正規表現の基本と応用

はじめに

こんにちは！今日は「正規表現」について学びましょう。

正規表現（Regular Expression、略して regex）って聞くと、なんだか暗号みたいで難しそう...と思うかもしれません。でも実は、「文字のパターンを表現する方法」というシンプルな概念なんです。

例えば、「電話番号っぽい文字列を全部探したい」「メールアドレスだけ抽出したい」といったときに、正規表現が大活躍します！

正規表現って何？

正規表現は、文字列のパターンを表現するための特別な記法です。

普通の検索との違いを見てみましょう：

• 普通の検索: 「cat」という文字を探す
• 正規表現: 「c で始まって t で終わる3文字」を探す

正規表現を使えば、「だいたいこんな感じの文字列」を柔軟に指定できるんです！

🎮 理解度チェック

基本のメタ文字を覚えよう

正規表現では、特別な意味を持つ文字（メタ文字）があります。まずは基本的なものから見ていきましょう！

ドット（.）- なんでもいい1文字

# b.t は「b + 何か1文字 + t」
$ echo "bat bit bot but" | grep "b.t"
# → bat bit bot but すべてマッチ

# ca. は「ca + 何か1文字」
$ echo "cat car can cab" | grep "ca."
# → cat car can cab すべてマッチ

ドットは「ワイルドカード」みたいなものですね！

角括弧（[]）- この中のどれか1文字

# [cbr]at は「c か b か r + at」
$ echo "cat bat rat hat" | grep "[cbr]at"
# → cat bat rat がマッチ（hat は含まれない）

# 範囲も指定できる
$ echo "test123" | grep "[0-9]"  # 数字
$ echo "Hello" | grep "[a-z]"     # 小文字
$ echo "Hello" | grep "[A-Z]"     # 大文字

キャレット（^）とドル（$）- 位置を指定

# ^start は「行の最初が start」
$ echo -e "start here\nhere start" | grep "^start"
# → start here だけマッチ

# end$ は「行の最後が end」
$ echo -e "the end\nend of story" | grep "end$"
# → the end だけマッチ

繰り返しを表現する量指定子

アスタリスク（*）- 0回以上

# go*gle は「g + o が0回以上 + gle」
$ echo "ggle gogle google gooogle" | grep "go*gle"
# → すべてマッチ（o が0個でもOK）

プラス（+）- 1回以上（拡張正規表現）

# go+gle は「g + o が1回以上 + gle」
$ echo "ggle gogle google" | grep -E "go+gle"
# → gogle google がマッチ（ggle は o が0個なのでダメ）

疑問符（?）- 0回または1回（拡張正規表現）

# colou?r は「colo + u が0回か1回 + r」
$ echo "color colour" | grep -E "colou?r"
# → color colour 両方マッチ

波括弧（）- 回数を指定（拡張正規表現）

# a{3} は「a がちょうど3個」
$ echo "a aa aaa aaaa" | grep -E "a{3}"
# → aaa aaaa がマッチ

# a{2,4} は「a が2個〜4個」
$ echo "a aa aaa aaaa aaaaa" | grep -E "a{2,4}"
# → aa aaa aaaa がマッチ

🎮 理解度チェック

便利な文字クラス

定義済みの文字クラス

# 数字を探す
[0-9]     または [[:digit:]]

# アルファベットを探す
[a-zA-Z]  または [[:alpha:]]

# 英数字を探す
[a-zA-Z0-9] または [[:alnum:]]

# 空白文字を探す
[ \t\n]   または [[:space:]]

否定文字クラス（〜以外）

# 数字以外
[^0-9]

# 母音以外
[^aeiouAEIOU]

# 空白以外
[^[:space:]]

キャレット（^）を角括弧の中で使うと「〜以外」という意味になります！

実践的なパターンを書いてみよう

メールアドレスを探す

# シンプルなパターン
[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

# 意味：
# [a-zA-Z0-9._%+-]+ : ユーザー名部分（英数字と一部記号）
# @                 : アットマーク
# [a-zA-Z0-9.-]+    : ドメイン名
# \.                : ドット（エスケープが必要）
# [a-zA-Z]{2,}      : トップレベルドメイン（2文字以上）

