【Java】正規表現で別の一致結果の中からさらに一致を見つける方法

Javaの正規表現（java.util.regex）を使って、あるパターンに一致した文字列の中から、さらに別のパターンに一致する部分を抽出したい場合があります。このような「入れ子のマッチング」を実現するには、まず外側のパターンに一致する正規表現をコンパイルしてマッチを見つけ、その結果（group()で取得した文字列）を、内側のMatcherオブジェクトへの入力として渡します。

処理の流れ

手順は以下のとおりです。

1. 外側のパターンを Pattern.compile() でコンパイルし、対象文字列に対して Matcher を作成する。
2. find() メソッドで外側のパターンに一致する部分を順番に検索する。
3. group() メソッドで一致した文字列（キャプチャグループ）を取得する。
4. 取得した文字列を入力として、内側のパターンの Matcher を新しく生成する。
5. 内側の Matcher に対して再度 find() を実行し、目的の部分文字列を抽出する。

サンプルコード

次の例では、HTMLの 〜 タグで囲まれた部分（外側のパターン）を検索し、その中から数字の並び（内側のパターン）を抽出しています。

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class MatcherExample {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        System.out.println("Enter input text: ");
        String input = sc.nextLine();

        // 外側のパターン：<b>タグで囲まれた部分
        String regexOuter = "<b>(.*?)</b>";
        // 内側のパターン：1桁以上の数字
        String regexInner = "\\d+";

        // パターンオブジェクトを作成
        Pattern patternOuter = Pattern.compile(regexOuter);
        Pattern patternInner = Pattern.compile(regexInner);

        // コンパイルしたパターンで文字列をマッチング
        Matcher outerMatcher = patternOuter.matcher(input);
        while (outerMatcher.find()) {
            // 外側の一致結果（グループ1）を内側のMatcherに入力として渡す
            Matcher innerMatcher = patternInner.matcher(outerMatcher.group(1));
            while (innerMatcher.find()) {
                System.out.println(innerMatcher.group());
            }
        }
    }
}

実行結果

Enter input text:
This is sample HTML data <b>123 sample text</b> hello
123

コードのポイント

外側のパターン「<b>(.*?)</b>」は、<b>タグと</b>タグに挟まれた任意の文字列をキャプチャグループ1として取得します。「.*?」は最短一致（控えめな量指定子）なので、複数のタグが存在しても正しく各ブロックを切り分けられます。

内側のパターン「\\d+」は、1桁以上の連続した数字に一致します。ここでは外側の group(1) の結果を matcher() に渡して新しい Matcher を生成している点が重要です。これにより、「一致の中の一致」という入れ子構造の検索が可能になります。

なお、実際のHTML解析にはJsoupなどの専用ライブラリを使うのが望ましいですが、単純なテキスト処理や学習目的であれば、このようにMatcherを二段階に分ける手法が有効です。