特集：正規表現によるテキストファイルパース：Visual Studio Magazine（2/8 ページ）

アプリ開発時における文字列扱いにはセンスが問われる。.NETにおける効率的なテキスト扱いのひとつ正規表現の技法。この特集では、開発時に役立つ具体例を挙げ、すぐにでも採り入れることが可能なテクニックを解説している。

[Francesco Balena, Marco Bellinaso，FTPOnline]

*** 一部省略されたコンテンツがあります。PC版でご覧ください。 ***

　「ドット（.）」は、「任意の文字」表す。すなわち、「.{6}」は、「任意の6文字」である。

　「(?<first>.{6})」という式は、最初の6文字と一致する「first」という名前のグループを作る。同様に「(?<last>.{8})」という式は、次の8文字と一致する「last」という名前のグループを作る。最後の「(?<city>.+)」という式は、残った行末部分までの文字をグループ化した「city」という名前のグループを作る。「^」と「$」という文字は、それぞれ、「行頭」と「行末」だ。

　ファイルをパースするには、VBやC#を使って、この正規表現を使った短いルーチンを書ける（リスト1は、ここからダウンロードできる）。

　下記のVB.NETおよびC#のコードは、正規表現を使って固定長のテキストファイルをどのようにパースするかを示した断片的なものだ。カンマ区切りテキストファイル（ダブルクォーテーションによってクォートされたものも含む）をパースするには、正規表現のパターン部分を編集すれば良く、その他のステートメントを変更する必要はない。

*** 一部省略されたコンテンツがあります。PC版でご覧ください。 ***

　正規表現に基づいたこのアプローチの美しいところは、フィールド長や区切り記号（デリミタ）が変わっても、それに対応させるのが信じられないほど容易という点だ。

　たとえば、固定長フィールドがセミコロンで区切られる場合、コードを変更することなく、次のように正規表現を修正すればよい。

*** 一部省略されたコンテンツがあります。PC版でご覧ください。 ***

　いちど正規表現の動きを理解してしまえば、パーサールーチンの作成や修正は、まるで子供の遊びのように簡単になってしまうだろう。――Francesco Balena

区切り記号で区切られたテキストファイルで正規表現を使う

　さて、ほかのアプリケーションとのデータ交換に主として使われている「区切り記号で区切られたテキストファイル」をパースするプログラムを書きたいとしよう。

　フィールドは、それぞれ、「カンマ」「セミコロン」「タブ」や、その他の特殊記号によって分割される。さらに自体が複雑なのは、そのようなファイルには、シングルクォート（'）やダブルクォート（"）が値に含まれることを許すという点だ。

　この時、パースするためにStringクラスのSplitメソッドを使うことはできない。なぜなら、クォートされた値が、「"Doe,John"」のように、区切り記号を含んでいるならば、正しい結果とならないからだ。

　正規表現は、まさにそのような時の救い主だ。

*** 一部省略されたコンテンツがあります。PC版でご覧ください。 ***