大文字 - はてな匿名ダイアリー

私個人が運営するサイトをSEO業者に発注したことに関する日記。（契約期間は11月1日から6ヶ月間）
業者の担当者とのやりとり、業者がSEOと題して行ったこと、順位変動等について私自身の考えを加えながら紹介中。
現時点ではまだ業者名を出すつもりはない。
- 発注前に「少なくとも1ヶ月以内に月10000セッションをYahoo!から得たい」と言ってあり、業者は「それなら我が社のサービスを今すぐに」と乗っている。
- 業者ははてブでもよく見るWEB担当者フォーラムでよく名称が出てくる企業。
発注したのはトップページに対して5キーワードで、サブページ4ページに関して計5キーワードで、Yahoo!・Google・LiveSearchで10位以内。
- なるべく頻繁にトップページの5キーワード（キーワード1,2,3,4,5）での順位チェックと順位変動を記録していく。
- キーワード1がいわゆるビッグキーワード、2,3,4,5がビッグキーワード＋１単語の複合ワード。

11/10から3日間くらい。Google検索「SEO業者」で20位に入ってた。
Webマーケティングブログで紹介された。
「はじめてSEOを専門業者に発注した。Part2」> http://anond.hatelabo.jp/20081120014452

はじめは特に本気じゃなかったんだけど、一括見積もりみたいなサイトを利用してみた。予算は10万円以下にしといた。

その結果、3つの業者から連絡が来た。そのなかに、よくweb担とかに出てくる業者があって、ほかの業者に比べて見積もりが安かったから、そこにしてみた。

んで、担当の人と30回くらいメールのやりとりをした。当初、見積もりの段階ではトップページをビッグキーワード1つで上位表示してほしいって書いておいたけど、担当の人が予算が10万円あるなら、トップページだけじゃなくサブページもSEOを施してみてはどうかと提案してくれたから、そういうことにした。

結果、トップページをビッグキーワードを含む5キーワードでSEO（このうち4キーワードは業者に考えてもらった）、サブページ4ページを複合キーワード計5つでSEOということになった。サービスの内容はページのHTMLをチェックし「ページ改善書」というのを作ってくれるというものと、外部リンクの増殖。

どのくらいで効果が出てくるのか？と聞いたところ、キーワードによって異なるけど、ほとんどの場合は11から15日で上位表示している。ビッグキーワードに関してはもう少し遅くなるかもしれないが、そうでなければこのくらいとのこと。

サービスの開始は毎月1日か15日からで、1日からはじめるのなら今すぐに発注所をFAXせよとのことで、すぐに発注書を送った。ちなみに料金は翌月末払いだった。

発注書を送ると、すぐに確認のメールが来た。また外部リンクに使うキーワードのリストもきて、わからないことがあったら気軽に質問してくださいといったことが書かれていた。

外部リンクに使うキーワードのリストを見て、さっそく疑問がわいてきた。例えばトップページはキーワード1、キーワード2、キーワード3、キーワード4、キーワード5の5キーワードで上位表示ということだったけど、設置する外部リンクに使われるテキストは「キーワード1キーワード2」というもの。（リンクに使うテキストには字数制限があるそうだ）

キーワード345はリンクに使われていないがそれでも上位表示は可能なのか。すべてのリンクを「キーワード1キーワード2」とせずに、リンクの何割かを「キーワード1キーワード2」とし、残りの何割かを「キーワード3キーワード4キーワード5」としないのはなぜか。といったことを質問した。

~~一週間経つけど、これについての回答はこない。~~回答きた。システムの問題らしい。

システムの都合上、多くのアンカーテキストを扱うことができないが、検索エンジンは関連する語句を見分ける能力があるからキーワード1キーワード2を使ってもキーワード3,4,5で上位表示を行うことができると考えている。

改善書にてキーワード3,4,5は無理やりサイトタイトルに入れるように指示された。
無理やりってのは、「はてな匿名ダイアリー」→「はてな無料ブログ　匿名ダイアリー」みたいな感じ。

また、今日になって発注後はじめてのメールがきた。外部リンク設置作業1段階目が終了したとのこと。メールには「これから20から25日ほど経ったら、効果が出始めると思います」といったことが書かれていた。さて、ここでまた疑問がわいてきた。

発注前の話では15日ほどで上位表示されている場合がほとんどと言われていたが、発注後では20日ほどで効果が出始めるとなっている。となると15日の時点ではまだ効果が出始めていないということだから、15日ほどで上位表示されている場合がほとんどであるということと矛盾している。これについても質問をしたが、~~まだ返信はこない。~~回答きた。

