正規表現：見た目ほど怖くない

ドキュメント内のすべてのメールアドレスを見つける必要があります。あるいは電話番号を検証。あるいは乱雑なテキストから日付を抽出。

誰かが「regexを使え」と言います。構文をググり、^[\w-\.]+@([\w-]+\.)+[\w-]{2,4}$ のようなものを見つけ、即座にタブを閉じます。

正規表現が威圧的に見えるのは、人々が明確さではなく賢さを示すために書くからです。それを修正しましょう。

リテラルマッチングから始める

Regexはパターンを見つけます。最もシンプルなパターンはリテラルテキスト。

cat は「The cat sat.」の中の「cat」にマッチ。何も派手じゃない。

http はあらゆるURLの中の「http」にマッチ。まだ単純。

徐々にワイルドカードを追加

. は任意の1文字にマッチ。c.t は「cat」、「cot」、「cut」にマッチ。

* は「前のものが0回以上」を意味。ca*t は「ct」、「cat」、「caat」、「caaaaaat」にマッチ。

+ は「1回以上」を意味。ca+t は「cat」と「caat」にマッチしますが、「ct」にはマッチしません。

? は「0回または1回」を意味。colou?r は「color」と「colour」の両方にマッチ。

文字クラスはあなたの友達

[aeiou] は任意の母音にマッチ。[0-9] は任意の数字にマッチ。[A-Za-z] は任意の文字にマッチ。

\d は [0-9] の短縮形。\w は単語文字（文字、数字、アンダースコア）にマッチ。\s は空白にマッチ。

これらの構成要素がほとんどの実世界のパターンを扱います。

アンカーが位置をコントロール

^ は「行の開始」を意味。$ は「行の終端」を意味。

^Hello は「Hello world」にマッチしますが、「Say Hello」にはマッチしません。

world$ は「Hello world」にマッチしますが、「world peace」にはマッチしません。

グループが部分をキャプチャ

括弧はものをグループ化します。後で使うためにキャプチャもします。

(\d{3})-(\d{4}) は「555-1234」にマッチし、「555」と「1234」を別々にキャプチャ。

これがパターンマッチから特定のデータを抽出する方法です。

実例、解説付き

メール（簡略版）：

[\w.-]+@[\w.-]+\.\w+

翻訳：単語文字/ドット/ハイフン、それから@、それからまた同じ、それからドット、それから単語文字。

電話番号：

\d{3}[-.\s]?\d{3}[-.\s]?\d{4}

翻訳：3桁、オプショナルのセパレーター、3桁、オプショナルのセパレーター、4桁。「555-123-4567」、「555.123.4567」、「5551234567」にマッチ。

日付（MM/DD/YYYY）：

\d{2}/\d{2}/\d{4}

翻訳：2桁、スラッシュ、2桁、スラッシュ、4桁。

よくある間違い

特殊文字のエスケープを忘れる。 . はregexで「任意の文字」を意味します。リテラルのドットにマッチするには、\. を使いましょう。

貪欲すぎる。 .* は可能な限り多くマッチします。HTMLタグで、<.*> を <b>bold</b> に適用すると全体にマッチし、<b> だけではありません。非貪欲マッチには <.*?> を使いましょう。

複雑にしすぎ。 本物のメール検証が必要なら、ライブラリを使いましょう。「正しい」メールregexは数百文字の長さです。

Regexを使うべきでない時

HTMLやJSONのパース。適切なパーサーを使いましょう。

複雑な検証ロジック。コードは多くの場合、1つの巨大なパターンより明確です。

文字列メソッドが機能する時。"hello".startsWith("he") は /^he/ より明確。

---

Regexはツールです。あらゆるツール同様、特定の仕事には良く、他には不格好。シンプルに始め、作りながらテストし、賢くあろうとしない。読めるregexが印象的なregexより良いです。