【PHP5】正規表現(Perl 互換)
正規表現(Perl 互換)
正規表現とは、文字列の一部をパターン化して各種処理をする手法です。
この記事では、Perl 互換の preg 系について書いています。
PCRE 関数
PCRE 関数として以下の関数が実装されています。
preg_match：正規表現によるマッチングを行う
preg_match_all：繰り返し正規表現検索を行う
preg_grep：パターンにマッチする配列の要素を返す
preg_replace：正規表現検索および置換を行う
preg_filter：正規表現による検索と置換を行う
preg_replace_callback：正規表現検索を行い、コールバック関数を使用して置換を行う
preg_replace_callback_array：正規表現検索を行い、コールバック関数を使用して置換を行って配列の要素を返す
preg_split：正規表現で文字列を分割する
preg_quote：対象文字列に含まれる特殊文字「. \ + * ? [ ^ ] $ ( ) { } = ! < > | : -」の前にバックスラッシュを挿入します。
preg_last_error：直近の PCRE 正規表現処理のエラーコードを返す
http://php.net/manual/ja/ref.pcre.php
パターン修飾子
PCRE 関数では、パターン修飾子が実装されています。
主なものとして以下のような修飾子があります。
※Perl などにある修飾子「g」は、PHP では用意されていません。
パターンマッチでは preg_match_all 関数を使用します。
また preg_replace 関数などを使用しての置換の場合には、
既定で g 修飾子を指定した場合と同じ動作をします。
| 修飾子 | 内容 |
|---|---|
| i | 大文字と小文字の区別をしない (case-insensitive) |
| m | 文字列を複数行として扱う (multi-line) |
| o | 変数展開を 1 度だけ行う (only once) |
| s | 文字列を単一行として扱う (single line) |
| x | 拡張正規表現を行う (extended) |
| u | パターンと対象文字列は、 UTF-8 として扱う (PCRE_UTF8) |
http://php.net/manual/ja/reference.pcre.pattern.modifiers.php
区切り文字
区切り文字であるスラッシュを
英数字、バックスラッシュ、空白文字以外の任意の文字に置き換えることもできます。
| 構文 | 内容 |
|---|---|
| [区切文字] パターン [区切文字] | /パターン/ に同じ |
メタ文字
正規表現では、下記の記号をメタ文字として特殊な機能を持たせています。
なので、メタ文字を「文字」としてマッチさせるためには、
直前に \ を付けてエスケープする必要があります。
\ ^ . $ * ? | ( ) [ ] { } +任意の1文字と位置指定
| メタ文字 | 正規表現上の意味 |
|---|---|
| \ | 直後の文字をエスケープ |
| ^ | 先頭にマッチ |
| $ | 末尾にマッチ |
| . | 改行を除く任意の1文字 |
パターン論理和
| メタ文字 | 正規表現上の意味 |
|---|---|
| | | 選択 |
複数の文字列をパイプで分割すると、複数の文字列のどれかにマッチさせます。
パターングループ
| メタ文字 | 正規表現上の意味 |
|---|---|
| ( ) | グループ化 |
複数の文字列をまとめた形でパターンマッチを行います。
文字クラス
| メタ文字 | 正規表現上の意味 |
|---|---|
| [ ] | 指定内の任意表現 |
マッチングの対象となる文字列中に
[ ] （ブラケット）で囲んだ文字のいずれかをマッチさせます。
ブラケット中の先頭部に「 ^ 」（キャレット）があれば、逆の意味となります。
また、ブラケット中に「 – 」（マイナス）があれば、範囲指定を意味します。
文字クラスで多用されるものとして、次のような表現があります。
| 文字クラス | 内容 |
| [a-z] | 英小文字のいずれか1文字 |
| [A-Z] | 英大文字のいずれか1文字 |
| [0-9] | 数字のいずれか1文字 |
| [a-zA-Z0-9] | 英数字のいずれか1文字 |
| [^a-zA-Z] | 英字以外にマッチ |
| [^0-9] | 数字以外にマッチ |
| [:alnum:] | [:alpha:]+[:digit:] |
| [:alpha:] | [:lower:]+[:upper:] |
| [:lower:] | 小文字の半角英文字 [a-z] |
| [:upper:] | 大文字の半角英文字 [A-Z] |
| [:digit:] | 数字 [0-9] |
| [:blank:] | スペースとタブ [ \t] |
| [:cntrl:] | 制御文字 |
| [:graph:] | [:alnum:]+[:punct:] |
| [:print:] | [:alnum:]+[:punct:]+スペース |
| [:punct:] | ! " # $ % & ' ( ) * + , – . / |
| [:space:] | 空白文字 [ \t\n\r\f\v] |
| [:xdigit:] | 16進数 [0-9A-Fa-f] |
量指定子
| メタ文字 | 正規表現上の意味 |
|---|---|
| * | 直前の文字を 0 回以上にマッチ |
| + | 直前の文字を 1 回以上にマッチ |
| ? | 直前の文字を 0 回又は 1 回にマッチ |
| {n} | 直前の文字を n 回にマッチ |
| {n,} | 直前の文字を n 回以上にマッチ |
| {n,m} | 直前の文字を n 回以上、m 回以下にマッチ |
量指定子の正規表現を行う場合、マッチする範囲は最大マッチングとなります。
その他のメタ文字及び特殊変数
前述以外で、他にも正規表現上の特殊な意味として、よく使われるものがあります。
| 表現 | 正規表現上の意味 |
|---|---|
| \w | 英字、数字、アンダースコア。[a-zA-Z0-9_] に同じ。 |
| \W | 英字、数字、アンダースコア以外の文字。[^a-zA-Z0-9_] に同じ。 |
| \d | 数字。[0-9] に同じ。 |
| \D | 数字以外の文字。[^0-9] に同じ。 |
| \t | タブ |
| \r | リターン（復帰文字） |
| \n | 改行 |
| \f | ラインフィード（改ページ） |
| \s | スペース。[\r\t\n\f] に同じ。 |
| \S | スペース以外の文字。[^\r\t\n\f] に同じ。 |
| \a | アラーム（ベル） |
| \b | バックスペース |
| \e | エスケープ |
| \0 + 数字 | 8 進法で表すASCII文字。（ \033, \040 など ） |
| \x + 英数字 | 16 進法で表すASCII文字。（\x1b, \x00 など ） |
| \c[ | コントロール文字 |
| \l | 次の 1 文字を小文字にする |
| \u | 次の 1 文字を大文字にする |
| \L | \E までの文字列を小文字にする |
| \U | \E までの文字列を大文字にする |
| \E | 変更の終わり |
| \Q | \E までの文字列で正規表現のメタ文字を文字にみなす |
| \b | 単語の境界にマッチする |
| \B | 単語の境界以外にマッチする |
| \A | 文字列の最初にマッチする。メタ文字 ^ に同じ。 |
| \Z | 文字列の最後にマッチする。メタ文字 $ に同じ。 |
| $ + 数字 | グループ化したパターンを後で参照する。 |
| \ + 数字 | 上記に同じ。( \1, \2, \3, … ) |
| $& | マッチした文字列全体 |
| $` | マッチした文字列の前にあるすべての文字列 |
| $’ | マッチした文字列の後にあるすべての文字列 |
コメント
コメントを何かしらの理由でパターンマッチで使いたい場合には、
(?# で始まり、閉じカッコで括ります。
カッコのネストはできません。
コメント内の文字は、パターンマッチには全く関係しません。