日本の電話番号を探す

# 様々な形式に対応
0\d{1,4}-?\d{1,4}-?\d{4}

# 意味：
# 0          : 最初は必ず0
# \d{1,4}    : 数字が1〜4個
# -?         : ハイフンがあるかもしれない
# \d{1,4}    : 数字が1〜4個
# -?         : ハイフンがあるかもしれない
# \d{4}      : 数字が4個

URLを探す

# HTTPとHTTPSのURL
https?://[a-zA-Z0-9./?=_%:-]+

# 意味：
# https?     : http または https
# ://        : コロンとスラッシュ2つ
# [a-zA-Z0-9./?=_%:-]+ : URLで使われる文字たち

grepでの正規表現

基本正規表現と拡張正規表現

# 基本正規表現（BRE）- デフォルト
$ grep 'a\+' file.txt    # + をエスケープする必要がある

# 拡張正規表現（ERE）- -E オプション
$ grep -E 'a+' file.txt  # + をそのまま使える

# その他の便利なオプション
$ grep -i 'pattern'  # 大文字小文字を区別しない
$ grep -v 'pattern'  # マッチしない行を表示
$ grep -n 'pattern'  # 行番号も表示

sedでの正規表現活用

置換の基本

# 基本形
$ sed 's/検索パターン/置換文字列/g'

# 日付形式の変換（YYYY-MM-DD → DD/MM/YYYY）
$ echo "2025-01-08" | sed -E 's/([0-9]{4})-([0-9]{2})-([0-9]{2})/\3\/\2\/\1/'
# → 08/01/2025

# \1, \2, \3 は括弧でグループ化した部分を参照

HTMLタグを削除

# <tag>content</tag> → content
$ echo "<p>Hello <b>World</b></p>" | sed 's/<[^>]*>//g'
# → Hello World

awkでの正規表現

# パターンにマッチする行だけ処理
$ awk '/error/ {print $0}' log.txt

# 特定のフィールドでマッチ
$ awk '$3 ~ /[0-9]+\.[0-9]+/ {print $1, $3}' data.txt

# ~ は「マッチする」、!~ は「マッチしない」

🎮 理解度チェック

よくある間違いと対策

ドットのエスケープ忘れ

# 間違い：1.5 だけでなく 195 などもマッチしてしまう
$ echo "1.5 195" | grep "1.5"

# 正解：ドットをエスケープ
$ echo "1.5 195" | grep "1\.5"

貪欲マッチに注意

# 問題：最初の < から最後の > まで全部マッチしてしまう
$ echo "<tag>content</tag>" | sed 's/<.*>/X/'
# → X

# 解決策：[^>]* で「> 以外の文字」を指定
$ echo "<tag>content</tag>" | sed 's/<[^>]*>/X/g'
# → XcontentX

行頭・行末の指定

# ^ と $ はそれぞれ行頭・行末を意味する
$ echo -e "test\ntest123\n123test" | grep "^test$"
# → test のみマッチ（完全一致）

正規表現を学ぶコツ

1. 簡単なパターンから始める

   • まず . * [] ^ $ を使いこなす
   • 慣れたら + ? に挑戦

2. 実際のデータで練習

   • ログファイルから特定の情報を抽出
   • CSVファイルのデータ処理

3. 段階的に複雑にする

   • 最初：数字を探す [0-9]
   • 次に：3桁の数字 [0-9]{3}
   • 最後：電話番号 0\d{2,4}-?\d{2,4}-?\d{4}

4. ツールを活用

   • regex101.com などでパターンをテスト
   • 視覚的に理解できる

📝 まとめ

今日は正規表現について学びました！

• 正規表現は文字列のパターンを表現する強力な方法
• 基本的なメタ文字：. * [] ^ $
• 量指定子：* + ? {}
• grep -E で拡張正規表現が使える
• 実践的なパターン（メール、電話番号、URL）も正規表現で表現可能

正規表現をマスターすると、テキスト処理の効率が飛躍的に向上します。最初は暗号のように見えても、一つずつ理解していけば必ず使いこなせるようになりますよ！

次はgrepコマンドで、正規表現を使った実践的な検索方法を学んでみませんか？