perlre - Perl の正規表現

Perl5 perlre - Perl の正規表現
[DESCRIPTION][正規表現][Version 8 正規表現][FAQやTIPS]

正規表現: パターンマッチで用いるパターンは、Version 8 regexp ルーティンで提供されているような正規表現です。
(実際、使用しているルーティンは、Henry Spencer が書き直した再配布可能な V8 のルーティンを元にしています。)
詳しくは、「Version 8 正規表現」の節を参照してください。

: 特に、以下のメタ文字は、標準的な egrep(1) と同様の意味を表わします:

: 　　　 \ 　　次のメタ文字をクォートする
　　　 ^ 　　行の最初にマッチする
　　　 . 　　 (改行以外の) すべての文字にマッチする
　　　 $ 　　行の終わりにマッチする
　　　 | 　　選択
　　　 () 　　グループ化
　　　 [] 　　文字クラス

: デフォルトでは、文字 "^" は文字列の最初にだけ、文字 "$" は最後 (もしくは、最後の改行の前) にだけマッチすることが保証されており、Perl は文字列には 1 行だけが含まれていると仮定して、最適化を行ないます。
文字列の中に埋め込まれた改行は、"^" や

: "$" はマッチしません。
しかし、文字列を複数行のバッファとして扱い、"^" はすべての改行のあとにマッチし、"$" はすべての改行の前にマッチするようにしたい場合もあるでしょう。
少しばかり負荷がかかりますが、パターンマッチ演算子に /m 修飾子を付けると、そのようにすることができるようになります。
(昔のプログラムでは $* を設定することでこれを行なっていましたが、Perl 5 でこれを行なうことは芳しくありません。)

: 複数行の置換を容易にするため、/s 修飾子を使わない限り、文字 "." は改行文字にマッチしません。
この /s 修飾子は、文字列がたとえ複数行であっても単一行であるかのように扱うよう Perl に指示するものです。
/s 修飾子は、他のモジュールで $* を設定するような (よくない) 過去のコードを持ってきたような場合にも、その $* の設定を無効にします。

: 次のような標準の数量子が認識されます:

: 　　　 * 　　 0 回以上にマッチ
　　　 + 　　 1 回以上にマッチ
　　　 ? 　　 1 回または 0 回にマッチ
　　　 {n} 　　ちょうど n 回にマッチ
　　　 {n,} 　　 n 回以上にマッチ
　　　 {n,m} 　　 n 回以上 m 回以下にマッチ

: (中括弧が他の文脈であらわれた場合には、通常の文字として扱われます。)
"*" 修飾子は {0,}、"+" は {1,}、"?" は {0,1} と等価なものとして扱われます。
n や m の大きさに制限はありませんが、大きな数はそれだけメモリを消費します。

: デフォルトでは、数量子を付けたサブパターンは、「最長一致」となり、残りのパターンがマッチしなくならない範囲で、できる限り多くのものにマッチするようになっています。
つまり、標準の数量子は、すべて「最長一致」で、(適切な開始位置を与えると) パターンが失敗しない範囲で可能な限り長い範囲にマッチします。もし、最短の範囲でマッチさせたいのであれば、数量子の後に "?" を付けて指定します。
この場合、「最短一致」となるだけで、意味するところは変わりありません:

: 　　　 *? 　　 0 回以上にマッチ
　　　 +? 　　 1 回以上にマッチ
　　　 ?? 　　 1 回または 0 回にマッチ
　　　 {n}? 　　ちょうど n 回にマッチ
　　　 {n,}? 　　 n 回以上にマッチ
　　　 {n,m}? n 回以上 m 回以下にマッチ

: パターンはダブルクォート文字列として処理されますから、

: 　　　 \t 　　タブ
　　　 \n 　　改行
　　　 \r 　　復帰
　　　 \f 　　改ページ
　　　 \v 　　垂直タブ (それが何であっても)
(訳注: これは使えないように見える)
　　　 \a 　　アラーム (ベル)
　　　 \e 　　エスケープ
　　　 \033 　　 8 進数で表した文字
　　　 \x1b 　　 16 進数で表した文字
　　　 \c[ 　　コントロール文字
　　　 \l 　　次の文字を小文字にする
　　　 \u 　　次の文字を大文字にする
　　　 \L 　　 \E まで小文字にする
　　　 \U 　　 \E まで大文字にする
　　　 \E 　　変更の終わり
　　　 \Q 　　 \E まで正規表現のメタ文字をクォートする

: も使用できます。
さらに、Perl では以下のものが定義されています:

: 　　　 \w 　　「単語」の構成文字 (英数字と "_") にマッチ
　　　 \W 　　単語の構成文字以外にマッチ
　　　 \s 　　空白文字にマッチ
　　　 \S 　　空白文字以外にマッチ
　　　 \d 　　数字にマッチ
　　　 \D 　　数字以外にマッチ

: \w は 1 字の英数字にマッチするのであって、単語全体にマッチするのではないことに注意してください。
単語全体にマッチさせるためには \w+ とする必要があります。
\w, \W, \s, \S, \d, \D は文字クラス内 (で範囲を指定する両端の文字以外の場所) でも使うことができます。

: Perl では以下の長さのない、位置指定子を定義しています:

: 　　　 \b 　　単語の境界にマッチ
　　　 \B 　　単語の境界以外にマッチ
　　　 \A 　　文字列の最初にのみマッチ
　　　 \Z 　　文字列の最後にのみマッチ
　　　 \G 　　前回の m//g が終わったところにのみマッチ

