【正規表現】基本正規表現＆拡張正規表現～基本的な記述から繰り返しや後方参照まで～│ProCity（プロシティ）

今回は、正規表現について見ていきましょう。

正規表現には大きく分けて、基本正規表現(BRE)と拡張正規表現(ERE)があります。

1つずつ具体的に解説していきます。

正規表現の意味

まずは正規表現の意味について見ていきましょう。

正規表現とは、特定の文字列の集合や特定の文字列のパターンを表現するための表記法である。
出典:IT用語辞典バイナリ

初めて聞いた人はこれだけでは少し分かりにくいかもしれません。
要は、色々な文字列を特殊な文字(メタキャラクタ)を使って1つの文字列で表してしまおうってものです。

1つ例を見ていきましょう。

[ ]は間に挟まれた文字のいずれか1つにマッチするメタキャラクタですが例えばa[abc]cという正規表現があった時、この正規表現はaac、abc、accの3つの文字列にマッチします。

まずは基本正規表現について見ていきましょう。

基本正規表現におけるメタキャラクタを以下に羅列します。

\ ^ $ . [ ] * \{ \} 

メタキャラクタはこれ自体が特別な意味を持ちます。メタキャラクタを通常の文字として扱いたい時は\をメタキャラクタの前につけます。

以下にBREの中でも基本となる正規表現を表にまとめました。

ここでいくつか補足をしていきます。

まず、[ ]内先頭にある^とそれ以外の^は全く別のものなので、気を付けてください。[ ]内先頭にある場合は、[ ]内の文字にマッチしない1文字を表します。

また、正規表現s*についてもう少し詳しく説明します。これは、メタキャラクタ*の直前にある正規表現が0回もしくは1回以上現れるということです。

例を示すと、w[0-9]*wという正規表現があるとします。この場合、*の直前の正規表現は[0-9]です。

よってこれが0回以上繰り返されます。具体的にはww、w0w、w1w、w00w、w01wなどに当てはまります。

次に、繰り返し、後方参照に関する正規表現を見ていきましょう。以下の表にまとめました。

まず繰り返しの例を挙げます。b\{2\}はbbにマッチします。

[0-9]\{2,3\}は[0-9]を2回以上3回以下繰り返すので00、01、000、001など2桁以上3桁以下の数字にマッチします。

次に後方参照の例を挙げます。$ab$\1という正規表現があるとします。

ここでabという文字列にタグ付けがされており、その後ろで1番目のタグ付け正規表現、つまりabがもう一度呼び出されているので、この正規表現はababにマッチします。

次に拡張正規表現(ERE)について見ていきましょう。拡張正規表現は名前の通り、基本正規表現を拡張したものになっています。

基本正規表現と大きく異なるわけではないですが、ちょいちょい異なる部分があるので、以下の表にまとめます。

拡張正規表現では+や?などの新しいメタキャラクタが出てくるので、それについても覚えておいてください。