emwaiblog

基本的な使い方

Perlでは正規表現はしばしば「パターン」と呼ばれます。文字列に対してパターンがマッチすれば（成功すれば）真を返し、マッチしなければ（失敗すれば）偽を返します。

パターンはスラッシュで囲んで指定します。この場合のスラッシュのように正規表現を囲む記号をデリミタと呼びます。

$_ = 'abcdefg';

if (/cde/) {
  print 'マッチしました';
}
else {
  print 'マッチしませんでした';
}

例では、条件判定のところにパターンだけ記述されていて文字列が何も指定されていません。この場合はデフォルト変数$_に対してcdeが含まれているかのマッチングを行います。その他の変数に対してマッチングを行うには結合演算子=~を使用します。

my $word = 'abcdefg';

if ($word =~ /cde/) {
  print 'マッチしました';
}
else {
  print 'マッチしませんでした';
}

Perlでは、正規表現を使うのに長ったらしい関数名をタイプする必要はありません。また、パターンマッチを行う際は!~を使うこともできます^（※）。!~はパターンがマッチすれば（成功すれば）偽を返し、マッチしなければ（失敗すれば）真を返します。
※ 結合演算子は置換などパターンマッチ以外にも使用されます。

my $word = 'abcdefg';

if ($word !~ /cde/) {
  print 'マッチしませんでした';
}
else {
  print 'マッチしました';
}

文字列を検索 〜 パターンマッチ演算子「m//」

スラッシュでパターンを囲むのは実のところパターンマッチ演算子「m//」のショートカットです。mを明示することによって任意のデリミタを使えるようになります。デフォルトのスラッシュを使う場合にはいちいちmを書く必要はありません。

任意のデリミタは、よく使われるm{pattern}（ブレース）のように対になった記号や、m%pattern%など対にならないものが使えますが、もちろんパターンの中で使用しない記号を選ぶようにします。例えばURLのような書式は、デリミタがスラッシュのままではエスケープだらけで見にくくなってしまうので、あまりURLに登場しない記号をデリミタに使ったりします。

my $url = 'http://example.com/';

print ($url =~ m{^https://} ? 'HTTPSです' : 'HTTPSではありません');

Perlには他に似たような外見のqw//があります。

文字列を置換 〜 置換演算子「s///」

文字列の置換には「s///」を使用します。置き換えの場合にも長ったらしい関数名をタイプする必要はありません。s/パターン/置換え文字列/のようにして使います。マッチに失敗した場合は変数の値は変わりません。

my $url = 'http://example.com/';
$url =~ s%^http://%https://%;
print $url;

> https://example.com/

m//と同じく任意のデリミタを指定することができます。デフォルトのスラッシュを使う場合でもsは必要です。ブレースのように対になったデリミタは、パターンを一度閉じるようにデリミタを4つ使って表記します。この単純な書き方に慣れるととても見やすいです。また、最初のパターンのデリミタと置き換え文字列のデリミタを違うカッコにすることもできます。

my $url = 'http://example.com/';
$url =~ s{^http://}(https://);
print $url;

Perlには他に似たような外見のtr///があります。

特殊文字 〜 メタキャラクタ

基本的な使い方の例にあるcdeのような固定の文字列にマッチさせるだけではあまり役に立たないので、正規表現では特殊な意味を持つメタキャラクタが用意されています。

\ | ( ) [ ] { } ^ $ * + ? .

メタキャラクタのひとつ、.（ドット）はワイルドカードと言って改行を除くあらゆる文字にマッチします。例えば/ha.d/というパターンはhandやhardにマッチします。.（ドット）はきっかり1文字にマッチ^※するのでhadやharoldはマッチしません。

メタキャラクタのそのままの文字にマッチさせたければその文字の前に\（バックスラッシュ）を置きます。例えばexample.comにマッチさせるには/example\.com/とします。バックスラッシュの文字を表したければ\\と2個連続で記述します。

use utf8;

my $word = 'パンダ、ゴリラ、ホッキョクグマ、オカピ';

if ( $word =~ /パ.ダ/ ) {
  print "'パ'と'ダ'の間に1文字見つかりました。\n";
}
if ( $word =~ /(パンダ|ゴリラ)/ ) {
  print "'パンダ'か'ゴリラ'が含まれています。\n";
}
if ( $word =~ /[パゴ]/ ) {
  print "'パ'と'ゴ'が見つかりました。\n";
}
if ( $word =~ /^パンダ/ ) {
  print "'パンダ'から始まっています。\n";
}
if ( $word =~ /オカピ$/ ) {
  print "'オカピ'で終わっています。\n";
}

my $word = 'パパパパパピププぺぺぺポポポポ';

if ( $word =~ /パ+/ ) {
  # $&には直前にマッチした文字列が入っています。
  print "$&\n";
}

> パパパパパ

my $word = 'パパパパパピププぺぺぺポポポポ';

if ( $word =~ /パ+?/ ) {
  print "$&\n";
}

> パ

いずれかの文字にマッチさせる 〜 文字クラス

ある文字のどれか1文字にマッチさせる場合は[]（角括弧・ブラケット）の中にマッチさせたい文字を並べます。これを文字クラスと呼びます。

my $word = 'パパパパパピププぺぺぺポポポポ';

if ( $word =~ /[パポ]/ ) {
  print "'パ'か'ポ'が含まれています。";
}

文字クラスの中では、-（ハイフン）を使って文字の範囲を指定することができます。[a-z]とすればaからzまで、小文字アルファベットのどれかにマッチします。[a-zA-Z]は大文字小文字のアルファベット、[b-e]はbからeまでのアルファベットどれかにマッチします。[0-9]は0から9の数字にマッチします。

my $word = 'abcdefg';

if ( $word =~ /[a-z]/ ) {
  print "小文字のアルファベットが含まれています。";
}

場合によっては含まれない文字を探した方が早いこともあります。文字クラスの先頭に^（キャレット）を置くと、並べた文字以外の文字にマッチするようになります。入力フィールドに文字種の制限を設けるなどの場合にはよく使わます。

if ( $word =~ /[^a-zA-Z0-9]/ ) {
  print "半角英数字以外の文字が含まれています。";
}

よく使われる文字クラスにはショートカットが用意されています。改行を除くあらゆる文字を表す.（ドット）も特殊な文字クラスの一種です。

特殊な環境下では\sや\dといった文字クラスが[ \t\n\r\f]や[0-9]と等価とは限らない場合があります。

if ( $word =~ /\D/ ) {
  print "半角数字以外の文字が含まれています。";
}

オプション修飾子 〜 フラグ

正規表現の動作をデフォルトから変更できる「オプション修飾子」が用意されています。単にオプションとかフラグと呼ばれることもあります。オプションは最後のデリミタの直後に指定します。複数の場合はまとめて指定することができます。

my $word = <<EOT;
暑いので長袖を着ている。
寒いので半袖を着ている。
暑いか寒いか分からないので七分袖を着ている。
EOT

$word =~ s{
  (暑|寒)(い.+?)(長袖|半袖)
}{
  my $result = $1 . $2;
  if ( $1 eq '暑' && $3 eq '長袖' ) {
    $result .= '半袖';
  }
  elsif ( $1 eq '寒' && $3 eq '半袖' ) {
    $result .= '長袖';
  }
  else {
    $result .= $3;
  }
  $result;
}imxge;

print $word;