平均して11日だが、発注されたキーワードは難易度が高いため20日ほど要すると考えている。

キーワード2,3,4,5については業者に決めてもらったのだが、業者はそのときに「ビッグキーワードは難しいが、ターゲットをしぼったこれらのキーワードなら短期間で上位表示できることが多い」と言っていた。「短期間」なのに「平均」の倍近くの期間を要するなんて、これまた腑に落ちない。

また「ページ改善書はいつ送られてくるのか」と質問したところ、「ページ改善書は今回のみ特別に無料で作成します。のちほどお送りいたします。」といった内容の返信がきた。発注前では契約内容としてページ改善書というのが入っていたが、発注後では「特別無料サービス」のような「おまけ」のような言われ方をしている。ここもどうも腑に落ちない。

ちなみに外部リンクを設置したサイトのリストももらった。外部リンクは500ページに設置したそうだが、500ページというのは5つのサイト（RSSを自動取得してページを量産するタイプのブログ、独自ドメインで構築されている）のそれぞれ100ページ（いちおうインデックスされているみたい）からということみたいだ。さっそくだがAdSense 違反報告に出しといた。

web担の記事で、今回発注した業者の代表が「リンク元ページとリンク先ページとの内容が関連しているほどSEO効果が高い」「リンク元ページが多くのページからリンクされているほどSEO効果が高い」といったことを書いていた。しかしながら今回設置された外部リンクは関連性の低いページからのリンクで、また被リンク数の指標を示すGooglePRがなしか０のページからのリンクだった。言っていることとやっていることが違うが、どういうことなのか、と質問のメールを出しておいた。返信きた

外部リンクについては情報開示できません。

発注前は良質なリンクといわれていたが、どうもこれが良質なリンクだとは考えづらい。私が知識不足なだけなのだろうか。

補足:11/7

ちなみに料金は月額4万円ほど。契約期間は最短の6ヶ月で発注した。担当の人は韓国人と日本人のハーフみたいな名前だった。

見積もりがきた残りの2つの業者はどちらも初期費用10万の月間費用数十万で、予算10万？笑わせんなｗみたいな感じの内容だった。

まぁ、1ヶ月くらいたって順位がどう変わったか等を報告するよ。

補足:11/8

ブクマがたくさんついてたからもう少し具体的なことを補足しておく。

はじめに発注したのはYahoo!の月間検索回数20000回ほどのキーワード。担当に提案されたのはこのキーワード＋1単語の複合キーワード4つで、それぞれ2000回ほど。さらにサブページ4ページに対して計5キーワード、それぞれ2000回ほど。

また発注前の時点で私のサイトはGoogleとLiveSearchで担当に提案されたキーワード＋1単語の複合キーワードでは上位に表示されているが、発注したキーワードではGoogleもLiveSearchも80位ほど。Yahoo!はここ1年で100位以内に入ったことはない。セッション数はGoogle:LiveSearch:Yahoo!=90:8:2くらい。サイトの内容としてはYahoo!からのセッションのほうが成果をあげやすい。今回発注したのは上記の10キーワードでGoogle・LiveSearch・Yahoo!の3検索エンジンで目標10位以内というもの。

サイトのスペックは、GooglePR4、Yahoo!被リンク8000、Google被リンク100、Yahoo!/Google インデックス数260、はてブ7件、Jエントリーに登録されてる。ブログをCMS代わりに使ってる個人運営のサイト。

http://b.hatena.ne.jp/entry/http://anond.hatelabo.jp/20081107171440
えらいタイムリーなタイミングでメールの返事が来とるｗ

被リンクの増殖はスパムと評価されないように、何回かにわけ、1週間単位で設置していくそうだ。開始から7日たった11/7にメールの返信がきたというのも納得できなくもないかもしれない。

http://anond.hatelabo.jp/20081108163851（抜粋）
SBMで多くのブクマを集めた方がよっぽど上位表示されるような気がする。
サイト診断をしてもらったのだが、今考えると、金返せ、と言いたくなる内容だった。
「サイトのヘッダー部分の画像を変えた方が良いですよ」
「Google ページランクを確認した方が良いですよ」
こんなもんだぞ。これってSEO業者のコンサルティングなの？
悪い事は言わんから、効果なかったらあきらめた方が良いかも。追加で金払ったりするのはやめた方が良いよ。

6ヶ月の契約で発注書を送っちゃったから、多分これから6ヶ月分は効果があろうとなかろうと料金を払わなければいけないと思う。もしかしたら「発注前後で言ってることが違うぞ！金返せ！」みたいに訴えれば払わなくて済むかもしれないのかもしれないけど、~~そういう面倒なのは嫌だ。~~

