一括置換：正規表現・キャプチャグループ・一致件数の確認

一括置換が向いている場面

書き出したデータには、全角の括弧、連続した空白、改行しない空白（U+00A0）が混ざりがちです。数十か所を手で直すのは遅く、漏れも出ます。1つのパターンでまとめて整理するのが定石です。

形式の統一もよくある作業です。2024-01-05 をすべて 2024/01/05 に変える、電話番号の先頭に国番号を足しつつ元の数字をキャプチャグループで残す、といった処理です。

対象を絞った置換もあります。ログの中で状態コード 500 だけを 503 に変え、他の数字には触れないケースです。パターンで境界を決めるほうが、部分文字列をすべて置換するより安全です。

• 全角・半角の混在や連続した空白、U+00A0 を整理する
• 日付、電話番号、番号の形式を統一する
• 一致した部分の前後に文字を足し、元の値は残す
• 似た文字列に触れず、特定のパターンだけを置換する

失敗しないための手順

置換の前に一致件数を確認してください。範囲が広すぎる（触れたくない文字まで数えている）と狭すぎる（1件も一致せず、実質何も起きていない）の両方が、件数を見るだけで分かります。

丸括弧でグループを作り、置換側で $1、$2 のように参照します。$& は一致した全体を表します。通常の（正規表現ではない）モードでも同じ置換構文が使われるため、そこでも $& は展開されます。文字としてのドル記号を出したいときは $$ と書きます。

存在しないグループを参照してもエラーにはなりません。括弧が1組しかないのに $2 と書くと、$2 がそのまま結果に残ります。結果に $2 が出てきたら、グループ番号を数え間違えている可能性が高いです。

正規表現は g と任意の i だけでコンパイルされ、m、s、u はありません。そのため ^ と $ はテキスト全体の先頭と末尾にしか一致せず、. は改行をまたがず、\p{L} は普通の文字 p、\u{1F600} は文字列 u{1F600} として扱われます。Unicode プロパティやコードポイント指定が必要な場合は、\uD83D\uDE00 のようなサロゲートペアに書き換えるか、文字そのものを貼り付けてください。

正規表現のコンパイルに失敗した場合、置換は実行されず、出力欄は前回の結果のままです。元のテキストが書き換わることもありません。ただしエラーはブラウザのコンソールにしか出ないことがあり、画面上は「押しても反応しない」ように見えます。まず括弧や角括弧の対応を確認してください。

欲張りな一致も定番の落とし穴です。<b>.*</b> は最初の <b> から最後の </b> までを飲み込み、<b>.*?</b> なら各ペアに一致します。いきなり全体を置換せず、小さなサンプルで結果を確認してから実行してください。後から戻すよりはるかに安く済みます。

• 先に一致件数を確認し、範囲を確かめてから置換する
• グループ番号は開き括弧の順に付く
• 置換側の $ に注意。文字のドル記号は $$
• m/s/u なし：^ $ は行単位ではなく、. は改行をまたがない

代替手段と限界

行単位の ^ $ や s フラグ、Unicode プロパティが必要な場合は、エディタの正規表現置換（VS Code、Sublime）か、コマンドラインの perl -0777 -pe、sed を使ってください。フラグが使え、大きなファイルも扱えます。

条件によって置換内容を変える、新しい値を計算するといった場合は、スクリプトを書くほうが確実です。長い正規表現は検証が難しく、次の修正で壊れやすくなります。

このツールはすべてをプレーンテキストとして扱います。HTML、CSV、JSON の構造は解析しないため、属性や特定の列だけを狙っても別の箇所に当たることがあります。数 MB を超えるテキストでは目に見えて遅くなります。データ移行ではなく、目で確認できるテキストの整理に向いています。

• 複数行・s フラグ → エディタか perl/sed
• 条件付きの置換や値の計算 → スクリプト
• 構造化データ → 解析してから。正規表現で切断しない