Java正規表現のPOSIX文字クラス \p{Punct} の使い方を解説

POSIX文字クラス \p{Punct} は、句読点（記号）にマッチする文字クラスです。具体的には、以下のASCII記号が対象となります。

!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~

この記事では、\p{Punct} を使った実際のJavaコード例を2つ紹介します。文字列中の記号の個数を数える方法と、記号のみで構成された文字列を抽出する方法です。

例1：文字列内の記号の個数を数える

次のプログラムは、ユーザーから入力された文字列に対して正規表現 [\p{Punct}] を適用し、含まれる記号の総数を出力します。

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class AlphanumericExample {
    public static void main(String args[]) {
        // ユーザーから文字列を読み込む
        System.out.println("Enter a string");
        Scanner sc = new Scanner(System.in);
        String input = sc.nextLine();
        // 正規表現
        String regex = "[\\p{Punct}]";
        // 正規表現をコンパイル
        Pattern pattern = Pattern.compile(regex);
        // Matcherオブジェクトを取得
        Matcher matcher = pattern.matcher(input);
        int count = 0;
        while(matcher.find()) {
            count++;
        }
        System.out.println("Number of punctuation marks: "+count);
    }
}

実行結果

Enter a string
Hello, how are you. Welcome to Tutorialspoint.
Number of punctuation marks: 3

入力された文字列には「,」「.」「.」の3つの記号が含まれているため、カウント結果は 3 となります。

例2：記号のみで構成された文字列を抽出する

次のプログラムは、5つの入力文字列の中から、正規表現 ^\p{Punct}+$ に完全一致する（つまり記号だけで構成されている）文字列だけを表示します。

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Example {
    public static void main( String args[] ) {
        // 記号のみにマッチする正規表現
        String regex = "^\\p{Punct}+$";
        // 入力データを取得
        Scanner sc = new Scanner(System.in);
        System.out.println("Enter 5 input strings: ");
        String input[] = new String[5];
        for (int i=0; i<5; i++) {
            input[i] = sc.nextLine();
        }
        // Patternオブジェクトを作成
        Pattern p = Pattern.compile(regex);
        System.out.println("Strings with only punctuation characters: ");
        for(int i=0; i<5;i++) {
            // Matcherオブジェクトを作成
            Matcher m = p.matcher(input[i]);
            if(m.matches()) {
                System.out.println(m.group());
            }
        }
    }
}

実行結果

Enter 5 input strings:
hello
1234
123text.!!
!!!!!
..!!,,
Strings with only punctuation characters:
!!!!!
..!!,,

実行結果からわかるように、「hello」や「1234」、「123text.!!」のような英数字を含む文字列はマッチせず、「!!!!!」と「..!!,,」という記号のみの文字列だけが出力されています。

まとめ

• \p{Punct} はASCIIの句読点・記号にマッチするPOSIX文字クラスである。
• 文字クラス [\p{Punct}] として使えば、文字列中の各記号を個別に検出できる。
• アンカー ^ と $ を組み合わせた ^\p{Punct}+$ を matches() で使えば、文字列全体が記号のみかどうかを判定できる。