正規表現の構文

正規表現には構文があり，そこではいくつかの文字は特別な意味を持ちます．そ れ以外の文字は通常の文字です．通常の文字は，単純な正規表現で，その 文字自体にマッチします．特別な文字とは，`$'，`^'，`.'， `*'，`+'，`?'，`['，`]'，`\'です．他に特別 な文字が定義されることはありません．正規表現に現われる他の文字は，すべて 通常の文字です．ただし，前に`\'がある場合は別です．

たとえば，`f'は特別な文字ではありません．したがって，通常の文字であ り，文字列`f'にマッチする正規表現となります(これは文字列`ff'に はマッチしません)．同様に`o'は`o'のみにマッチする正規表現です．

どんな2つの正規表現a，bも連結することができます．その結果， たとえばaがある文字列のはじめの部分にマッチし，bが残りの部分 にマッチするならば，aとbを連結すればその文字列にマッチする正 規表現が得られます．

単純な例を示します．正規表現`f'と`o'を連結すると正規表現 `fo'となります．これは文字列`fo'のみにマッチします．これは些細 な例ですが，複雑なものを扱うには，特別な文字を使う必要があります．以下は そのリストです．

. (ピリオド)

は特別な文字で改行文字以外のあらゆる1文字にマッチします．連結を使えば， `a.b'のような正規表現が作れます．これは，`a'で始まり`b'で 終る3文字からなるどんな文字列にもマッチします．

*

はそれ自身は構成要素ではなく，接尾辞です．これは，前の正規表現を可能な限 り繰り返すことを意味します．`fo*'の場合には，`*'は`o'に適 用され，`fo*'は`f'の後ろに`o'が続いているものにマッチしま す．`o'の数がゼロも許されます．つまり`fo*'は`f'にもマッチ します． `*'は常にその前にある最小の式に適用されます．したがって，`fo*' は`fo'ではなく`o'が繰り返されます． `*'が現われると，まずマッチするものができるだけ長くなるように(でき るだけ繰り返して)使われます．次にパターンの残り部分をマッチさせます．こ れが失敗した場合には，バックトラックが行なわれます．つまり，`*'によっ て繰り返された構成要素のいくつかを捨てて，パターンの残り部分がマッチする ように試みます．たとえば，`ca*ar'を`caaar'にマッチさせる場合， `a*'は，はじめ3つのすべての`a'マッチします．しかしこうすると， パターンの残りの部分は`ar'ですが，`r'しかないので失敗します． そこで`a*'を`a'2つだけにマッチさせます．こうすればパターンの残 りもマッチします．

+

は`*'に似た接尾辞ですが，前の式が少なくとも一度はマッチしなくてはな りません．たとえば，`ca+r'は`car'および`caaaar'にマッチし ますが，`cr'にはマッチしません．しかし，`ca*r'はこれら3つすべ てにマッチします．

?

は`*'に似た接尾辞ですが，前にある式は1回だけマッチするか，または現 われてはなりません．たとえば，`ca?r'は`car'および`cr'にマッ チします．他のものにはマッチしません．

[ ... ]

`['は文字集合のはじめを意味し，`]'はその終りを表します． 最も簡単な場合では，この2つのかっこの間の文字が集合となります．したがっ て，`[ad]'は1文字の`a'と1文字の`d'のどちらにもマッチしま す．また`[ad]*'は`a'と`b'だけからなる文字列にマッチします (空の文字列にもマッチします)．これから`c[ad]*r'は，`cr'， `car'，`cdr'，`caddaar'などにマッチすることがわかります． 文字集合には，文字範囲を書くことができます．これには，2つの文字の間に `-'を書きます．したがって，`[a-z]'はすべての英小文字にマッチし ます．これには個々の文字を自由に深できます．たとえば，`[a-z$%.]'は， すべての英小文字と`$'，`%'，およびピリオドにマッチします． 文字集合の中では，通常の特殊文字はもはや特殊ではないことに注意してくださ い．文字集合中では，まったく別に特殊文字があります．それは`]'， `-'，`^'です． To include a `]' in a character set, you must make it the first character. For example, `[]a]' matches `]' or `a'. To include a `-', write `---', which is a range containing only `-'. To include `^', make it other than the first character in the set.`]'を文字集合に含むには，これを最初の文字にします．たとえば， `[]a]'は`]'か`a'にマッチします．`-'を含むには， `---'とします．これは`-'のみを含む範囲です．`^'は集合の最 初になければ特別な意味を持ちません．

[^ ... ]

`[^'は文字の補集合の始まりを意味します．これは指定された文字 を除くすべての文字にマッチします．したがって，`[^a-z0-9A-Z]'は英文 字と数字を除くすべての文字にマッチします． `^'は文字集合の中で先頭になければ特殊な意味は持ちません．`^'の 後ろの文字は，先頭にあるものとして扱われます(それが`-'や`]'な ら特殊文字にはなりません)． 文字の補集合は，改行文字にもマッチします．ただし，改行文字がマッチしては いけない文字の1つとして宣言された場合は別です．

^

は空の文字列にマッチする特殊な文字です．ただし，テキストの行の先頭の空文 字列だけにマッチします．それ以外には，どれにもマッチしません．したがって `^foo'は行の先頭にある`foo'にマッチします．

