前書き
正規表現を使いこなせるようになるために、ここに整理してまとめておきます。他の方にも参考になれば幸いです。
正規表現オブジェクトの作り方
1. パターンを「/ /」で囲む
例） /R..y/
これは「Rから始まってyで終わる、4文字の文字列」
2. クラスメソッドからオブジェクトを作る
例） reg = Regexp.new("Ruby")
「Ruby」という文字列を元に作成
3. %rを使用する
例） %r!パターン!
正規表現中に「/」を使いたいときに便利
**注）**他にも「%r<パターン>」のような表現方法もありますので、お好みに応じて選択ください。ただ、主観ですが、linuxで正規表現を扱うとき、「！」が好まれて使われている印象があります。
マッチング
正規表現 =~ 文字列
「=~」 は、正規表現と文字列がマッチングするか調べるためのメソッド。
irb(main):001:0> /ruby/ =~ "ruby"
=> 0
irb(main):002:0> /uby/ =~ "ruby"
=> 1
マッチングした場合は、何番目の文字にマッチしたかを返します。ただし、０から始まる点に注意です。
####行頭と行末にマッチ
「^」:行頭とマッチするパターン
「$」:行末とマッチするパターン
irb(main):003:0> /^ruby$/ =~ "ruby"
=> 0
irb(main):004:0> /^ruby/ =~ "rubyruby"
=> 0
irb(main):005:0> /ruby$/ =~ "rubyruby"
=> 4
irb(main):006:0> /^ruby$/ =~ "rubyruby"
=> nil
注）「行頭・行末」は「文字列の先頭・末尾」ではありません！
つまり、次の「/^ruby$/」というパターンは「"hoge\nruby"」という文字列に一致します。
先程の最後の例ではnilが返ってきていますが、次の例ではマッチし数字が返ってきます。
irb(main):007:0> /^ruby$/ =~ "hoge\nruby"
=> 5
次に、「文字列の先頭・末尾」の例を示します。
####文字列の先頭と末尾にマッチ
「\A」:文字列の先頭とマッチするパターン
「\z」:文字列の末尾でマッチするパターン
irb(main):008:0> /\Aruby\z/ =~ "hoge\nruby"
=> nil
上記の理由からこちらは一致しません。
####マッチさせたい文字を範囲で指定
- [abc] ：aまたはbまたはc
- [012abc]：０、１、２、a、b、cのどれかの文字
「-」を使うことで範囲内の文字全てを指定できる
- [a-z] :aからzまでの、アルファベットの小文字全部
- [A-Z] :AからZまでの、アルファベットの大文字全部
- [0-9] :0から9までの、数字全部
- [A-Za-z] :AからZまでとaからzまでのアルファベット全部
- [A-Za-z_] :アルファベット全部と「_」
注）「-」を単なる文字として表したいときは、最初か最後に書く
- [A-Za-z0-9_-] :アルファベットと数字全部と「_」と「-」
####任意の文字とマッチ
- 「.」 :任意の1文字とマッチ
####バックスラッシュを使ったパターン
- 「\s」 :空白文字を表す。空白、タブ、改行文字、改ページ文字とマッチ
- 「\d」 :0から9までの数字とマッチ
- 「\w」 :英数字とマッチ
irb(main):009:0> /ruby\sruby/ =~ "ruby ruby"
=> 0
irb(main):010:0> /ruby\sruby/ =~ "ruby\truby"
=> 0
irb(main):011:0> /ruby\sruby/ =~ "rubyruby"
=> nil
irb(main):012:0> /mysql\d/ =~ "mysql2"
=> 0
irb(main):013:0> /\w\w\w\w\w\w/ =~ "mysql2"
=> 0
####繰り返し
- 「*」: 0回以上の繰り返し
- 「+」: 1回以上の繰り返し
- 「?」: 0回または1回の繰り返し
- 「{n}」: n回の繰り返し
- 「{n,m}」: n~m回の繰り返し
- 「{n,}」: n回以上の繰り返し
irb(main):014:0> /be*r/ =~ "beer"
=> 0
irb(main):015:0> /be+r/ =~ "beer"
=> 0
irb(main):016:0> /be?r/ =~ "beer"
=> nil
irb(main):017:0> /be{2}r/ =~ "beer"
=> 0
irb(main):018:0> /be{3,}r/ =~ "beer"
=> nil
#正規表現のオプション
- i : アルファベットの大文字と小文字の違いを無視する。
- x : 正規表現内の空白と、「#」の後ろの文字を無視する。これにより、正規表現中にコメントがかけるようになる。
- m : 「.」が改行文字にもマッチするようになる。
irb(main):019:0> /ruby/i =~ "Ruby"
=> 0
irb(main):020:0> /ruby xオプションの挙動を調べる/x =~ "ruby"
=> nil
irb(main):021:0> /ruby #xオプションの挙動を調べる/x =~ "ruby"
=> 0
irb(main):022:0> /ruby./ =~ "ruby\n"
=> nil
irb(main):023:0> /ruby./m =~ "ruby\n"
=> 0
#キャプチャ
キャプチャとは、~~後方参照とも呼ばれ、~~正規表現でマッチした部分の一部を取り出すものです。正規表現の中の「（）」で囲まれた部分にマッチした文字列を＄1,＄2といった**$数字**の形の変数で取り出すことができる。
/(.)(.)(.)(.)/ =~ "ruby"
first = $1
second = $2
third = $3
fourth =$4
puts first #=> "r"
puts second #=> "u"
puts third #=> "b"
puts fourth #=> "y"
ただし、「（）」は複数のパターンを一つにまとめる時にも使う。過去に書いたプログラの中の正規表現を修正する時に「（）」の数を変更すると、本当に参照したい部分のインデックスまで変更されてしまい、何かと不便な場合があります。そのようにキャプチャの必要のないパターンをまとめる場合は、「(?: )」 を使います。
/(.)(.)+(.)/ =~ "ruby"
puts $1 #=> "r"
puts $2 #=> "b"
puts $3 #=> "y"
/(.)(?:.)+(.)/ =~ "ruby"
puts $1 #=> "r"
puts $2 #=> "y"
また、「$数字」以外にも、マッチした結果を保持する変数として
- 「$`」: マッチした部分より前の文字列
- 「$&」: マッチした部分そのものの文字列
- 「$'」: マッチした部分より後ろの文字列
があります。
/u./ =~ "ruby"
puts $` #=> "r"
puts $& #=> "ub"
puts $' #=> "y"
Ruby関連記事
#最後に
正規表現の基礎的であり重要なものをまとめてみました。また、javascriptとrubyでは同じ記号でも意味の異なるものも多少あるので、時間がある時にそちらもまとめてみたいと思います。正規表現は難しいイメージがありましたが、まとめることでスッキリしました○
使いこなせるように練習を重ねたいと思います。