽなぽっぽっぽ

といった文字列を、全て「Ponapalt」に置換することを考えましょう。

まずは、マッチする正規表現を考えます。 これはもう、すぐに出てくるのではないでしょうか。

ぽな(ぽっ)*ぽ?

でいいですね。

そうしたら、検索する文字列としてその正規表現を、置換する文字列として 「Ponapalt」を入れて、置換を行えばいいだけです。

正規表現テスターで行う場合は、「正規表現」「置換表現」をそれぞれ画面の ように入れて、「置換！」を押してみてください。

だけど…

ですが、これではあまり面白くないですね。
検索できる文字列の表現が広がっただけで、置き換え後の文字列は相変わらず 一定の文字列で、応用が利きません。

実は、正規表現で置換を行う場合、置き換え後の文字列の側にも、一定の メタ文字を使うことができます。

それを覚えると、一気に応用が利くようになります。

まずはおさらい

第４回で学んだ、「まとめて一つ」を表す、

()

この記号。第４回では、この記号には二つの役割があると言いました。

• カッコの中の正規表現をまとめて１つの正規表現として扱う（グループ化）
• そのまとまった正規表現を、後で使えるように保存しておく（キャプチャ）

第４回で学んだのは「まとめて一つ」、グループ化の役割でした。
今回、「後で使えるように保存しておく」、キャプチャの役割が効力を発揮します。

キャプチャしたものを呼び出す

さて、置き換え後の文字列で使えるメタ文字、それは、 「キャプチャしたものを呼び出す」メタ文字です。

$1～$9 キャプチャ１番目～９番目

ここで注意。
Perlや正規表現テスターでは、「$1」「$2」といった表現を使いますが、 エディタ等によっては、「\1」「\2」といった表現を使う場合もあります。 例えば、EmEditorなどは「\」を使う例です。

使っているエディタのヘルプで、「置換表現」「後方参照」といった用語を探して、 「$」と「\」のどちらを使うのか調べておいてください。

さて、キャプチャしたものを呼び出す、とはどういうことか。

次のような例を考えてみましょう。

<a href="01234.html">へもぐろびん</a>
<a href="56789.html">もののけ</a>
<a href="keno.html">けのけの</a>
<a href="pona.html">ぽなぽな</a>

さて、このテキストから、リンク先のファイル名（01234.htmlとか）だけを 抜き出したいとします。置換でやるには、

<a href="01234.html">へもぐろびん</a> → 01234.html
<a href="56789.html">もののけ</a> → 56789.html
<a href="keno.html">けのけの</a> → keno.html
<a href="pona.html">ぽなぽな</a> → pona.html

こんな形で置換できればいいですね。

そのためには、「01234.html」の部分にマッチした文字列をとっておいて （キャプチャ）、その文字列に置換（呼び出す）すれば良いわけです。

まず、検索する正規表現を考えます。

<a href="(.*)">.*</a>

ここで、最初の「.*」にカッコがついていることに注目してください。
検索するだけなら、このカッコは必要ないですね。
このように書くことによって、このカッコの中にマッチした文字列が、 後で利用できるように保存されます。
これがキャプチャという意味です。

そして、置換後の文字列として、

$1

と書きます。
「$1」は「１番目のキャプチャにマッチした文字列」という意味で、 ここではキャプチャは１個しかありませんから、先ほどの保存した文字列を 表すことになります。

正規表現テスターを立ち上げ、実際にやってみてください。
おっと、オプションでシングルラインモードをOFF （『「.」が改行にもマッチする』を外す）にしておくのを忘れないでくださいね。

応用

では、応用編です。

先ほどの例文を、

へもぐろびん,01234.html
もののけ,56789.html
けのけの,keno.html
ぽなぽな,pona.html

とするにはどのようにすればよいでしょうか。
キャプチャを２つ使えば解決します。
少し考えてみてください。

答えは、

正規表現：<a href="(.*)">(.*)</a>
置換表現：$2,$1

こうなります。 「$1」「$2」が、それぞれ、１番目、２番目に出てきたカッコと
対応しているわけです。
それを使う順序は、カッコの順序と一致していなくてもいいわけですね。
「,」は単なる普通の文字です。

このように、普通の文字とキャプチャをうまく組み合わせることによって、
文章から特定の部位を抜き出したり、加工したりといったことが容易にできます。
正規表現を使わないと、このような置換は無理ですよね。

ちょっと脱線

今回、慣れないとちょっとややこしいかもしれませんが、如何でしょうか。
キャプチャを使った置換を覚えると、正規表現の力を感じることが
できるのではないかと思います。

ご指摘などはこちらへ