もちろん、効果がなかったら契約期間の延長をすることはない。これは担当の人にも言ってある。

実際に、担当の人とのメールのやりとりでしつこく「検索エンジンは外部サイトからのリンクを重要視している」と言われたし、「タイトルタグやメタタグにキーワードを入れることで上位表示云々」とも言われた。多分だけど、少なくともこの担当の人は回答テンプレみたいなのを打ち込んでるだけでSEOについて大した知識はないんだと思う。もしかしたら改善書というのも、このレベルのものなのかもしれない。

私のサイトはどちらかというとWEB初級者が好むような内容。だからはてブやdeliciousにはあまりブクマが付かず、Yahoo!ブクマが多い。けどYahoo!ブクマははてブと違って直リンクじゃないからたくさんブクマされてもあまり意味ないんだよね。もちろんゼロではないと思うけど。

検索エンジンの中の人が「被リンクは少なくともtitleタグより重要だ」と言っているように、やっぱりSEO業者ってのは料金が高かろうが安かろうが、外部リンクの設置がメインなんだと思う。

今は上位に表示されなければ金は取らないというところにしか頼む気にはなれないなあ。

そういうところはトラックバックスパムとか掲示板スパムをやりまくって、たまたま順位アップしたときだけ料金請求をし、順位アップしなかったら放置って感じが多いらしい。

金がたまったらSEO塾を受講してみたい。

補足：11/9

http://b.hatena.ne.jp/entry/http://anond.hatelabo.jp/20081107171440
koichi22
5キーワードくらいの順位取得ならGRC使っておけばいいんじゃないかな。
http://seopro.jp/grc/

紹介ありがとうございます、さっそくインストールしました。いい感じですが、無料版だと5キーワードまでしか設定できないんですね。残念。トップページの順位チェックに使わせていただきます。現時点でのトップページの順位は

	Google	Yahoo!	LiveSearch
キーワード１	-	-	51
キーワード２	67	-	35
キーワード３	-	-	84
キーワード４	-	-	-
キーワード５	2	-	1

http://anond.hatelabo.jp/20081109222125
その程度の予算しかないのに、SEOをしよう、という考えを改めるべき。
他の会社はもっとSEOに予算使ってます。

私がSEOを発注したのは企業サイトではなく、私個人が運営しているサイトだよ。確かに「もっと資金を用意してから」っていう意見はそのとおりだと思うけど、今年中にまとまった金が必要になってしまってね。個人相手だから業者も適当にあしらってる可能性もなくもないか。

補足11/10

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	-	LiveSearh↓49以上
キーワード２	68	-	36	Google↓1・LiveSearh↓1
キーワード３	-	-	83	LiveSearch↑1
キーワード４	-	-	-	-
キーワード５	2	-	1	-

※まだサブページにキーワード6,7でリンクを設置しただけのはずだから、サブページの被リンクがトップページに多少の影響を与えているかもしれないけど、恐らく自然と落ちたのだと思われる。

メール着た。

サイトを拝見したところ、非常に良く出来たつくりになっております。
ただ、少し改善した方がよいと思われる所がございました。

お世辞か？以前までは「改善書」となっていたが、今回のメールからは「改善指示書」と名称が変わったそうだ。メール中にはtitleタグ、metaタグ（keywordsとdescription）、キーワード出現率に関する説明がそれぞれ2行ずつくらい書いてあった。

それと、添付されていた改善書をこれから見てみようと思う。ちょまって、なんかこれひどい。一番最初に書いてあったのが「<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW">を入れるな」。普段からXHTMLを使っているからか、全部大文字だと初心者っぽく見えるな。

メタディスクリプションタグとは、HTMLのソースコードに<description> ｘｘｘ </description>タグとして記述されているタグことです

説明間違ってる・・。

ごめん、なんか誤読してた。titleタグとmetaタグの具体例はちゃんと書かれていた。もっとも、キーワードを繰り返しすぎでおかしな文章になっていたけど。下記ページの悪い例のほうみたいな感じ。

http://www.suzukikenichi.com/blog/write-rich-keyword-content/

補足：11/11

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	-	-
キーワード２	-	-	36	Google↓32以上
キーワード３	-	-	88	LiveSearch↓5
キーワード４	-	-	-	-
キーワード５	2	-	1	-

昨日今日と、Googleが大きくランクダウンしてる件。まぁランクダウンしてるといっても、下位から超下位でトラフィックに大した影響はないのだけども。

補足：11/12

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	55	LiveSearch↑55以上
キーワード２	33	-	36	Google↑67以上
キーワード３	76	-	91	Google↑24以上・LiveSearch↓3
キーワード４	-	-	-	-
キーワード５	2	-	1	-

