改行にマッチする正規表現

Question

Perl 風または POSIX 拡張の正規表現を想定します。

改行にマッチする正規表現を「改行 正規表現」でググると
\r\n|\r|\n というのはヒットしますが
\r\n?|\n は見当たりません。
\r\n?|\n ではまずい理由があるのでしょうか?

Answer 1

判りにくい（直感的でない）からではないかと思います。

”\r\n?|\n”では、 \r\n? を 「\r もしくは \r\n」と解釈して、更に「(\r もしくは \r\n) もしくは \n」と解釈しなくてはなりません。
"\r\n|\r|\n"なら、すぐに「\r\n もしくは \r もしくは \n」と判りますから。

Comments

[Pc_Felith]

(メンテする)人にとって理解しづらいということですね。
機械の処理効率を突き詰めると `\r\n?|\n` などになりますが、確かに元をたどれば `\r\n|\r|\n` でした。
ありがとうございます。

Answer 2

\r\n?|\nではまずい理由があるのでしょうか?

ないと思います。

\r\n?は\r\n|\rがマッチするものと同じものにマッチするはずですから、\r\n?|\nは\r\n|\r|\nがマッチするものと同じものにマッチします。

さらに、\r\n|\n|\r、\n|\r\n|\r、\r?\n|\r、\r??\n|\r (??はPerl拡張) なども、\r\n|\r|\nがマッチするものと同じものにマッチするはずです。

どれでないといけないということはないと思います。\r\n|\r|\nがよく使われるのは、「3種類の改行のいずれにもマッチする」ということが読み取りやすいためではないでしょうか。

---

ちなみに、次のようなものは期待される結果になりません。

• \r|\r\n|\n
\r\nにマッチしない。
• \r\n??|\n (??はPerl拡張)
  同じく、\r\nにマッチしない。
• [\r\n]+
  複数の改行にまとめてマッチする。

なおちなみに、アプリケーションによっては上述の3種以外の改行を使っている場合があります。U+0085 (NEL) や、\r\r\nのようなものが使われることがあまりす。ですから、対象のアプリケーションによっては上述の正規表現が適用できない場合もあります。

Comments

[Pc_Felith]

様々な正規表現の例をありがとうございます。
`\r\n|\r|\n` が見つかりやすいのは、人が読みやすい・思いつきやすいというのが大きそうですね。

あと、他に改行コード(?)があるのは初耳でした。