正規表現（RegEx）入門ガイド｜テキスト検索をマスターするための基礎知識

文章の中から繰り返し現れるパターンを見つけたいと思ったことはありませんか？ブラウザやワープロの検索機能を使ったことはあっても、より複雑な条件で検索したい場合には、干し草の山から針を探すような苦労を強いられることもあります。

幸いなことに、テキストの中から1文字単位の精度でパターンを抽出する方法があります。それが「正規表現（Regular Expressions / RegEx）」です。正規表現を使いこなせば、あなたもテキスト検索の達人になれるでしょう。

正規表現はどこで使える？

正規表現はUnixやLinuxによって広く普及しましたが、Microsoft Wordをはじめ、さまざまなソフトウェアやパッケージで利用できます。

特に有名なのは、grep、Awk、SedといったLinuxの定番ツールでの活用です。

例えば、PCに接続されているUSBデバイスを確認したいとしましょう。lspciを実行するとすべてのデバイス一覧が表示されますが、USBの項目を目視で探さなければなりません。そこで次のコマンドを使えば、USBデバイスだけを絞り込んで表示できます。

lspci | grep "USB"

これは正規表現の最もシンプルな使用例です。ターミナルで正規表現を使う最も一般的な方法ですが、これが唯一の使い方ではありません。現在では、テキストエディタからファイルマネージャーまで、多種多様なソフトウェアが正規表現をサポートしています。

パターンを探す

ターミナルでファイルやフォルダを選択するとき、ワイルドカードとして機能する*という文字を使ったことがあるかもしれません。例えば、フォルダ内のすべてのJPGファイルを一覧表示するには、次のようにします。

ls *.jpg

これと同じ操作を正規表現で行うと、次のようになります。

ls | grep -E "\.jpg"

JPGファイルとPNGファイルの両方を検索したい場合は、次のように記述します。

ls | grep -E "(\.jpg|\.png)"

文字範囲の指定

特定のパターンではなく、特定の範囲の文字を検索したい場合は、角括弧で範囲を定義します。例えば、[a-z]というパターンは、アルファベットの小文字で構成される任意の文字列に一致します。

お察しのとおり、[A-Z]なら大文字のみが対象になります。大文字・小文字の両方を含む任意の範囲を選びたい場合は、[a-zA-Z]という表現に変更します。

パターンが特定の回数だけ出現する箇所を探したいときは、波括弧で回数を指定できます。{5}ならパターンの5回の出現に一致し、数値の範囲も指定できるので、{5,10}なら5回から10回までの出現に一致します。

メタ文字

正規表現では、「メタ文字」と呼ばれる特殊な2つの文字を使って、文字列の一部を柔軟に検索することもできます。これらはシェルで使われるワイルドカードに似た働きをします。

最も基本的なのがドット（.）です。これは任意の1文字を表します。例えば、c.llというパターンは「cell」に一致するだけでなく、「cull」や「call」にも一致します。

ドットの後にアスタリスク（*）を組み合わせると、文字数に関係なく無限の文字列に一致させることができます。例えば、.*boardは「keyboard」と「skateboard」の両方に一致します。「key」と「skate」の文字数が異なっていても問題ありません。

エスケープ処理

画像ファイルの種類を選択した先ほどの例で、ピリオドの前にバックスラッシュ（\）を付けていたことに気づいたでしょうか（"\.jpg"）。これが正規表現における特殊文字のエスケープ方法です。

もしエスケープしなければ、パターンは拡張子である「.jpg」や「.png」だけでなく、「ajpg」や「opng」のような意図しない文字列にも一致してしまいます。.は任意の1文字に一致するワイルドカードであることを忘れないでください。

アンカーと境界

アンカーと境界を使うと、検索対象をさらに正確に定義できます。

前後に他の文字が付かない、独立した単語としての「computer」だけを見つけたい場合は、パターンを\<computer\>と定義します。

また、行頭や行末に出現するパターンだけを絞り込んで検索することも可能です。これはそれぞれ^と$という文字で実現します。

つまり、行頭に「computer」という単語がある行だけを検索したい場合は、パターンは^computerとなります。逆に行末にある場合には、computer$に変更します。

以上が正規表現の基本的なルールです。これらを自由に組み合わせれば、目的のパターンを正確に見つけ出せます。行頭の文字範囲や行末の交互の単語、特定の日付、年号の範囲なども、たった1つの文字列で検索できるのです。

正規表現を本格的にマスターしたい方は、ぜひ当サイトの「正規表現チートシート」も併せてチェックしてみてください。