TL;DR
- Clojure では
#""で囲むと正規表現になり、re-matchesで完全一致、re-findで最初の部分一致、re-seqですべての部分一致を調べる。 (?i)で大文字と小文字を区別しなくなり、clojure.stringのreplaceやsplitにも正規表現を渡せる。
内容
正規表現は巨大なトピックで、この章だけでは収まりきらない。詳細はオライリーの 詳説 正規表現 を参照する。
基本（#""、re-matches、re-find、re-seq）
#""
Clojure では #"" で囲むと正規表現になる。
(type #"regexp") ; java.util.regex.Patternたとえば以下は 1 桁の数字を表す正規表現である。
#"\d"re-matches 関数
re-matches 関数を使うと、文字列が正規表現に完全一致するかを調べられる。一致する場合はその文字列を、一致しない場合は nil を返す。
(re-matches #"\d" "There is no number here.") ; nil
(re-matches #"\d" "4"); "4"
(re-matches #"\d" "42"); nil以下は 1 文字以上の数字を表す正規表現である。
#"\d+"この正規表現には "4" も "42" もマッチする。
(re-matches #"\d+" "4") ; "4"
(re-matches #"\d+" "42") ; "42"re-matches は文字列が正確に正規表現と一致するかを調べる。そのため、以下のように 42 のあとにスペースで文章が続いている場合は nil を返す。
(re-matches #"\d+" "42 is the answer.") ; nilこのようなケースでは代わりに re-find を使う。
re-find 関数
re-find 関数を使うと、文字列が正規表現に部分一致するかを調べられる。一致する場合はその文字列を、一致しない場合は nil を返す。
(re-find #"\d+" "42 is the answer.") ; "42"ただし、一致する箇所が複数あっても、最初に一致する文字列だけを返す。
(re-find #"\d+" "42 is the ultimate answer, and so is 52.") ; "42"このようなケースでは代わりに re-seq を使う。
re-seq 関数
re-seq は、部分一致するすべての文字列をシーケンスにして返す。
(re-seq #"\d+" "42 is the ultimate answer, and so is 52.")
; ("42" "52")一致しない場合は nil を返す。
(re-seq #"\d+" "Fourty two is the ultimate answer, and so is fifty two.")
; nil大文字と小文字を区別しないパターン（(?i)）
正規表現に (?i) を足すと、大文字と小文字を区別せずに調べられる。
(re-seq #"abc" "abc are small letters and ABC are capital letters.")
; ("abc")
(re-seq #"(?i)abc" "abc are small letters and ABC are capital letters.")
;; ("abc" "ABC")正規表現自体に大文字と小文字が混ざっていても（#"abC"）、同じように動く。
(re-seq #"(?i)abC" "abc are small letters and ABC are capital letters.")
;; ("abc" "ABC")範囲を持つパターン（[A-Z]）
A から Z までの大文字のアルファベット 1 文字以上は、以下のように書ける。
#"[A-Z]+"(re-seq #"[A-Z]+" "Finds all CAPITAL letter WORDS.")
; ("F" "CAPITAL" "WORDS")文字列操作の関数との組み合わせ（clojure.string/replace、split）
Clojure の文字列操作の関数には、正規表現を受け取れるものがある。
まず、replace の例を示す。以下のコードは 1 つ以上のスペースを 1 つのスペースに置き換える。
(require '[clojure.string :as str])
(str/replace "There are lots of spaces" #"\s+" " ")
; "There are lots of spaces"次に、split の例を示す。以下のコードは 1 つ以上のスペースごとに要素を区切って、シーケンスに格納する。
(str/split "There are lots of spaces" #"\s+")
; ["There" "are" "lots" "of" "spaces"]正規表現で覚えておくべきこと（メタ文字）
正規表現を使うときに覚えておくべきこと（都度確かめるべきこと）を以下に並べる。後半の (?i) などについては Clojure のドキュメント（re-pattern）を参照する。
| パターン | 意味 |
|---|---|
. | 任意の 1 文字 |
\w | すべての半角英数字とアンダースコア |
\W | 半角英数字とアンダースコア以外 |
\d | すべての半角数字 |
\D | 半角数字以外すべて |
\s | 空白文字 |
\S | 空白文字以外 |
\b | 語の区切り位置 |
^ | 行頭 |
$ | 行末 |
\A | 文字列の先頭 |
\z | 文字列の末尾 |
[abc] | [^abc] |
[a-z] | a から z の範囲の任意の 1 文字 |
[a-zA-Z] | a から z、または A から Z の範囲の任意の 1 文字 |
(…) | 含まれる文字をすべて捕捉する |
(a \| b) | a または b |
a? | 0〜1 個の a |
a* | 0 個以上の a |
a+ | 1 個以上の a |
a{3} | 3 個の a |
a{3,} | 3 個以上の a |
a{3,6} | 3 個以上 6 個以下の a |
(?x) | 正規表現の中の空白文字を無視する |
(?i) | 大文字と小文字を区別しない |
(?u) | 正規表現の中で Unicode の文字クラスを使えるようにする |
(?m) | マルチラインモード（各行の先頭や末尾にマッチする） |
(?s) | ドットと改行が一致する |
(?d) | 正規表現の中で * と $ を、改行文字の前後の位置でのみマッチさせる |