初めに

初めて正規表現を書こうと思ったので、大まかな書き方をまとめておく。
C++での書き方はまた次回。

正規表現とは

正規表現（せいきひょうげん、英: regular expression）は、文字列の集合を一つの文字列で表現する方法の一つ。
wikipediaより

今回はPerl系で用いられている記法も含まれる

記法

.

任意の一文字にマッチする

.a <- aa,na など

*

指定したパターンが0回以上繰り返されている場合にマッチする

a* <- 空文字、a,aa,など

?を用いると最も短いものにマッチする

a*? <- 空文字

+

指定したパターンが1回以上繰り返されている場合にマッチする

a+ <- a,aa,aaaaaなど

?を後ろにつけると最小の場合にマッチする

a+? <- a

{}

繰り返しの回数を指定する
最大回数は省略可能、
最小回数は省略不可

a{1,5} <- aが1回以上5回以下繰り返される
a{1,} <- aが1回以上繰り返される
a{0,5} <- aが5回以下繰り返されている

?を後ろにつけると最小の場合にマッチする

a{1,5}? <- a

?

指定したパターンが0回または1回繰り返されている場合にマッチする

ba? b,ba

^

行頭が指定したパターンの場合にマッチする

^h <- h,ht,hogeなど

$

末尾が指定したパターンの場合にマッチする

e$ <- e, se,hogeなど 

()

文字列をグループ化する

(hoge)

\1、\4でグループ化したものにキャプチャできる

(.)hoge\1 <- ahogea,hhogehなど

(?:hoge)のように?:から始まるものにはキャプチャされない

[]

指定した文字にマッチする

[a-d] <- a,b,c,d
[agh] <- a,g,h

^で指定した文字以外にマッチする

[^a-d]<- a,b,c,d以外

|

左右どちらかのパターンがマッチした文字列にマッチする

a|b <- a,b

エスケープシーケンス

記法で紹介した文字と、\は\でエスケープできる。
ほかにも既定のエスケープシーケンスが存在する。

\d

[0-9]にマッチする

\w

[a-zA-Z_0-9]にマッチする

\s

空白文字にマッチする

\D、\W、\Sは対応する小文字以外にマッチする。

メールアドレス

メールアドレスの正規表現は複数種類ある。
今回は

[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

について解説

1. [a-zA-Z0-9._%+-]+
   -> ユーザー名に一致
   [\w.%+-]と同じ
   これらの文字が1回以上繰り返されてる

2. @
   ユーザー名とドメイン名との間の@

3. [[a-zA-Z0-9.-]]+
   -> ドメインのはじめの部分gmail,outlookなど

4. \.
.に一致

5. [a-zA-Z]{2,}
com、ioなどドメインに一致

このように、文字列を比較、分類できる。

よくある間違い

• . は「改行文字」にはマッチしない（re.DOTALLオプションでマッチ可能）
• * や + は「貪欲（greedy）」マッチ。?を付けないと想定以上にマッチしてしまう

終わりに

意外と単純で便利。

~Thank you for reading~