正規表現の 「 * 」

質問

正規表現の 「 * 」は、直前パターンの繰り返しですよね？

つまり、a* は a, aa, aaa, aaaa, aaaaa, ..... にマッチするわけですよね？

ところで、

echo abbbaaa | sed 's/a*/x/g'

のようにしたら a, aaa の部分が x に置き換わって

　→ xbbbx となることを期待していたのですが、
　→ xbxbxbx となってしまいました。

なぜでしょうか？

回答No.4

-izayoi- · ベストアンサー

「０個以上の繰り返し」は、通常以下のような場合に使います。

　sed 's/#a*#/x/g'

　入力文字 → 実行結果
　(1) ## → x
　(2) #a# → x
　(3) #aa# → x
　(4) #ab# → #ab#（一致しないので変更無し）

ポイント（「１個以上の繰り返し」との違いは）(1)で、「a」の存在が必須ではなく、
その前後の文字列との関係がキーになるような場合に便利なのです。（「１個以上の
繰り返し」だと、(1)は一致しません。）

実際にもっと有用な例を示します。
行末に「#」で始まるコメントが記述されているテキストの、コメント部分だけを削除
するには、以下のようにします。（以下、半角空白１文字を「△」で表現します。）

　sed 's/△*#.*$//g'

「△*」は、コメントまでの間に空白があった場合に、その空白も不要なので削除する為
に用います。これを「１個以上の繰り返し」にしてしまうと、コメントまでの間に空白
を含まないステートメントは、コメントが削除できずに残ってしまいます。

例）
　if(xxxx)△△△#xxxの判定 → if(xxxx)
　if(xxxx)#xxxの判定 → if(xxxx)

「#.*$」は、「#」の後の文字を行末まで全て削除します。「.」（任意の文字）の
「１個以上の繰り返し」にすると、「#」の後ろに文字が無いステートメントは削除でき
ずに残ってしまいます。

例）
　if(xxxx)△#xxxの判定 → if(xxxx)
　if(xxxx)△# → if(xxxx)

このように、「*」（０個以上の繰り返し）は本来、他のものと複合して使うことで効果
を発揮します。
ご質問の例のような条件の場合は、「１個以上の繰り返し」を使って下さい。

正規表現は、実際に複雑なパターンをいろいろ試して行くと、その利便性や真髄が解って
きます。
プログラミング言語と同様に、「習うより慣れる」類のものかも知れません。

回答No.3

επιστημη（@episteme）

> aとbの間も何もないので abbb の部分は → xxbxbxb となるべきだと思うのですがどうでしょうか？

なるべく長い列をマッチさせようと試みるからです。

回答No.2

επιστημη（@episteme）

> 正規表現の 「 * 」は、直前パターンの繰り返しですよね？

直前パターンの '0個以上の' 繰り返しです

補足

ありがとうございます。

「ゼロ個」の繰り返し、というのがピンとこないのですが、「何もない文字列」ということでしょうか？

bとbの間は何もないので bbb の部分が → bxbxb となるのは分かります。
しかし、aとbの間も何もないので abbb の部分は → xxbxbxb となるべきだと思うのですがどうでしょうか？

つまり、
a → x
aとbの間 → x
b → b
bとbの間 → x
b → b
bとbの間 → x
b → b

ということですが。

回答No.1

-izayoi-

「*」は直前パターンの０個以上の繰り返しを表すので、このような結果になったと思います。
ご希望の結果を得るには、「a」の１個以上の繰り返しを指定します。
sedの正規表現に「+」があれば「a+」を、無い場合は「aa*」と指定してみて下さい。