急降下したり、急上昇したり、もう少し穏やかにしてくれないものかね。LiveSearchなんか結構上がってるように見せかけて、11/9と比較すると実際には下がってるという。

http://b.hatena.ne.jp/entry/http://anond.hatelabo.jp/20081107171440
sozesoze
SEO スコープはどう？　ttp://search.submit.ne.jp/seoscope.html

紹介ありがとうございました。さっそく使ってみましたが、微妙です。

いちいちログインしなきゃいけないのが面倒なのと、登録した3サイト（というか3ページ）の順位チェックも一括ではなく、サイトごとにいちいち「診断結果レポートを見る」をクリックしなければいけないのが面倒です。（先日紹介したGRCというのは、「実行」をクリックすると登録されているページ・キーワードを一括にチェックできます）

それと、LiveSearchには対応していないみたいですね。

今、順位をチェックしてみたところ、サブページ（キーワード6,7,8,9,10）はすべて「圏外」と出てました。サブページのうち2ページに関しては、11/7の時点で外部リンクの設置がすべて完了しているとのことだったけど…

補足：11/13

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	53	LiveSearch↑2
キーワード２	32	-	36	Google↑1
キーワード３	17	-	91	Google↑59
キーワード４	-	-	-	-
キーワード５	2	-	1	-

補足：11/13

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	53	-
キーワード２	80	-	36	Google↓48
キーワード３	91	-	91	Google↓74
キーワード４	-	-	-	-
キーワード５	2	-	1	-

順位変動しすぎだろ・・

補足：11/15

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	53	-
キーワード２	81	-	39	Google↓1・LiveSearch↓3
キーワード３	89	-	91	Google↑2
キーワード４	-	-	-	-
キーワード５	2	-	1	-

担当者ではなく企業に直接問い合わせてみた。

すごく悩んだのだけど、やっぱりひどすぎる気がする。担当者は話が通じなそうだから、業者のお問い合わせフォームから直接問い合わせてみた。「必ず2営業日以内にご連絡」と書かれていたから、17日までには返信がくるはず。

問い合わせた内容は担当者の説明が矛盾していること、担当者の説明が誤っていること、担当者が糞だから違う人に代わって説明してほしいということ。

11/16：担当者から返信きた。下記はそのコピペである（タイプミスは担当者のもの）

お世話になります。（企業名）の（名前）でsう。
弊社のサービスのご説明に関して、行き違いがり申し訳ございませんでした。
改めて現在の状況を確認し、資料をまとめ、再度ご連絡させていただきますので今しばらくお待ちください。

補足：11/16

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	54	LiveSearch↓1
キーワード２	34	-	40	Google↑47・LiveSearch↓1
キーワード３	18	-	90	Google↑71・LiveSearch↑1
キーワード４	-	-	-	-
キーワード５	2	-	1	-

補足：11/17

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	-	LiveSearch↓46以上
キーワード２	28	-	40	Google↑6
キーワード３	17	-	90	Google↑1
キーワード４	97	-	-	Google↑3以上
キーワード５	3	-	1	Google↓1

キーワード５がここ1年くらい2位をキープしてたけど、3位に下がってた。ちなみに2位はついこの間まで3位だったページで、1位のサイトのサブページ。

補足：11/18

	Google	Yahoo!	LiveSearch	変化（↑:ランクアップ・↓：ランクダウン）
キーワード１	-	-	-	-
キーワード２	28	-	40	-
キーワード３	18	-	90	Google↓1
キーワード４	-	-	-	Google↓3以上
キーワード５	3	-	1	-

順位チェックツールでちゃんと動いてくれるものを探しています。

複数のURLを複数のキーワードで一括チェックでき、（短期間でも）ログを保

存できるツールを探しています。オンラインのものでも、ダウンロード・インストールが必要なものでもいいのでオススメがあれば教えていただけるとうれしいです。

ダウンロード	ツール名	説明	その他
不要	FC2 SEO対策 - 検索エンジンランキングチェッカー	正常に動かない	-
不要	RankingChecker	全く動かない	-
不要	BROADENTRY RankingChecker	動くけどログが残らない	-
要	Goomani	キーワード・URLに制限なし、ログを保存できるフリーソフト	配布停止中
要	GRC	キーワード5つまで一括チェック。ログを保存可のフリーソフト	b:id:koichi22さんに紹介していただきました
要	GRC PRO	GRCのキーワード・URL数無制限バージョン、有料ソフト	年間9600円
不要	SEOスコープ	会員登録必要で3URL/5キーワードまで。チェックは自動で行われる（時間不定）	b:id:sozesozeさんに紹介していただきました

