「正規表現における非キャプチャリンググループ」の日本語解説

2024-08-23

正規表現（regular expression）は、文字列のパターンを定義するための言語です。その中で、キャプチャリンググループ（capturing group）は、マッチした部分文字列を記憶するための機能です。

非キャプチャリンググループ（non-capturing group）は、キャプチャリンググループとは異なり、マッチした部分文字列を記憶しません。つまり、マッチした部分文字列を後で使用したり、置換したりする必要がない場合に、非キャプチャリンググループを使用します。

例:

(abc)def

この正規表現では、abcがキャプチャリンググループです。マッチした場合、abcが記憶されます。

(?:abc)def

用途:

パターンマッチング: 複雑なパターンを定義する際に、非キャプチャリンググループを使用して、不要な部分文字列を記憶しないようにします。
置換: 置換操作で、マッチした部分文字列の一部を置き換える場合、非キャプチャリンググループを使用して、不要な部分文字列を置換しないようにします。

非キャプチャリンググループとは？

正規表現において、非キャプチャリンググループは、マッチした部分を記憶しないグループのことです。つまり、後続の処理でその部分文字列を参照する必要がない場合に用います。キャプチャリンググループとの違いは、マッチした部分文字列をキャプチャするかどうかという点です。

具体的な例

JavaScript

const regex = /^(?:https?:\/\/)?(www\.)?google\.com$/;
const str = "https://www.google.com";

const match = str.match(regex);
console.log(match); // ["https://www.google.com", "www"]

解説:
- (?:https?:\/\/)?: プロトコル部分（http:// または https://）を非キャプチャリンググループで囲んでいます。マッチしても記憶されません。
- (www\.)?: "www."の部分をキャプチャリンググループで囲んでいます。マッチした場合、"www."がmatchの2番目の要素として格納されます。
- この正規表現は、GoogleのURLにマッチし、"www."の部分だけを抽出したい場合に用います。プロトコル部分はマッチの判定に必要ですが、抽出する必要がないため、非キャプチャリンググループとしています。

Python

import re

text = "The price is $123.45"
pattern = r"The price is \$(\d+\.\d+)"
match = re.search(pattern, text)

if match:
    print(match.group(1))  # 出力: 123.45

import re

text = "The price is $123.45"
pattern = r"The price is \$(?:\d+\.\d+)"
match = re.search(pattern, text)

if match:
    print(match)  # 出力: None

解説:
- 1つ目の例では、価格の部分をキャプチャリンググループで囲んでいるため、match.group(1)で抽出できます。
- 2つ目の例では、価格の部分を非キャプチャリンググループで囲んでいるため、マッチしてもグループとして抽出することはできません。

非キャプチャリンググループを使うメリット

パフォーマンス向上: 不要な部分をキャプチャしないため、正規表現エンジンの負荷を軽減できます。
コードの簡潔化: キャプチャリンググループを減らすことで、正規表現が読みやすくなります。
誤ったキャプチャの防止: 意図せずキャプチャしてしまうことを防ぎます。

非キャプチャリンググループは、正規表現の柔軟性を高め、パフォーマンスを改善するための重要な概念です。マッチした部分を記憶する必要がない場合は、積極的に活用することで、より効率的な正規表現を作成できます。

ポイント:

(?: )で囲まれた部分が非キャプチャリンググループです。
キャプチャリンググループと非キャプチャリンググループを使い分けることで、目的の文字列を正確に抽出できます。

正規表現の文法はプログラミング言語によって多少異なる場合があります。

ここでは、非キャプチャリンググループの代替となる可能性のあるいくつかの方法について解説します。

キャプチャリンググループの利用と後処理

方法: マッチしたすべての部分をキャプチャリンググループで囲み、後で不要な部分を捨てる。
メリット: 柔軟性が高い。任意の部分を抽出・置換できる。
デメリット: コードが冗長になる可能性がある。パフォーマンスが若干低下する可能性がある。

const regex = /^(https?:\/\/)(www\.)?google\.com$/;
const str = "https://www.google.com";

const match = str.match(regex);
const domain = match[2] || ""; // "www."の部分を抽出

Lookaround アサーション

方法: マッチする位置の前後を条件として指定する。
メリット: マッチする文字列自体をキャプチャしないため、非キャプチャリンググループと同様の目的で使える。
デメリット: 複雑なパターンになると、理解が難しくなる場合がある。

const regex = /(?<=https?:\/\/)(www\.)?google\.com/;
const str = "https://www.google.com";

const match = str.match(regex);
const domain = match[1] || ""; // "www."の部分を抽出

複数の正規表現の使用

方法: 複数の単純な正規表現を組み合わせて、目的の文字列を抽出する。
メリット: 複雑なパターンを単純なパターンに分割できる。可読性が高くなる。
デメリット: コードが冗長になる可能性がある。

const regex1 = /https?:\/\//;
const regex2 = /www\./;
const str = "https://www.google.com";

const match1 = str.match(regex1);
const match2 = str.match(regex2);
const domain = match2[0] || "";