: 単語の境界 (\b) は \w で定義される文字と \W で定義される文字の間というように定義されます (順番はどちらが先でもよい)。文字列の最初と最後には \W に含まれる仮想的な文字があるものとして扱われます。
(文字クラスの中では \b は単語境界ではなく、バックスペースを表わします。)
\A と \Z は /m 修飾子が用いられた場合にも 1 か所でしかマッチしないことを除いて "^" と "$" と同じ事になります。
"^" と "$" は内部的な行の境界にもマッチします。

: 括弧括り ( ... ) の形式を用いている場合には、\<数字> がその括られている「数字」番目の部分文字列にマッチします。
(パターンの外では、数字の前の "\" の代わりに "$" を使います。） $<数字> (と $`, $&, $') のスコープは、BLOCK や eval 文字列の終わりや、次の部分式を使ったパターンマッチまでとなります。サブパターンとして記録せずに、括弧で括ってサブパターンを区切りたい (たとえば、選択肢をまとめる) 場合、"(" の後に "?" を続けます。
\<数字> の記法は、そのパターンの外で使える場合もあるかもしれませんが、これに頼ってはなりません。
括弧は、好きなだけ使ってかまいません。
10 個以上の部分文字列は、$10, $11 などで参照することができます。
そのパターンの中では、後方参照の前に最低限、参照している番号の数だけの開き括弧があれば、\10, \11 などで参照できます。
その番号の数だけの開き括弧が無い場合には、(以前のバージョンとの互換性のために) \10 は、\010 (バックスペース)、\11 は \011 (タブ) といった意味になります。
(\1 から \9 は、常に後方参照を意味します。)

: $+ は、最後の括弧対にマッチしたものを返します。
$& は、マッチした文字列全体を返します。
(以前は、$0 がこの意味に使われましたが、現在は使えません。)
$` は、マッチした文字列の前にあったものを返します。
$' は、マッチした文字列の後にあったものを返します。
例:

: 　　　 s/^([^ ]*) *([^ ]*)/$2 $1/; 　　 # 最初の 2 語を入替える

: 　　　if (/Time: (..):(..):(..)/) {
　　　　　 $hours = $1;
　　　　　 $minutes = $2;
　　　　　 $seconds = $3;
　　　 }

: Perl におけるすべてのバックスラッシュ付きのメタ文字が、\b, \w, \n といった英数字であることにお気付きかもしれません。他のいくつかの正規表現言語とは違って、英数字以外にバックスラッシュ付きの記号はありません。
つまり、\\, $, $, \<, \>, \{, \} といったものはすべて、メタ文字ではなく、リテラル文字として解釈されます。
このことによって、パターンとして使いたい文字列に、メタ文字と解釈される文字が含まれている可能性があるときに、たやすくクォートすることができるようになっています。単に英数字以外の文字を、すべてクォートすればよいのです: 　　　$pattern =~ s/(\W)/\\$1/g;
同じことを行なうために、組み込みの関数 quotemeta() を使うこともできます。
マッチ演算子の中でより簡単にメタ文字をクォートするには、
/$unquoted\Q$quoted\E$unquoted/

: とすればよいでしょう。

: Perl 5 では、正規表現に一貫した拡張構文を定義しています。構文は、括弧のペアの中に、最初の文字としてクエスチョンマークを置いたものとなっています (これは、Perl 4 では構文エラーです)。
クエスチョンマークに続く文字で、拡張の機能のどれを使うのかを示します。
いくつかの拡張が、既にサポートされています:

: (?#text) コメント。
Text は無視されます。

: (?:regexp) これは、"()" と同じようにグループ化を行ないますが、
"()" のように後方参照を生成しません。
つまり

: split(/\b(?:a|b|c)\b/)

: は、

: split(/\b(a|b|c)\b/)

: と似ていますが、余分なフィールドを作りません。

: (?=regexp) 長さの無い、前方参照位置指定子。
たとえば、
/\w+(?=\t)/ は、後ろにタブが続く単語にマッチします
が、そのタブは $& には含まれません。

: (?!regexp) 長さの無い、前方参照否定位置指定子。
たとえば、
/foo(?!bar)/ は、後ろに "bar" が続かない "foo" に
マッチします。
前方参照と後方参照は、同じではない
ことに注意してください。
この構文を後方を参照する
ために使うことはできません。
/(?!foo)bar/ では、
"foo" 以外のものに続く "bar" を見つけるものではあ
りません。
(?!foo) は次にくるものが "foo" でない
とだけ言っているからで、次が "bar" であれば、当然
"foo" ではありませんから、"foobar" がマッチします。
先の目的のためには、/(?!foo)...bar/ のように書かな
くてはならないでしょう。
「ように」といったのは、
"bar" の前に 3 文字無い場合もあるだろうからです。
これもカバーするには、/(?:(?!foo)...|^..?)bar/ と
いうように書けるでしょう。
単に:

: if (/foo/ && $` =~ /bar$/)

: と書いた方が簡単なこともあります。
(訳注: これは if(/bar(?=foo)/) かな。($' を除く))

: (?imsx) パターンマッチ修飾子の埋め込み。
これは、パターンが、どこかの表に示され、そのうちのいくつかは大文字
小文字を区別せず、いくつかは区別するといった場合に
便利です。
区別するものでは、単にパターンの先頭に
(?i) を付け加えればよいのです。
たとえば:

: $pattern = "foobar";
if ( /$pattern/i )

: # パターンに埋め込めば、より柔軟:

: $pattern = "(?i)foobar";
if ( /$pattern/ )

: この構文や新しい最短一致の構文にクエスチョンマークを選らんだのは、1) 以前の正規表現においてクエスチョンマークが使われることが少なかったこと、2) これを見つけた人は「疑問」に思ってなにが起こるのかを考えるべきだということによります。
これこそ、心理学 ...

出典:Perl manpages Last change: Release 5.0 Patchlevel 00 5