正規表現入門(パターンマッチング)

このレッスンでは、Rで正規表現を使ったパターンマッチングの基本を学び、文字列が決まった形式に合っているかを調べられるようになることを目標にします。「R言語 正規表現 使い方」で調べている方向けです。

正規表現は、文字列の「型」を表す特殊な書き方です。「郵便番号は数字3桁-数字4桁」のようなパターンを指定して、文字列がそれに合っているか調べたり、一致する部分を取り出したりできます。regexpr()やgrepl()を使います。

サンプルコードでは、regexpr("[0-9]{3}-[0-9]{4}-[0-9]{4}", text)で電話番号らしき部分の位置を探し、regmatches()で実際の文字列を取り出しています。grepl("^[0-9]+$", "12345")のように、パターンに合っているかどうかの判定にも使える点を確認できます。

初心者がよくつまずくのが、正規表現特有の記号の意味を覚えることです。最初は記号ばかりで難しく感じますが、データクレンジングなど実務でとても役立つ強力なツールです。

実際の開発現場では、正規表現は一度覚えると多くのプログラミング言語で共通して使える、汎用性の高いスキルとして重宝されます。