manage_search 正規表現テストツール star

仕組み

正規表現は、リテラル文字列の代わりに文字のパターンを記述するもので、これにより短い1つの表現でテキストのグループ全体にマッチさせることができます — 任意のメールアドレス、複数の書式のいずれかに合う電話番号、ログファイル中の「ERROR」で始まる任意の行などです。JavaScriptの正規表現を入力し、フラグ(g すべてにマッチ、i 大文字小文字を無視、m 複数行アンカー、s ドットが改行にもマッチ、u 完全なUnicode処理)を切り替え、サンプルテキストを貼り付けると、すべてのマッチがその場でハイライトされ、位置とキャプチャグループとともに下に一覧表示されます。括弧()はキャプチャグループを作ります — これはマッチが起きたことを知るだけでなく、メールアドレスからドメイン部分、日付から年の部分など、マッチしたテキストの特定の一部だけを取り出す手段です。

ほとんどの人が最初につまずく区別が1つあります。貪欲(greedy)量指定子と怠惰(lazy)量指定子です。.*は貪欲です — できるだけ多くのテキストにマッチしようとし、必要な場合にのみバックトラックします。<b>bold</b> and <i>italic</i>という入力に対し、<.*>というパターンは最初の<から最後の>まで貪欲にマッチし、両方のタグを飲み込んでしまいます。?を加えて.*?にすると怠惰になります — できるだけ少なくマッチしようとするため、<.*?>は最初の>で止まり、正しく<b>だけにマッチします。素朴なHTMLマッチング用正規表現が実際のマークアップで壊れてしまう理由は、まさにこの違いにあります。

知っておくべきこと

ここで使われているエンジンは、お使いのブラウザ自身が持つネイティブのJavaScript(ECMAScript)正規表現実装です。そのため、ここでマッチするパターンは、あなたのJSコードでもまったく同じようにマッチします — 途中に変換層が入ることはありません。他の言語の正規表現方言 — PCRE(PHP)、Pythonのre、JavaのPattern — はコア構文(文字クラス、量指定子、グループ)の大部分を共有していますが、高度な機能では異なります。後読み(lookbehind)のサポート、名前付きグループの構文、所有量指定子、一部のエスケープシーケンスなどです。公開する前には、実際の対象言語でも必ずエッジケースを再テストしてください。

破滅的バックトラックにも注意してください。ネストしたり重なり合ったりする量指定子を持つパターン — 例えば末尾に「b」のない長い「a」の文字列に対してテストされる(a+)+b — は、エンジンを指数関数的なバックトラックに追い込み、ページ(あるいは同じ理由で本番サーバー)をフリーズさせることがあります。パターンがここで固まった場合は、まずテスト入力を短くし、それからパターン自体を作り直してください(多くの場合、ネストした繰り返しを完全に取り除くことで解決します) — 単にCPUパワーを増やして解決しようとするのではなく。すべての処理はブラウザ内でローカルに実行され、パターンもテキストも一切送信されません。