正規表現で年月日を分解する

西暦年月日を表すには様々な書式がある―― 「2007/1/4」「2007-01-04」「２００７年１月４日」‥‥ すべて西暦年月日を表している。今回は、正規表現を使い、これら様々な日付表現から年・月・日を分解する方法を紹介する。

日付の表現形式

月の名をアルファベットで表記する欧米方式や、和暦まで対応するのは大変なので、ここでは、「年」「月」「日」の順で数字が並んでいる書式に限ることにする。かならず年月日の３つ組でなければならない。数字は半角でも全角でも構わないが、漢数字は対応しない。また、区切り文字は「/」「-」「.」「年」「月」「日」で、半角・全角ともに対応する。

これを正規表現で分解するには、

([0-9０-９]{1,4})[\/\-\.／－．年]{1}([0-9０-９]{1,2})[\/\-\.／－．月]{1}([0-9０-９]{1,2})[\/\-\.／－．日]?$

というパターンを用意する。順に説明していこう。

今回使った正規表現

?: 直前１文字の０または１回の繰り返し。
ここでは、http, https の両方にマッチする。

[ ]: 文字クラス。
この中に記述された文字の並びのうちの１文字を表す。

-: 文字の範囲指定。
0-9 は半角数字に、０-９は全角数字にマッチする。

+: 直線１文字の１回以上の繰り返し。
ここでは、文字クラス[...]に記述された文字、いずれかの１回以上の繰り返し――すなわち、URL 文字列にマッチすることになる。

( ): サブパターン。
マッチングだけであれば不要だが、置換を行うために、マッチした部分文字列に番号を付けてやる必要がある。その場合にサブパターンを用いる。

{a,b}: 直前文字の a 回以上 b 回以下の繰り返し。bは省略できる。
年は４桁以下、月と日は２桁以下の数字になるので、これを用いた。

$: 文字列の終端を表す。

この正規表現を使ったサンプル・プログラムを次のページに掲載する。

（この項つづく）