VBA 正規表現の入門 RegExp
正規表現 (Regular Expression) は何に使うのか
正規表現を使うと、いろんなパターンの文字列を一度に検索することができます。
例えば、
- 文系の学生
- 文系の生徒
- 理系の学生
- 理系の生徒
の４パターンを(文|理)系の(生徒|学生)と検索できるので、４回検索する手間を１回に節約できます。
正規表現を覚えると、もう、正規表現なしで文字列を検索することは無くなります……というのは大げさですが、それくらい便利です。
正規表現のはじめかた
コードには以下のように記述してください。
Const s文章 = "３年理系の生徒は手続きをしてください。" '検索対象 Dim rx As New RegExp rx.Patten = "(文|理)系の(学生|生徒)" '検索パターン If rx.Test(s文章) Then MsgBox "合致しました" '※今回は合致する Else MsgBox "合致しませんでした" End If
文章を変えながら、パターンに合致するか試してみましょう。
文法レベル1
最も理解しやすいものから順に解説します。
指定した文字列のどれかに合致
- 野いちご
- 野イチゴ
- 野苺
野(いちご|イチゴ|苺)
それぞれの文字列を | で区切って、( ) で囲みます。
指定した文字の内のどれか（１文字）
- タイプA
- タイプB
- タイプC
タイプ[ABC]
文字を並べて [ ] で囲みます。
文字列があってもなくてもいい
- 生鮮売場担当者
- 生鮮担当者
生鮮(売場)?担当者
あってもなくてもいい文字列を ( と )? で囲みます。
文字があってもなくてもいい（１文字）
- お代官様
- お代官
- 代官様
- 代官
お?代官様?
あってもなくてもいい文字の後ろに ? をつけます。
なんでもいい１文字
- かつら
- かしら
- かめら
か.ら
なんでもいい１文字は . （ドット）で表せます。
数字１文字なら、なんでもいい
- 4番線
- 6番線
- 8番線
\d番線
数字１文字は \d で表します。
d はデジタルの d でしょうか。
A～Z なら、なんでもいい
- Aランク
- Fランク
- Zランク
[A-Z]ランク
文字の範囲指定は [x-y] のように書きます。
何回くりかえしてもいい
- Aランク
- AAランク
- AAAAAランク
- ランク
A*ランク
何回くりかえしてもいい（0回もOK）場合は * を使います。
何回くりかえしてもいい（１回以上）
- Aランク
- AAランク
- AAAAAランク
- ランク ※これは除外
A+ランク
何回くりかえしてもいい（0回はダメ）場合は + を使います。
文法レベル2
～で始まり～で終わる
最強勇者の.*件について
「最強勇者の」と「件について」の間は、なんでもいい文字 ( . ) を何回くりかえしてもいい ( * ) ということです。
アルファベットや数字なら何でもいい
- Aキー
- 8キー
- yキー
[A-Za-z0-9]キー
文字の範囲指定 [x-y] は、複数まとめて書くことができます。
n回くりかえす
- アアイアア
- アイウアイ
- ウイイウア
[アイウ]{5}
アイウをくりかえしている回数5を { } で囲みます。
n回以上くりかえす
- 1234567890
- 31415926
- 223609
\d{6,}
6回やそれ以上の場合、6の後ろにカンマが入ります。
n回以下くりかえす
- 背番号
- 背番号5
- 背番号777
背番号\d{,3}
3回やそれ以下の場合、3の前にカンマが入ります。
1～3回くりかえす場合は、{1,3} と書きます。
特殊な文字と合致
( | ) ? . [ ] * + { } \ ^ $ といった文字は、正規表現の条件を表すために使われる特殊な文字です。
- 温泉(男湯)
- 温泉(女湯)
- 温泉(混浴)
- 温泉(露天)
温泉\(..\)
( を検索するには、\( と書きます。同様に、? を検索するには \? と書きます。他の文字も同じように \ を前につけます。
合致した文字列から一部を取り出す (サブマッチ)
このようなログがあるとします。
- 製造年月:2022/05, ID:1242531_JP, 検品済
ここからIDの部分を検索して、
- ID:1242531_JP
(数値n桁) と (国名アルファベットn桁) を取り出したいと思います。
取り出したい部分（数値と国名）をカッコで囲んで正規表現を作ります。
ID:(\d+)_([A-Z]+)
そして、次のようなVBAのコードを書きます。
Const s文字列 = "製造年月:2022/05, ID:1242531_JP, 検品済" '検索対象 Dim rx As New RegExp rx.Patten = "ID:(\d+)_([A-Z]+)" '検索パターン Dim s数値 As String Dim s国名 As String Dim m As Match For Each m In rx.Execute(s文字列) '検索を実行して、結果をmに取り出す s数値 = m.SubMatches(0) '0番のサブマッチ(\d+) s国名 = m.SubMatches(1) '1番のサブマッチ([A-Z]+) Next MsgBox "数値=" & s数値 & " , " & "国名=" & s国名 '数値=1242521 , 国名=JP
正規表現の中で ( ) に囲まれた部分は、m.SubMatches(n) で取り出せます。
Sheets(n) などと異なり、連番が0から始まるので注意です。
文法レベル3
できるだけ短い合致を探せ / できるだけ長い合致を探せ
ここにHTMLのタグがあります。
- <body><a href="URL">リンクはこちら</a>本文......