$

は`^'と似ていますが，行の最後にあるものにマッチします．したがって， `xx*$'は行の最後にある1つ以上の`x'からなる文字列にマッチします．

\

には2つの機能があります．特殊文字(`\'を含む)の意味をなくすことと， 特別な構成要素を作ることです． `\'によって特殊文字の意味がなくなるので，`\$'は`$'のみに マッチする正規表現となり，また，`\['は`['にのみマッチする正規 表現となります．

注意:歴史的な互換性を保つため，特殊文字はそれが意味をなさない文脈の中で は，通常の文字として扱われます．たとえば，`*foo'では`*'の前に 式がないため，`*'を通常のものとして扱います．しかし，このような動作 に依存するのはよくありません．それよりも場所に無関係にいつも特殊文字には `\'を付けるのがよいでしょう．

多くの場合，`\'はその後ろにどのような文字が続いていても，その文字だ けにマッチします．しかしいくつか例外があります．それは`\'が前につく と特別な意味を持つ文字になるときです．これらの文字はそれ自身とつき合わせ たときは通常の扱いになります．次に`\'による特別な表現を示します．

\|

は選択を表します．aとbを正規表現としたとき， `a\|b'はaまたはbにマッチするものにマッチし ます． したがって，`foo\|bar'は`foo'または`bar'にマッチしますが， 他のものにはマッチしません． `\|'はできるだけ大きく取った式に適用されます．`\( ... \)' を使って囲んだときは，`\|'はその中だけに制限されます． また`\|'を何度でも使えるように，十分なバックトラッキング能力を備え ています．

\( ... \)

はグループを作ります．これには3つの目的があります．

1. `\|'による選択の範囲を定めます．したがって，`\(foo\|bar\)x'は `foox'または`barx'のどちらにもマッチします．
2. 複雑な表現を囲み`*'が使えるようにします．したがって， `ba\(na\)*'は`bananana'など`na'が何個か(0個以上)続くもの にマッチします．
3. 囲んだ部分文字列があとで引用できるようになります．

この最後に使い方は，グループを作るという考え方によるものではありません． 別の機能を表す正規表現の構成要素に同じ`\( ... \)'を使うのですが， 意味が混同されることはありません．次はこの特徴の説明です．

\digit

`\( ... \)'が現われると，この中に書かれた正規表現にマッチしたテ キストのはじめと終りが記録されます．そして正規表現のそれより後ろでは `\digit'という表現が使え，"digit番目に出てきた`\ ( ... \)'でマッチしたテキスト"を意味します． 1つの正規表現に現われた，はじめの9個の`\( ... \)'にマッチした文 字列に，開きかっこの順に1から9までの番号を割り当てます．`\1'から `\9'が，対応する`\( ... \)'にマッチした文字列を引用するの に使われます． たとえば，`\(.*\)\1'は改行を含まない文字列で，同じもの2つからなって いるものにマッチします．`\(.*\)'がその半分を表すわけですが，これは どんなものにもマッチします．しかし，`\1'はそれにすぐ続いていて，か つまったく同じテキストにマッチしなければなりません．

\`

は空の文字列にマッチしますが，バッファの先頭にあるものにだけです．

\'

は空の文字列にマッチしますが，バッファの最後にあるものにだけです．

\b

は空の文字列にマッチしますが，単語の最初か最後にあるものにだけです． `\bfoo\b'は独立の単語の`foo'にマッチします．また `\bballs?\b'は独立の単語として現われた`ball'あるいは `balls'にだけマッチします．

\B

は空の文字列にマッチしますが，単語の最初や最後にあるものは除きます．

\<

は空の文字列にマッチしますが，単語の最初にあるものにだけです．

\>

は空の文字列にマッチしますが，単語の最後にあるものにだけです．

\w

は単語を構成する文字にマッチします．エディタの構文テーブルによって，この 文字が決まります．

\W

は単語を構成する文字に含まれない文字にマッチします．

\scode

はcodeが表す構文を構成する文字にマッチします．codeは構文を表 す文字です．たとえば，`w'は単語構成要素を，`-'は空白を， `('は開きかっこを表します．See section 構文テーブル.

\Scode

codeが表す構文を構成する文字でない文字にマッチします．

次に示すのは複雑な正規表現です．これは，Emacsで空白が続くかもしれない 文の最後を認識するのに使っています．Lispの構文では，空白とタブ文字が区別 できます．Lisp構文では，文字列定数はダブルクォートで囲みます．`\"' は正規表現の一部としてのダブルクォートを表します．`\\'は正規表現で バックスラッシュを，`\t'はタブ文字，`\n'は改行文字を表します．

"[.?!][]\"')]*\\($\\|\t\\|  \\)[ \t\n]*"

これは4つの部分がつながっています．ピリオド，`?'，`!'のいずれ かにマッチする文字集合，閉じブラケット，引用符，閉じかっこにマッチする文 字集合の繰り返し，行末か，またはタブか，または2つの空白か，のいずれかに マッチするバックスラッシュ付かっこによる選択，そして空白にあたる文字にマッ チする文字集合の繰り返しです．