正規表現とは、さまざまな文字列を汎用的な形式で表すもので、パターンマッチ処理でのパターンを指定するための記述方法です。
もともとはUNIXで使われていましたが、その後、Perlで大幅に拡張され、他のさまざまなソフトウェアでも使われるようになり、今日に至っています。
ここではさまざまな正規表現について、具体例を交えながら、解説していきます。
・・・の中の1文字を表す文字集合です。たとえば、[abc]はabcのうちのどれか1文字を表します。また、[0-9]は0から9までのどれか1文字、つまり、数字を表します。
・・・の中の1文字以外を表す文字集合です。たとえば、[^abc]はabc以外のどれか1文字を表します。また、[^0-9]は0から9まで以外のどれか1文字、つまり、数字以外を表します。
以下、具体例を交えながら、解説していきます。
/[12]/ 数字の「1」か「2」にマッチします。 /[1-6]/ 数字の1から6の1文字にマッチします。 /[0-9]/ 数字の1文字にマッチします。 /[0-9][0-9][0-9]/ 数字の3文字にマッチします。 /[a-z]/ 英小文字の1文字にマッチします。 /[a-z][a-z]/ 英小文字の2文字にマッチします。 /[A-Z]/ 英大文字の1文字にマッチします。 /[a-zA-Z0-9]/ 英字と数字との1文字にマッチします。 /[-6]/ ハイフンまたは6にマッチします。 /[^0-9]/ 数字以外の1文字にマッチします。 /[0x21-0x7E]/ 表示可能な1文字にマッチします。 /[0x20-0x7E]/ 印字可能な1文字にマッチします。
\b
単語境界にマッチします。
\b
単語境界以外にマッチします。
\w
英数字と_（アンダーバー）にマッチします。[a-zA-Z_]と指定したのと同じ内容です。
\W
英数字と_（アンダーバー）以外にマッチします。[^a-zA-Z_]と指定したのと同じ内容です。
\s
空白文字にマッチします。具体的には、スペースや改行、タブなどを表します。[ \t\n\f\r]と指定したのと同じ内容です。
\S
空白文字以外にマッチします。具体的には、スペースや改行、タブなど以外を表します。[^ \t\n\f\r]と指定したのと同じ内容です。
\d
0〜9にマッチします。[0-9]と同じです。(Unicodeとして処理した場合、全角文字の数字にもマッチします。この点が[0-9]と異なる点です)
\D
0〜9以外にマッチします。[^0-9]と同じ
/national\b/ nationalやintenationalにマッチしますが、
internationalizationにマッチしない。
/\bJapan\B/ Japaneseにマッチしますが、Japanにはマッチしません。
/\bJapan\b/ Japanにマッチしますが、Japaneseにはマッチしません。
/\w{3}/ 英数字3文字にマッチします
(実際には3文字以上あれば、3文字あることになるので、マッチしてしまいます)。
/^\w{3}$/ 英数字3文字だけの場合にマッチします。上記の文字クラスの中でも使えます。
/[\w@#&]/ 英数字と_（アンダーバー）、@、#、&のいずれか1文字にマッチします。
その他、制御文字として以下のものがあります。
\n
改行コード(0x0A)にマッチします。
\t
タブコード(0x09)にマッチします。
\a
ベル(0x07)にマッチします。
\b
バックスペース(0x08)にマッチします。
\e
エスケープ(0x1B)にマッチします。
\f
フォームフィード(0x0C)にマッチします。
\r
復帰(キャリッジ・リターン)(0x0D)にマッチします。