Permalink | 記事への反応(7) | 17:14

2008-09-23

■正規表現の機能の覚書き

はじめに

「はじめての正規表現」がホッテントリ入りしていますが、

導入としては、何に使うのかがわかりやすくて良いのではないかと思います。

あれを見て、基本機能をまとめてみたくなったので、正規表現の基本的な機能について書いてみます。

（正規表現が初めてという人は「はじめての正規表現」を先に見たほうがいいと思います。）

例では「検索」か「置換」をするものとして話を進めていきます。

（「はじめての正規表現」が実例を中心にしたのに対して、こちらは機能を中心に書きます）

正規表現は、プログラミング言語やその他のツールなど、それぞれで微妙な違い（方言）があるので、その点には注意が必要です。

（表記法が違ったり、ここに紹介する機能がサポートされていなかったり、逆に紹介していない機能をサポートしていたりする場合があります）

メタ文字とリテラル文字

正規表現には、メタ文字とリテラル文字というものがあります。

メタ文字とは機能を持つ文字で、『.』『*』『*?』といったものが当てはまります。

リテラル文字は「文字それ自体」と解釈される文字で、『』『a』『<』といったものです。

アルファベットや数字はリテラル文字なので、

「検索する文字列：『egg』　置換する文字列：『chicken』」

などとすれば、正規表現を使わない置換と同じ効果になります。

なお、検索して検索文字列が当てはまることを「マッチする」と言います。

メタ文字に使われている文字を検索したい場合は、直前に『\』を置きます。（これを「エスケープ」と呼びます。）

『.*?^$()[]{}』などがメタ文字です。

『$100』を検索したければ、『\$100』とすればいいということになります。

（『\』は環境によって、半角の『￥』『＼』のどちらかになります。）

言語、ツール、モードなどによっては『@/#』もエスケープが必要です。

また、『\』自体は常にエスケープが必要です。

繰り返しについて

メタ文字	意味
`?`	直前の文字を0回または1回繰り返す
`*`	直前の文字を0回以上繰り返す
`+`	直前の文字を1回以上繰り返す
`{n}`	直前の文字をn回繰り返す
`{n,}`	直前の文字をn回以上繰り返す
`{n,m}`	直前の文字をn〜m回繰り返す

これらのメタ文字は「量指定子」といって、直前の文字の繰り返しを意味します。

『*』は「任意の文字を0回以上繰り返す」とありますが、

「0回以上繰り返す」とは、「全く何もなくてもいいし、いくらあってもいい」という意味です。

よって、『?』は「あってもなくてもいい」、『+』は「1つ以上あればいい」と解釈できます。

『colou?r』は『u』があってもなくてもいいので「colorかcolour」ということになります。

『{n}』は、たとえば『-{15}』なら、「ハイフン（-）が15個続くもの」となります。

『-{10,}』なら「ハイフン（-）が少なくともは10個続くもの（多いのはいくらでも）」、

『-{10,15}』なら「ハイフン（-）が10〜15個続くもの」となります。

また、複数の文字を繰り返したい場合は括弧で囲みます。

『(Gang){2}Dance』は『GangGangDance』と同じ意味になります。

欲張りと非欲張り

メタ文字	意味
`?`	直前の文字を0回または1回繰り返す（欲張り）
`*`	直前の文字を0回以上繰り返す（欲張り）
`+`	直前の文字を1回以上繰り返す（欲張り）
`??`	直前の文字を0回または1回繰り返す（非欲張り）
`*?`	直前の文字を0回以上繰り返す（非欲張り）
`+?`	直前の文字を1回以上繰り返す（非欲張り）

「欲張り」とは、「なるべく多くの文字に適用しようとする」、

「非欲張り」とは、「なるべく少ない文字に適用しようとする」という意味です。

対象文字列が『aaa bbb ccc』だとします。

すると、検索する文字列が『a+』なら『aaa bbb ccc』、

検索する文字列が『a+?』なら『aaa bbb ccc』が置換対象となります。

（「すべてを検索/置換」する場合は当てはまりません）

「『a』を1回以上繰り返す」ということは、『a』でも『aa』でも『aaa』でもマッチすることになりますが、

「欲張り」かそうでないかで実際のマッチは変わってくるわけです。

文字クラス

文字クラス	意味
`[abc]`	a、b、cのいずれか
`[a-z]`	a〜zのいずれか
`[^a]`	a以外の文字（改行文字を含めaを除いた全て）
`[^a-z]`	a〜z以外の文字（改行文字を含めa〜zを除いた全て）

