メインコンテンツへスキップ
見出し画像

大量の文章から決まった形を探す。「正規表現」は何が便利なのか

    仕事の面倒を、ひとつずつほどく。

    何千行もの文章から、日付、郵便番号、型番らしい文字だけを探したい。

    完全に同じ言葉なら普通の検索で見つかります。しかし、日付の数字は毎回違います。正規表現は、文字そのものではなく文字の並び方の規則を指定して探す方法です。

    「何が書いてあるか」ではなく「どんな形か」

    郵便番号なら、数字三桁、ハイフン、数字四桁という形があります。

    正規表現では、数字、文字数、繰り返し、先頭と末尾、候補などを組み合わせ、形に合う部分を探します。

    具体的な郵便番号をすべて列挙しなくても、一つの規則で多くの候補を見つけられます。

    検索だけでなく置換にも使える

    年月日の区切りをそろえる。型番の前後に付いた余分な空白を消す。順番を入れ替える。

    見つけた部分をグループとして取り出し、置換後へ再利用できます。大量の文章を同じ規則で整えるときに力を発揮します。

    ただし、置換は広い範囲へ一度に効きます。最初は検索だけを行い、何件見つかるかを確認します。

    見つかったものが正しいとは限らない

    数字三桁と四桁の間にハイフンがあれば、郵便番号の形には見えます。しかし、製品番号や別のコードかもしれません。

    正規表現は形を見ます。意味や事実関係を判断するものではありません。

    候補抽出に使い、必要なら前後の文脈や別の項目で確認します。

    複雑にしすぎると読めなくなる

    一つの正規表現へ例外を詰め込みすぎると、記号の塊になり、後から直せません。

    複数の簡単な処理へ分ける、名前と説明を残す、合う例と合わない例をテストする方が安全です。

    正規表現だけでメールアドレスや住所のあらゆる形式を完全に検証しようとすると、現実の例外へ苦しみます。

    ソフトによって書き方が少し違う

    エディター、Excelの一部機能、Python、PowerShellなど、正規表現を使える道具は多くあります。

    ただし、対応する機能や記号の意味が少し違う場合があります。使っているソフトの仕様で確認します。

    まとめ

    正規表現は、記号を暗記する競技ではありません。大量の文字から、同じ形を機械的に探すための道具です。

    まず小さな規則で候補を見つけ、件数と内容を確認してから置換する。形の抽出と意味の判断を分ければ、正規表現は強く安全に使えます。

     
     
    毎日の「面倒だけど、なくせない仕事」を少し楽にするためのnoteです。Excel、生成AI、VBA、PowerShell、Python、C#などを、道具の自慢ではなく、実際の仕事でどう使うかという視点で書いていきます。難しい話を、難しいままにしないことを大切にしています。

    あなたへのおすすめ