正規表現における文字の指定方法を深める――「文字クラス」と「Unicodeプロパティエスケープ」：ECMAScriptで学ぶ正規表現（4）
正規表現の基本と、ECMAScript（JavaScript）における利用方法を紹介する連載。今回は、文字クラスによる文字の指定方法と、便利なUnicodeプロパティエスケープについて。
この記事は会員限定です。会員登録（無料）すると全てご覧いただけます。
正規表現を使うポイントに、「検索するパターンをどのように指定するか？」ということがあります。ここで重要なのが、文字の種類に基づく文字クラスです。一般的な正規表現では大ざっぱな指定しかできませんでしたが、Unicodeプロパティエスケープを使うことで日本語でも緻密な指定が可能になりました。今回は、文字クラスについておさらいし、本命のUnicodeプロパティエスケープを紹介していきます。
文字クラス
文字クラスについては、第2回で代表的なメタ文字であると紹介しました。文字クラスを使うと、大ざっぱな指定で特定の文字種を表現できます。表1に、文字クラスの一覧を示します（第2回の表1を詳細にして再掲）。
| メタ文字 | 機能 |
|---|---|
| . | あらゆる1文字とマッチする |
| \d | 数字とマッチする |
| \D | 数字以外とマッチする |
| \w | 英数字とマッチする |
| \W | 英数字以外とマッチする |
| \s | ホワイトスペース文字とマッチする |
| \S | ホワイトスペース文字以外とマッチする |
| \t | 水平タブ文字（0x09、U+0009）とマッチする |
| \v | 垂直タブ文字（0x0b、U+000B）とマッチする |
| \r | 復帰文字（0x0d、U+000D）とマッチする |
| \n | 改行文字（0x0a、U+000A）とマッチする |
| \f | 改ページ文字（0x0c、U+000C）とマッチする |
| [\b] | バックスペース文字（0x08、U+0008）とマッチする。単独で使うと単語境界を表すメタ文字\bと被るので文字集合（[ ]）の内部でのみ使う |
| \0 | ヌル文字（0x00、U+0000）とマッチする。0〜7の数字を続けると8進数と解釈されてしまうので注意 |
| \cX | 制御文字とマッチする。XはA〜Zの英大文字。いわゆるCtrl+Zなら\cZというように表記する |
| \xhh | 2桁の16進数（hh）からなる文字とマッチする（\x20以上） |
| \uhhhh | 4桁の16進数（hhhh）からなるUnicodeコードポイントとマッチする（\u0020以上） |
| \u{hhhh}〜\u{hhhhhh} | 4〜6桁の16進数からなるUnicodeコードポイントとマッチする（使用にはuフラグが必要） |
| 表1 文字クラス | |
このうち、ドット（.）から\Sまでは第2回で紹介しました。今回は、制御文字やコード指定について紹介します。
［NOTE］Unicodeコードポイント
表1において、タブ文字や復帰文字のコードを「U+0009」などと示しましたが、これはUnicodeにおけるコードポイントを表します。コードポイントとは、Unicodeにおける文字コードのようなもので、各文字に与えられた識別子です。Unicodeであることを表すUの文字とともに、プラス記号（+）に続けて16進数でコードを表記します。Unicodeが制定された初期の頃は4桁の16進数でコードポイントを指定していましたが、その後の文字の拡張で現時点では最大6桁の16進数で指定します。
制御文字にマッチする\t、\nなど
Copyright © ITmedia, Inc. All Rights Reserved.
ITmediaはアイティメディア株式会社の登録商標です。