文字クラスは『a』や『<』などの代わりに文字の種類を指定するものです。

a〜eのどれかの1文字という指定をしたい場合に『[abcde]』や『[a-e]』といった指定ができます。

また、文字クラス内の最初に『^』をつけて『[^abc]』などとすれば、

「a、b、c以外の何の文字でもいい」とすることができます。

間違いやすいのが「そこにaもbもcも存在しなければいい」という意味ではないということです。

文字クラスは「なんらかの1文字の身代わり」なので、それは何か1文字を表しています。

『-』は範囲を表すのに使用します。そのため、『[;-%]』で「; - %のどれか」を表現することはできません。

『-』を含める場合は必ず最初に持ってきます。すると『[-;%]』という風になります。

「; - %以外の文字」としたいならば『[^-;%]』とします。

『[』や『]』、『\』を文字クラスに含めたい場合は直前に『\』を置いてエスケープします。

「『[』または『]』」であれば『[\[\]]』となります。

『^』やその他の記号は先頭に置かなければいいので、エスケープの必要はありません。

『.』は「改行以外のすべての文字」を表しています。

改行は『\n』で表されるため、『.』は『[^\n]』と等価です。

（ただし、正規表現のモードによっては「改行も含めすべての文字」を表す場合もあります）

文字クラスにはいくつかの略記法があります。

文字クラス	意味	同等の表記
`\w`	記号や空白ではない文字すべて	`[a-zA-Z0-9_]`
`\W`	記号や空白ではない文字以外	`[^a-zA-Z0-9_]`
`\d`	数字	`[0-9]`
`\D`	数字以外	`[^0-9]`
`\s`	タブや改行など、空白類とされる文字	`[ \t\n\r\f\v]`
`\S`	タブや改行など、空白類とされる文字以外	`[^ \t\n\r\f\v]`

