正規表現の実践ガイド｜検索・置換・バリデーションで使えるパターン集

正規表現（Regular Expression、regex）は、テキストのパターンマッチングを行うための強力なツールです。ログの解析、入力値のバリデーション、テキストの検索・置換など、あらゆる場面で活用できます。しかし、複雑な記号の羅列に見えるため、苦手意識を持つエンジニアも多いのではないでしょうか。

本記事では、正規表現の基礎文法から、実務で即使えるパターン集、パフォーマンスの注意点、各言語での使い方まで実践的に解説します。

正規表現の基礎文法

正規表現を使いこなすための基本要素を確認しましょう。これらを組み合わせることで、複雑なパターンも表現できます。

文字クラスとメタ文字

基本的なメタ文字

.（ドット）は改行以外の任意の1文字にマッチします。^は行頭、$は行末を示します。\はメタ文字のエスケープに使います。

文字クラス

[abc]はa、b、cのいずれかにマッチします。[a-z]はaからzまでの小文字にマッチし、[0-9]は数字にマッチします。[^abc]はa、b、c以外の文字にマッチします（否定）。

定義済み文字クラス

\dは数字（[0-9]と同等）、\Dは数字以外、\wは英数字とアンダースコア（[a-zA-Z0-9_]と同等）、\Wはそれ以外、\sは空白文字（スペース、タブ、改行など）、\Sは空白以外にマッチします。

量指定子（Quantifiers）

直前のパターンの繰り返し回数を指定します。

*は0回以上の繰り返し、+は1回以上の繰り返し、?は0回または1回（省略可能）にマッチします。

{n}はちょうどn回、{n,}はn回以上、{n,m}はn回以上m回以下の繰り返しを指定します。

貪欲マッチと最短マッチ

デフォルトでは量指定子は「貪欲（greedy）」で、できるだけ長い文字列にマッチしようとします。量指定子の後に?を付けると「最短（lazy）」マッチになり、できるだけ短い文字列にマッチします。

たとえば、<.+>は<p>text</p>全体にマッチしますが、<.+?>は<p>だけにマッチします。HTMLタグの抽出などで頻繁に使う区別です。

グループとキャプチャ

(pattern)でグループ化し、マッチした部分をキャプチャ（抽出）できます。キャプチャした内容は\1、\2のように後方参照で再利用できます。

(?:pattern)はグループ化のみ行い、キャプチャしません（非キャプチャグループ）。パフォーマンスが若干向上し、キャプチャの番号が不要な場合に使います。

(?<name>pattern)は名前付きキャプチャグループで、番号ではなく名前でキャプチャ内容にアクセスできます。可読性が大幅に向上するため、複雑な正規表現では積極的に使いましょう。

アンカーと先読み・後読み

位置にマッチする高度なパターンを理解しましょう。

アンカー

\bは単語境界（word boundary）にマッチします。\bcat\bは「cat」にはマッチしますが、「category」の中の「cat」にはマッチしません。テキスト検索で特に重要な機能です。

先読みと後読み（Lookahead/Lookbehind）

先読みと後読みは、パターンの前後に特定の条件を付けるためのアサーションです。マッチ結果には含まれません（ゼロ幅アサーション）。

肯定先読み (?=pattern)
後にpatternが続く位置にマッチします。\d+(?=円)は「500円」の「500」にマッチしますが、「500ドル」にはマッチしません。

