導入
Javaの正規表現（java.util.regex）を利用する際、特定の文字列から「連続して」パターンを抽出したい場面は多々あります。例えば、CSVのような区切り文字を含むログのパースや、特定のトークンが連続する文字列の解析です。ここで強力な武器となるのが、正規表現の境界指定子「\G」です。「\G」を適切に使うことで、マッチングの失敗を即座に検知し、安全かつ効率的に文字列を切り出すことができます。
基礎知識
正規表現における「\G」は「直前のマッチングが終了した位置」を指し示す特殊な境界です。最初のマッチングでは文字列の先頭（インデックス0）を指しますが、それ以降はMatcherクラスのfind()メソッドが最後に成功した位置から検索を開始します。
通常のfind()は文字列のどこからでもマッチを試みますが、「\G」をパターンの先頭に付けることで、「前回のマッチの直後から、途切れることなく連続してマッチしているか」を強制的にチェックできます。これにより、途中に不正な文字が混入した際にマッチングを中断させることが可能です。
実装/解決策
「\G」を活用する際のポイントは、Matcherのfind()メソッドをループで回すことです。もし「\G」で指定した条件に合致しない文字が途中に現れた場合、find()はfalseを返し、処理を中断します。これにより、全探索ではなく「先頭から順番に連続してマッチしているか」という厳密な検証が可能になります。
サンプルプログラム
以下のコードは、セミコロンで区切られた英数字のトークンを連続して抽出する例です。途中に不正な文字（ハイフンなど）が含まれると、そこでマッチングが停止するように設計しています。
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexBoundarySample {
public static void main(String[] args) {
// \G: 前のマッチング終了位置から開始
// ([a-zA-Z0-9]+): キャプチャグループ1（英数字）
// (?:;|$) : セミコロンまたは終端
String input = "user1;data2;code3";
Pattern pattern = Pattern.compile("\\G([a-zA-Z0-9]+)(?:;|$)");
Matcher matcher = pattern.matcher(input);
System.out.println("解析開始:");
while (matcher.find()) {
// キャプチャグループ1の内容を取得
System.out.println("抽出したトークン: " + matcher.group(1));
}
// 途中に不正な文字がある場合
String badInput = "user1;data-2;code3";
Matcher badMatcher = pattern.matcher(badInput);
System.out.println("\n不正データを含む解析:");
while (badMatcher.find()) {
System.out.println("抽出: " + badMatcher.group(1));
}
// "data-2"の箇所で\Gの制約に抵触し、処理が停止します
System.out.println("解析終了位置: " + badMatcher.end());
}
}
応用・注意点
1. 最初のマッチングに注意
「\G」は最初の検索時、文字列の先頭（インデックス0）からマッチする必要があります。もし文字列の先頭がマッチしない場合、find()は即座にfalseを返します。これが不要な場合は、パターンを調整する必要があります。
2. 無限ループの罠
もし「\G」を含むパターンで、マッチする長さが0（空文字）になるような正規表現を指定してしまうと、同じ位置で無限にマッチし続け、プログラムがフリーズします。必ず「+」や「{1,}」などを使用して、1文字以上消費するように設計してください。
3. 実務での使い分け
単純に特定のパターンをすべて抽出したいだけであれば、find()を繰り返すだけで十分です。しかし、今回のように「データ形式の整合性を担保しながら連続的に読み込みたい」というケースでは、「\G」は極めて有効なバリデーション手段となります。仕様の境界チェックとして積極的に活用しましょう。
コメント