（*間違って『\s』の同等の表記にも『^』がついていたのを修正しました）

（『\t』はタブ、『\v』は垂直タブ、『\r』はキャリッジリターン（CR、改行の一種）、『\f』は改ページ）

これらは『[a-fA-F\d]』のようにすることで、文字クラスのブラケット（角括弧）内に含めることができます。

「同等の表記」と書きましたが、文字をユニコードして扱うツールの場合は、上記が同等の表記にはならず、

たとえば『\d』であれば漢数字が含まれてしまったりするので注意が必要です。

選択

『(A|B)』は「AまたはB」という意味です。（これを「選択」と呼びます）

『(A|B|C)』なら「A、B、Cのどれか」という意味になります。

『(gray|grey)』は『gr[ae]y』とほぼ等価となります。

『[ae]』は「1文字のaまたはb」という意味になるので結果的に、ほぼ同じ効果が得られるわけです。

（ただし、これはgrayとgreyの違いが1文字だけだったためで、そうでない場合はこうはなりません）

気をつけなければならないのは、その順番です。

『(Java|JavaScript)』で検索すると、対象文字列内に存在する『Java』と『JavaScript』すべてマッチするように思えますが、

『JavaScript』は選択肢の前（左）のほうにある『Java』が当てはまってしまうため、

『Script』部分にはマッチせず、『JavaScript』というマッチになってしまいます。

選択では左側が優先されるので、『(JavaScript|Java)』とすることでこの問題は防げます。

（言語、ツールによっては、この問題が起こらない＝順番関係なく長いほうを適用しようとするものもあります）

アンカー

メタ文字	意味
`^`	行頭
`$`	行末
`\b`	単語境界
`\B`	単語境界以外

リテラル文字や文字クラスが「文字自体」にマッチするのと違い、アンカーは「位置」にマッチします。

検索する文字列が『^』、置換する文字列が『>』なら、「行頭に『>』を挿入する」という意味になります。

単語境界とは、「単語を構成する文字＝『\w』に相当する文字」と「単語を構成しない文字＝『\W』に相当する文字」の間の位置のことです。

『regular expression.』なら『^regular^ ^expression^.』の4ヶ所に当てはまります。

『\b.*?\b』とすれば単語すべてにマッチさせることができます。

しかし、「単語構成文字」が基準なので、『JavaScript』は1単語でも、『L?K?O』は1単語とは見なされません。

アンカーは位置にマッチするので、文字クラス内に含めることはできません。

『^』や『$』を文字クラスに含めても、その文字自体という意味になります。

つまり、『[^$]』なら「行頭または行末」ではなくて、「『$』文字以外」ということになります。

また、『\b』は文字クラス内のみ、バックスペース文字を表す場合が多いようです。

大文字と小文字

正規表現には、大抵「大文字と小文字を無視する」というオプションがあります。

これが入っていないと「『to:』で検索しても『To:』にマッチしない」といったことが起こります。

言語、ツールによっては、正規表現の一部にのみ大文字と小文字を無視する機能があるものもあります。

例えばRubyでは『(?i:foo)』という形式を使用できます。

『(?i:Ruby) Python』という表現なら、『ruby Python』や『RuBy Python』にはマッチしますが、

『RUBY PYTHON』にはマッチしない、ということになります。

キャプチャと後方参照

括弧内に入れた文字列は、ある場所に記憶されます。（「キャプチャ」と呼びます）

これは『\n』という表記を使って呼び出すことができます。（nは数字）

同じ単語が2連続で出てくるもの（『merry merry』みたいなもの）を探すという場合、

『\b(\w+)\b \1』とすることができます。（ここで使った『\1』を「後方参照」と呼びます）

こうすると、『\1』の部分は、『(\w+)』を使ってマッチしたものと同じものがあるものとして解釈されることになります。

括弧を何個も使う場合は、左の括弧から順に『\1』、『\2』、『\3』となります。

また、後方参照は置換文字列にも使うことができます。

つまり置換文字列内に『\1』と書けば1番目の括弧、

『\2』と書けば2番目の括弧でキャプチャされたものがそこに入ることになります。

この場合、言語、ツールによっては『\n』ではなく『$n』を使う場合もあるようです。

括弧は『(foo|bar)』という選択や、『(humbert){2}』というグループ化など、キャプチャ以外にも使われます。

そのため、キャプチャに使われた数字をわかりやすくするために、キャプチャしない括弧もあります。

それには『(?:foo)』という表記を使います。

前の例であれば『(?:foo|bar)』と『(?:humbert){2}』になります。

先読みと否定先読み

「その位置の続くものを確認する」というのが「先読み」です。

対象文字列を『JavaScript Java Applet』として考えてみましょう。

『Java(?=Script)』は「『Script』が後に続く『Java』」にマッチします。

『(?=Script)』の部分が、「『Script』が後に続くかどうか」をチェックしているので、

後ろに『Script』が続かない単なる『Java』にはマッチしません。

『(?=Script)』の部分は「後に『Script』が続く位置」にマッチしていることになります。

この例のマッチは『JavaScript Java Applet』となります。

逆に、『Java(?!Script)』とすれば、「『Script』が後に続かないかどうか」をチェックするので、

後ろに『Script』が続かない単なる『Java』にマッチさせることができます。

こちらは「否定先読み」と呼びます。

この例のマッチは『JavaScript Java Applet』となります。

言語、ツールによっては、「その位置の前にあるものを確認する」という「戻り読み」「否定戻り読み」がサポートされているものもあります。

（これは『(?<=foo)』『(?<!=bar)』という形で使います）

先読みや否定先読み、戻り読みなどをまとめて「前後読み」と呼びますが、

前後読みは位置にマッチするため、戻り読みは先読みとは通常書くべき位置が逆になります。

『(?<Mozilla )Firefox』とすれば、『Mozilla 』に続く『Firefox』のみにマッチします。

強欲な量指定子とアトミックなグループ

メタ文字	意味
?+	直前の文字を0回または1回繰り返す（強欲）
*+	直前の文字を0回以上繰り返す（強欲）
++	直前の文字を1回以上繰り返す（強欲）