否定先読み (?!pattern)
後にpatternが続かない位置にマッチします。\d+(?!円)は「500ドル」の「500」にマッチします。

肯定後読み (?<=pattern)
前にpatternがある位置にマッチします。(?<=\$)\d+は「$100」の「100」にマッチします。

否定後読み (?<!pattern)
前にpatternがない位置にマッチします。特定の接頭辞を除外する場合に使います。

先読みと後読みは、パスワードの複雑性チェック（大文字・小文字・数字をすべて含むか）や、特定の文脈でのパターン抽出に活用できます。

実践パターン集：バリデーション

Webアプリケーションの入力バリデーションで使える正規表現パターンを紹介します。

メールアドレス

完全にRFC 5322に準拠したメールアドレスの正規表現は非常に複雑になるため、実用的な範囲で検証するパターンを使います。

^[a-zA-Z0-9._%+\-]+@[a-zA-Z0-9.\-]+\.[a-zA-Z]{2,}$

ローカルパート（@の前）に英数字と一部の記号を許可し、ドメインパートに英数字とハイフン、トップレベルドメインに2文字以上の英字を要求します。実際のバリデーションでは、この正規表現で基本的な形式を確認した上で、確認メールの送信で到達性を検証するのが推奨されます。

電話番号（日本）

^0\d{1,4}[\-]?\d{1,4}[\-]?\d{4}$

0から始まる日本の電話番号にマッチします。ハイフンの有無に対応しています。携帯電話の番号に限定する場合は^0[789]0[\-]?\d{4}[\-]?\d{4}$とします。

URL

^https?:\/\/[\w\-]+(\.[\w\-]+)+[\/\w\-._~:?#\[\]@!$&'()*+,;=]*$

http/httpsで始まるURLにマッチします。クエリパラメータやフラグメントも含む基本的なURL構造を検証できます。

パスワード強度チェック

先読みを活用して、パスワードの複雑性を検証します。

^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$

小文字・大文字・数字・特殊文字をそれぞれ1文字以上含み、8文字以上であることを検証します。各(?=.*pattern)が先読みとして機能し、順序に関係なく各条件をチェックします。

郵便番号（日本）

^\d{3}[\-]?\d{4}$

ハイフンありなしの両方に対応します。

実践パターン集：テキスト処理

ログ解析やテキストの加工で使えるパターンを紹介します。

ログ解析

Apacheアクセスログの解析

^(\S+) \S+ \S+ \[([^\]]+)\] "(\S+) (\S+) \S+" (\d{3}) (\d+|-)

IPアドレス、日時、HTTPメソッド、リクエストパス、ステータスコード、レスポンスサイズをキャプチャします。名前付きキャプチャを使うとさらに可読性が上がります。

日時パターンの抽出

\d{4}[\-/]\d{2}[\-/]\d{2}[\sT]\d{2}:\d{2}:\d{2}

ISO 8601風の日時フォーマット（2026-03-27 12:34:56やT区切り）にマッチします。

テキストの置換

キャメルケースをスネークケースに変換

検索パターン：([a-z])([A-Z])
置換パターン：$1_$2（その後に小文字化）

「userName」を「user_Name」に変換し、さらに小文字化して「user_name」にします。

HTMLタグの除去

<[^>]+>

HTMLタグを除去してプレーンテキストを抽出する基本パターンです。ただし、正規表現でのHTML解析には限界があるため、本格的な処理にはHTMLパーサーを使うべきです。

行末の空白除去

[ \t]+$（多くのエディタで対応）

行末の不要なスペースやタブを検出・除去します。

データ抽出

CSV内の引用符付きフィールド

"([^"]*(?:""[^"]*)*)"

ダブルクォートで囲まれたCSVフィールドにマッチします。フィールド内にエスケープされたダブルクォート（""）が含まれる場合にも対応します。

IPアドレスの抽出

\b(?:\d{1,3}\.){3}\d{1,3}\b

テキスト中からIPv4アドレスを抽出します。厳密な範囲チェック（各オクテットが0-255）を加えたい場合は、より複雑なパターンが必要です。

各プログラミング言語での正規表現

正規表現の文法は言語間でほぼ共通ですが、APIの使い方やフラグの指定方法に違いがあります。

JavaScript

JavaScriptでは、正規表現リテラル/pattern/flagsまたはRegExpコンストラクタで正規表現を作成します。主要なメソッドはtest()（マッチするかの判定）、match()（マッチ結果の取得）、replace()（置換）です。

