コラム

CTC教育サービス・ホーム　＞　コラム　＞　WSLで始めるUbuntu　＞　第6回　正規表現を使ってみよう

WSLで始めるUbuntu

CTC 教育サービス

[IT研修]注目キーワード Python UiPath(RPA) 最新技術動向 Microsoft Azure Docker Kubernetes

第6回　正規表現を使ってみよう (宮崎悟) 2019年4月

前回はパイプとgrepについて述べました。

今回は、grepで使用する正規表現について詳しく説明しようと思います。正規表現はgrep以外でもperl/python/php/rubyなどのスクリプト言語でも使用しますが、それぞれ微妙に異なります。

まずは、grepやsedで使用するPOSIX標準の正規表現について説明しようと思います。

POSIXの基本正規表現(BRE)

POSIXには基本正規表現と拡張正規表現があります。通常のgrepは基本正規表現を使用します。

正規表現は、メタ文字と通常文字(リテラル)の組み合わせでマッチする文字列を指定します。

メタ文字	意味
^	文字列の先頭
$	文字列の末尾
.	任意の1文字にマッチする
[...]	[]内に含まれる文字にマッチする<br />a-zや0-9のように範囲指定が可能だが、文字ではなく文字コードで範囲を指定している
[^...]	[^]内に含まれない文字にマッチする
	包括指定子。`()`で囲まれた範囲をブロックとして扱う
*	直前の文字またはブロックの0回以上の繰返し
\{m,n\}	直前の文字またはブロックのｍ回以上、n回以下の繰り返し<br />`m`のみの場合はm回の繰り返し、`,m`の場合はm回以下の繰り返し、`m,`の場合はm回以上の繰り返しとなる
\n	後方参照子。n番目の``の条件にマッチした文字列
\x	x自身を表す。上記メタ文字自身にマッチする。`\\`で`\`にマッチする

この説明だけでは理解できないと思いますので、いくつか例を上げて説明します。 echo 文字列 | grep 正規表現 もしくは echo 文字列 | egrep 正規表現と実行すると、マッチした部分に色がついてわかりやすいと思います。

位置のマッチ

正規表現の先頭に^がある場合は、文字列の先頭である場合にマッチし、正規表現の末尾に$があるときは文字列の末尾にマッチします。そのため、以下のようになります。

文字列	正規表現	マッチ
abcd	`^abc`	○
Abcd	`^abc`	×
bcd	`a^bc`	×
a^bcd	`a^bc`	○
abcde	`e$`	○
abcd	`e$`	×
abcde$	`e$`	×
abc	`^`	○
abc	`$`	○

文字のマッチ

.は任意の１文字にマッチします。

文字列	正規表現	マッチ
abcdef	`ab.d`	○
abcdef	`ab.c`	×
abcd	`....`	○

[文字列]は、文字列内の1文字にマッチします。

文字列	正規表現	マッチ
abcd	`[abc]`	○
abcd	`a[cde]`	○
abcd	`a[sxz]`	×
abcd	`ab[def]`	×

[A-Z]のように、範囲指定も可能です。この文字の範囲は文字コード順に従います。そのため、[z-a]のような指定は無効になります。 [-abc]や[xyz-]のような指定の場合は、abcに-を含んだ文字指定となります。また、[a-fxy ]のように、範囲と文字を組み合わせた指定も可能です。

文字列	正規表現	マッチ
abcd	`[a-z]`	○
abc012	`[0-9]`	○
abcde	`[0-9]`	×
abcdef012	`[g-z][12]`	×
abc01	`[A-Z0]`	○

*は前の文字もしくはブロックの０以上の繰り返しになります。\{m,n\}はm回以上、n回以下の組み合わせです。例えば、.*は、空文字列を含むすべての文字列にマッチします。

文字列	正規表現	マッチ
abcdefg	`[a-z]*`	○
abcdefg	`[A-Z]*`	×
abcdefg	`^[a-z]\{1,7\}$`	○
abcdefg	`^[a-z]\{1,6\}$`	×

また、文字コードの違いでアルファベットの範囲が異なったりするため、POSIXクラスというものが存在します。

POSIXクラス	正規表現	意味
`[[:digit:]]`	`[0-9]`	数字
`[[:xdigit:]]`	`[0-9A-Fa-f]`	16進数字
`[[:alpha:]]`	`[A-Za-z]	アルファベット
`[[:upper:]]`	`[A-Z]`	アルファベット大文字
`[[:lower:]]`	`[a-z]`	アルファベット小文字
`[[:alnum:]]`	`[A-Za-z0-9]	アルファベットと数字
`[[:blank:]]`	`[ \t]`	スペースとタブ
`[[:space:]]`	`[ \t\n\r\f\v]`	空白文字
`[[:cntrl:]]`		制御文字
`[[:graph:]]`	`[^ \t\n\t\f\v[:cntrl:]]`	印字文字
`[[:print:]]`	`[ ^\t\n\t\f\v[:cntrl:]]	印字文字とスペース

POSIXの拡張正規表現(ERE)

egrepで使用される拡張正規表現では、以下のメタ文字が追加・変更されています。

基本正規表現	拡張正規表現	意味
	+	直前の文字もしくはブロックの1回以上の繰り返し
	?	直前の文字もしくはブロックの0か1回の繰り返し
	ABC\|DEF	ABCもしくはDEFの文字列(リテラル)
`$...$`	`(...)`	包括指定子
`\{m,n\}`	`{m,n}`	範囲指定