初心者のための正規表現

正規表現には難解だという評判があります — ^\d{3}-\d{4}$ のような記号の壁ですね。でも核心のアイデアは単純で、少しの正規表現はテキストを扱う誰にとっても最もレバレッジの大きいスキルの一つです。このガイドはゼロから始めます。

正規表現とは

正規表現（regex）は文字列の集合を記述する パターン です。一つの正確な語を探す代わりに、あなたが探すものの 形 を記述し — 「数字三つ、ダッシュ、次に数字四つ」 — エンジンがそれに合うすべてのテキスト片を見つけます。検索と置換、入力の検証（メール、電話番号）、そしてテキストからのデータ抽出に使われます。

リテラル文字

最も単純な正規表現はただのテキストです。パターン cat は入力のどこでも c-a-t の文字に一致します。ほとんどの文字は自分自身に一致し — 力は少数の特殊文字から来ます。

核心の構成要素

文字クラス — どんな種類の文字か

• \d — 任意の数字; \w — 単語文字; \s — 空白。
• . — とにかく任意の文字。
• [aeiou] — 集合の中の任意の一文字; [a-z] — 範囲。

量指定子 — いくつか

• * — 0 個以上; + — 1 個以上; ? — 0 個か 1 個（任意）。
• {3} — ちょうど三つ; {2,4} — 二つから四つの間。

アンカー — どこか

• ^ — 文字列の先頭; $ — 文字列の末尾。

本物の例を読む

これでイントロのあの記号の壁が意味を成します:

^\d{3}-\d{4}$
^      start of string
\d{3}  exactly three digits
-      a literal dash
\d{4}  exactly four digits
$      end of string

これは 555-1234 のような 7 桁の電話番号 だけ の文字列に一致します — 前にも何もなく、後にも何もなく。

エスケープを忘れずに

普段は特殊な文字 — リテラルのドットや疑問符 — に一致させるには、その前にバックスラッシュを置きます: \. は本物のドットに一致します。これを忘れるのが一番の初心者ミスです、. はそうしないと 任意 の文字に一致するからです。

練習を続けましょう

一番速く学ぶ道は、実際のテキストにパターンを試して何が一致するかを見ることです。進めながら 正規表現チートシート を開いておき、検索と置換 のようなツールで自分のテキストにパターンを適用しましょう。正規表現が腑に落ちた瞬間、退屈に感じた作業 — リストの再整形、すべての URL の抽出、入力の検証 — が一行で済むようになります。