フラグとして、g（グローバル検索）、i（大文字小文字を区別しない）、m（複数行モード）、s（.が改行にもマッチ）、u（Unicode対応）があります。

ES2018以降では、名前付きキャプチャグループ(?<name>pattern)と後読みアサーションがサポートされています。

Python

Pythonのreモジュールで正規表現を使います。re.compile()でパターンをコンパイルし、search()（最初のマッチ）、findall()（すべてのマッチ）、sub()（置換）を使います。

Pythonでは生文字列r"pattern"を使うことで、バックスラッシュのエスケープが不要になります。re.VERBOSEフラグを使うと、パターン内にコメントや空白を含められるため、複雑な正規表現の可読性を向上できます。

Go

GoのregexpパッケージはRE2構文を採用しています。後方参照と先読み/後読みはサポートされていません（ReDoS攻撃の防止のため）。regexp.MustCompile()でコンパイルし、FindString()、FindAllString()、ReplaceAllString()などを使います。

パフォーマンスの注意点

正規表現のパフォーマンスは、パターンの書き方によって大きく変わります。

ReDoS（正規表現サービス拒否攻撃）

悪意のある入力によって正規表現の処理が指数関数的に遅くなるReDoS攻撃に注意が必要です。バックトラッキングが爆発的に増加するパターン（たとえば(a+)+$に対して「aaaaaaaab」を入力）が原因です。

対策

ネストした量指定子（(a+)+）を避けること、入力文字列の長さを制限すること、タイムアウトを設定すること（言語によってはサポートされています）、可能であればRE2互換の正規表現エンジンを使うことが対策になります。

パフォーマンス改善のTips

コンパイル済みパターンの再利用
ループ内で毎回正規表現をコンパイルするのは無駄です。ループの外でコンパイルし、結果を再利用しましょう。

非キャプチャグループの使用
キャプチャが不要なグループには(?:...)を使います。キャプチャのオーバーヘッドを削減できます。

アンカーの活用
^や$でパターンの位置を限定することで、検索範囲を絞り込みパフォーマンスを向上させます。

具体的な文字の指定
.*のような曖昧なパターンよりも、[^"]*のように具体的な文字クラスを指定する方が、バックトラッキングが減少し高速になります。

正規表現をデバッグする方法

複雑な正規表現のデバッグは、適切なツールを使うことで効率化できます。

オンラインテストツール

regex101（https://regex101.com）
正規表現のテストと解析に最も人気のあるツールです。パターンの各部分の意味を日本語で説明してくれる機能、マッチの過程を視覚的に表示するデバッガー機能、各言語（Python、JavaScript、Go、PHP、Java）のコード生成機能があります。

RegExr（https://regexr.com）
直感的なUIでパターンを構築・テストできます。チートシートが充実しており、学習にも適しています。

段階的なパターン構築

複雑な正規表現を一度に書こうとせず、段階的に構築しましょう。まずは最もシンプルなパターンから始め、条件を1つずつ追加しながらテストします。

各部分の意味をコメントとして記録しておくと、後から見た時の理解が容易になります。Pythonのre.VERBOSEやJavaScriptの変数分割など、言語の機能を活用してパターンを分割・コメント化しましょう。

まとめ

正規表現は、テキスト処理の万能ツールです。基本的なメタ文字・量指定子・文字クラスを理解し、先読み/後読みやキャプチャグループを組み合わせることで、複雑なパターンマッチングが実現できます。

バリデーション、ログ解析、テキスト置換、データ抽出など、実務での用途は多岐にわたります。本記事で紹介したパターンを自分のプロジェクトに合わせてカスタマイズし、regex101などのツールで動作を確認しながら使ってみてください。

正規表現を書く際は、ReDoSのリスクに注意し、可読性とパフォーマンスのバランスを意識しましょう。複雑すぎるパターンは分割や名前付きキャプチャで整理し、チームメンバーが理解できるレベルを保つことが、保守しやすいコードにつながります。