■第3回　正規表現
１．正規表現（regular expression）
　「 [　] 」や「 | 」や「 () 」などの、特別な意味を持ったメタ文字（メタキャラクタ）を用いて、テキストの文字列の中からパターンを検索する方法で、医学古典研究においてもかなり重宝するテキスト処理方法である。
　例えば、陰陽の虚実について調査したい場合があるとする。その場合、実際に『素問』などでは、陰虚、陽虚、陰實、陽實の他に、陰盛、陽盛などとも記載されている。これらを全て調べなければ、陰陽の虚実について調べたことにはならない。その際、陰虚、陽虚、陽盛、陰盛、陰實、陽實の６つを１つずつ６回かけて調べる手間を、以下のように正規表現を用いれば、１回に省くことができる。

　例）陰虚、陽虚、陰實、陽實、陰盛、陽盛を検索する場合
　　　　[陰陽][虚實盛]

（１）メタ文字（メタキャラクタ）解説
①（）　パターンをグループ化する
　「 | 」と一緒に用いて、３文字以上の言葉で一部分に同じ文字が使われている場合に用いる。例えば、陽明虚・太陰虚には、虚という共通の一文字があり、この場合
「（陽明|太陰）虚」と記述し、陰か陽に虚という文字が続くことを表す。

　　（陽明|太陰|少陽|厥陰）虚

　漢字と漢字の間に「 | 」を入れることで、検索したい語を増やすことができる。

②［］　キャラクタクラス
　「 [] 」の中に入力した何れかの一文字に続く文字を検索する。例えば、陰虚・陰實・陰盛を調べる場合「陰[虚實盛]」と入力し、陰陽と虚実盛を調べる場合は「[陰陽]［虚實盛］」と入力する。３文字以上の言葉を複数調べる場合は、「(|)」と合わせて用いる。陽明・太陰に虚實盛が続く言葉を拾う場合は、「(陽明|太陰)［虚實盛］」とする。

③＾　行頭
　「＾」そのものは行頭を表し、「＾」の後ろに文字を入れることで、行頭の文字のみを検索できる。例えば「＾故」とすると、行中の故にはヒットせず、行頭の故のみを検索できる。
　また、「 [] 」の中で「＾」を用いると否定を表し、陰實・陽實以外の實を調べたいときは、［^陰陽］實とすることで、陰陽に続く實以外の實が検索が可能である。

④＄　行末
　行末を表す。使い方は「＾」と同じで、「＄」の前に文字を入れる。

⑤．　改行を除く任意の１文字

⑥*　直前のパターンの０回以上の繰り返し

⑦＋　直前のパターンの１回以上の繰り返し

⑧？　直前のパターンが０回または１回現われる

⑨｜　パターンの論理和
　複数の文字を一度に検索する場合、「 | 」で区切って入力する。

⑩￥　エスケープ文字
　「 [] 」や「 | 」や「 () 」などのメタキャラクタそのものを検索する場合、その文字の直前に\を置く。「．」はそのまま用いると任意の一文字として解釈されるが、「\．」とすることでピリオドとして認識される。


写真１.陰虚、陽虚、陰實、陽實、陰盛、陽盛をまとめて検索

※正規表現を使用する際の注意事項
①メタ文字は必ず半角英数で入力すること
②正規表現のチェックボックスを必ずオンにすること

【参考文献】
1)中尾浩・赤瀬川史郎・宮川進悟『コーパス言語学の技法Ⅰ．テキスト処理入門』夏目書房、2002年