最初に出現したタグ <body>を取り出したいと思います。正規表現は以下のようになります。
<.+?>
+? というのは、「できるだけ短く合致する箇所を探せ」という意味です。控え目ですね。
今までのように単純に + を使って検索すると…
<.+>
- <body><a href="URL">リンクはこちら</a>本文......
ここが選ばれてしまいます。
+ というのは、「できるだけ長く合致する箇所を探せ」という意味だったのです。欲張りですね。
控え目な方が処理も軽いので、目的に沿っていれば +? を使っていきましょう。
行頭と行末
行の中に「～円」以外に余計なものが入っていないものを選びたいと思います。
- 880円
- 1410円
- 1980円です。 ※これは除外
- 合計：2320円 ※これも除外
^\d+円$
^ は「ここが行頭になる」という意味です。
$ は「ここが行末になる」という意味です。
指定した文字列以外なら、なんでもいい
- 山田昭雄
- 山田一郎 ※これは除外
- 山田梅子
- 山田エリザベス
山田(?!一郎).+
この位置に 一郎 が来るのは許さない、という意味です。
「否定先読み」という名前で呼ばれています。
指定した文字列は、存在してはならない
- 山田・ベスト・昭雄 ※これは除外
- 鈴木一郎
- 佐藤梅子
- 斎藤・エリザベス ※これも除外
^(?!.*ベス).+
先頭から調べていき ( ^ )、
～ベス が来るのは許さない、という意味です。
先頭の ^ がない場合、ベ の次の文字から選ばれてしまいます。
- 山田・ベスト・昭雄
- 斎藤・エリザベス
VBAで置換処理
このようなログがあるとします。
- 開始日：2022年6月4日 土曜日
- 完了日：2022年6月5日 日曜日
これを次のように置換処理したいと思います。
- 開始=22/6/4
- 終了=22/6/5
コードは以下のようになります。
Const s文字列 = "開始日：2022年6月4日 土曜日" & vbCrLf _ & "終了日：2022年6月5日 日曜日" '検索対象 Dim rx As New RegExp rx.Patten = "^(開始|終了)日：\d\d(\d\d)年(\d+)月(\d+)日" '検索パターン rx.Global = True '文字列全体を対象に検索するには、Trueにする MsgBox rx.Replace(s文字列, "$1=$2/$3/$4") 'サブマッチ$1～4を置換処理に使う
rx.Pattern のからくりは以下のようになっています。
^(開始|終了)日：\d\d(\d\d)年(\d+)月(\d+)日開始日：2022年6月4日 土曜日
^(開始|終了)日：\d\d(\d\d)年(\d+)月(\d+)日開始日：2022年6月4日 土曜日
^(開始|終了)日：\d\d(\d\d)年(\d+)月(\d+)日開始日：2022年6月4日 土曜日
rx.Replace(s文字列, "$1=$2/$3/$4") は、第１引数の文字列の合致部分を、第２引数で置き換えます。
第２引数には、$1 などが入っており、これは以下のようなルールで置き換えられます。
- $1 ← 0番のサブマッチ(開始)
- $2 ← 1番のサブマッチ(22)
- $3 ← 2番のサブマッチ(6)
- $4 ← 3番のサブマッチ(5)
したがって、$1=$2/$3/$4 は 開始=22/6/5 に置換されます。
rx.Global = True は、「文章全体を対象に検索や置換処理を行う」という意味です。
デフォルトでは False です。これでは、最初に見つけた箇所しか置換処理をしてくれません。
2022年6月4日 だけではなく、2022年6月5日 のログも処理してほしいので True にします。