上のほうで?、*、+は「欲張り」だと書きましたが、「欲張り」な量指定子も“ゆずる”ことがあります。

対象文字列が『"something"』だとして、検索文字列『".*"』はこれにマッチします。

しかし、強欲な量指定子『*+』に置き換えて『".*+"』とするとマッチしません。

これはなぜかというと、「欲張り」な量指定子を使った『.*』の部分は、

最後の『"』がなければ『something"』にマッチすることになりますが、

正規表現の最後に『"』があるために、対象文字列の最後の『"』をゆずっているのです。

しかし、強欲な量指定子『*+』はゆずることがないため、

『.*+』の部分が『something"』にマッチしてしまい、

正規表現の最後の『"』にはマッチできなくなるのです。

強欲な量指定子をサポートしていない言語、ツールでも、「アトミックなグループ」というものが使える場合があります。

アトミックなグループでは『(?>foo)』という表記を使います。

『\w?+』なら『(?>w+)』、『\w*+』なら『(?>w*)』、『\w++』なら『(?>w+)』で代替できます。

意図しないマッチに気をつける

『*』の「直前の文字の0回以上の繰り返し」はよく気をつけないと、間違ったものにまでマッチしてしまいます。

リテラル文字と文字クラスは「文字自体」にマッチすると書きましたが、

『-*』というような表現は、『-』や『--------』だけでなく、

『』つまり、空文字列にもマッチしてしまうのです。

なぜそうなるかというと、「0回以上」ということは「なくてもいい」ということだからです。

空文字列へのマッチは、実質上「位置」へのマッチと似たようなものになります。

検索文字列を『-*』として一括置換すると、

『-』や『--------』が置換されるだけでなく、

『-』が存在しないすべての場所に置換文字列が挿入されてしまうことになります。

正しい正規表現を書くためには、「どう書けばマッチするか」だけでなく、

「どういう場合にマッチしなければいいか」についても考えてみる必要があります。

ワイルドカードの『``』≒正規表現の『`.`』

「はじめての正規表現」で、

ワイルドカードの『*』＝正規表現の『.*』

~~とありますが、これは厳密には微妙に違います。~~

ファイルグロブでは《*》は「任意の文字を1回以上繰り返す」

つまり、1文字以上あればなんでもいいということになります。

この意味だと、《*.*》は "foo." や ".bar" は当てはまりません。

しかし、「0回以上」であればマッチすることになります。

正規表現では「1回以上繰り返す」は、《+》なので、

「任意の文字を1回以上繰り返す」は『.+』となります。

よって、《*.*》とほぼ等価な表現は『.+\..+』となります。

これは私の勘違いでした。miauさんご指摘ありがとうございます。

「*.*」は foo. にマッチするはずだし、.bar にマッチしないのは、「*」がドットファイルにマッチしないっていう特殊ルールがあるから・・・ですよね？
ワイルドカード（ファイルグロブ）の「*」って - miau's blog

ファイルグロブの《*》は、「0回以上繰り返す（ただし例外として、一番最初のドットは表せない）」ということのようです。

《*.*》とほぼ等価な表現は、正しくは『(?!\.).*\..*』となります。

最後に

正規表現を使うにあたっては、検索対象がどのようなものか知っておくことが重要です。

『\d{4}[-/]\d{1,2}[-/]\d{1,2}』で日付と思われる文字列を検索することができますが、

これは『00-0000-00-00』というものにもマッチしてしまいます。（『00-0000-00-00』）

しかしこれを厳密にしようと思えばかなり複雑な正規表現になってしまうので、

どの程度の厳密さが必要かを把握しておくことが肝要と言えるでしょう。

冒頭にも書きましたが、正規表現は、言語やツールによって微妙な違いがあるので、

その辺りについては各言語、ツールの説明を参照してください。

本格的に学びたい場合はオライリーの「詳説正規表現」がおすすめです。

（ただ、この本はプログラミングのことを多少は知らないと難しいかもしれません）

また、PHP正規表現チェッカーですぐに試せるようです。

反応への応答

b:id:K-Onoさんの

なぜ増田？　これでid デビューしてもいいんじゃないのか？

について。

実ははてなダイアリーもある（d:id:sleepwlk）んですが、長いこと書いてなかったので、

匿名ダイアリーのほうが多くの人に見てもらえるのではないかと思ってこちらに書いてみました。

*2008-09-23 誤記の修正と、一部加筆しました。

*2008-09-24 ワイルドカードの記述を修正しました。

*2008-09-24 文字クラスの記述の間違いを修正しました。b:id:FunnyBunnyDizzyさんご指摘ありがとうございます。

*2008-09-24 「意図しないマッチに気をつける」を追加しました。

Permalink | 記事への反応(6) | 01:56

2008-09-03

■文章の書き手の同定方法

増田ではてなの文句言ってるidを割り出した

文書の内容から同一人物の判定をすることは、まず無理です。それよりは筆跡鑑定的な手法を使うことをお奨めします。文章の記述法・書式から判断するということです。

「記述法・書式」とは、「どういう言葉を漢字に変換し、どういう言葉をひらがなで書いているか」とか、「どういう約物を好んで使っているか」とか、「どういうタイミングで改行をしているか」とかです。

こういう視点でもとの文章をみてみると、強烈な特徴があります。「ASCII文字と日本語の文字の間に半角スペースを入れる」という特徴です。これは普段からそういう文章を書いている人間以外には決して現れない特徴です。しかも「Web標準」「geekたち」の箇所だけはスペースが入っていません。このへん、使っている仮名漢字変換の設定や使用方法の癖がでていて興味深いです。

また、「弄る」「誤摩化してます」「目を瞑る」など、わりとひらがなで書かれることが多い用語も漢字に変換してたりするところにも、特徴があります。

id:zapaの文章をざっと見てみましたが、上記のような特徴が普段書いている文章に見られません。まあ、別人の書いた文章であると考えて間違いないでしょう。

ちなみに、私は「自分が書いた文章だということを決して明らかにしたくない」という文章を書く場合、別のIMEがはいった別のPCをつかってます。ここまで徹底している人間にはこの手法は使えませんが、普通のひとはそこまで気をつかいませんので、かなり有効な手法です。

（追記）

しかし、「増田ではてなの文句言ってるidを割り出した」の文章も特徴だらけで特定が容易そうだなあ。