C#のRegexで日本語を扱う！正規表現の基礎から文字化け対策まで解説
生徒
「C#のプログラムで、ユーザーが入力した名前に漢字やひらがなだけが使われているかチェックしたいのですが、何か良い方法はありますか？」
先生
「それなら正規表現という仕組みを使うのが一番ですね。C#にはRegexという便利な道具が用意されていますよ。」
生徒
「正規表現って難しそうですね。特に日本語を扱うときには何か特別な注意が必要なのでしょうか？」
先生
「日本語特有の文字コードや範囲の指定の仕方に少しコツがいります。初心者の方でも分かりやすく、順を追って解説していきますね！」
1. 正規表現とRegexとは何かを学ぼう
プログラミングの世界には、正規表現という魔法の言葉のようなものがあります。これは、文字列の中から特定のパターンを見つけ出すための書き方のルールです。例えば、メールアドレスの形式が正しいか、電話番号に余計な文字が入っていないか、といったことを一瞬で判断できます。
C#というプログラミング言語では、この正規表現を扱うためにRegexというクラス（機能の集まり）を使用します。Regexは「Regular Expression（レギュラー・エクスプレッション）」の略称です。
パソコンを触り始めたばかりの方にとって、文字列の処理は難しく感じるかもしれませんが、要は「たくさんの文字の中から、自分の探したいものだけをルールに従って抜き出す」作業だと考えてください。日本語を扱う場合は、英語と違って「ひらがな」「カタカナ」「漢字」といった複数の種類があるため、その違いをプログラムに教えてあげる必要があります。
2. 日本語を判別するための仕組み
コンピュータは、すべての文字を数字として管理しています。これを文字コードと呼びます。世界中の文字を共通のルールで扱えるようにしたのがUnicode（ユニコード）という仕組みです。
日本語のひらがなやカタカナも、このUnicodeの中で「ここからここまではひらがな」という番号の範囲が決まっています。C#のRegexで日本語を扱うときは、この範囲をプログラムに指定することで、正確に文字を判別することができるようになります。
特に大切なのが、エスケープシーケンスという書き方です。例えば、Unicodeの番号を使って文字を指定するときは \u から始まるコードを書きます。これにより、プログラムは「これはただの文字ではなく、特別な意味を持つ記号だ」と認識してくれます。
3. ひらがなだけを見つけるプログラムの書き方
まずは、入力された文字がすべて「ひらがな」かどうかを確認する簡単なプログラムを見てみましょう。
using System;
using System.Text.RegularExpressions;
class Program
{
static void Main()
{
string text = "あいうえお";
// ひらがなの範囲を指定する正規表現
string pattern = @"^[\u3041-\u3096]+$";
if (Regex.IsMatch(text, pattern))
{
Console.WriteLine("すべてひらがなです。");
}
else
{
Console.WriteLine("ひらがな以外の文字が含まれています。");
}
}
}
実行結果は以下のようになります。
すべてひらがなです。
このコードにある ^[\u3041-\u3096]+$ という部分が正規表現のパターンです。 ^ は「文章の始まり」、 $ は「文章の終わり」を意味します。そして [\u3041-\u3096] が「ひらがなの範囲」を表しており、 + は「1文字以上の繰り返し」を意味しています。
4. カタカナと漢字を扱う時の注意点
カタカナを扱う場合も同様に範囲を指定しますが、カタカナには「全角」と「半角」があることに注意してください。一般的に日本のシステムでカタカナをチェックする場合は、全角カタカナを指すことが多いです。
漢字の指定は少し複雑です。漢字には非常に多くの種類があり、古い漢字や特殊な漢字まで含めると範囲が非常に広くなります。一般的には \p{IsCJKUnifiedIdeographs} という便利な書き方を使うことで、主要な漢字をまとめて指定することができます。
また、日本語の文章には「句読点（。や、）」や「長音記号（ー）」も含まれます。これらを忘れて正規表現を作ってしまうと、正しい日本語の文章であっても「エラー」と判定されてしまうことがあるので、設計段階で何を含めるかを決めておくことが重要です。
using System;
using System.Text.RegularExpressions;
class Program
{
static void Main()
{
string input = "プログラミング";
// 全角カタカナ（長音含む）のパターン
string pattern = @"^[ァ-ヶー]+$";
if (Regex.IsMatch(input, pattern))
{
Console.WriteLine("カタカナの入力として正しいです。");
}
else
{
Console.WriteLine("カタカナ以外が混ざっています。");
}
}
}
実行結果は以下のようになります。
カタカナの入力として正しいです。
5. RegexOptionsで検索の挙動を変える
C#のRegexには、検索の仕方を細かく設定するためのオプションがあります。例えば、大文字と小文字を区別しない、あるいは改行をどのように扱うかといった設定です。
日本語の処理でよく使われるのは、特にありませんが、プログラム全体の動作を安定させるために RegexOptions.Compiled という設定を使うことがあります。これは、正規表現のパターンをあらかじめ解析して準備しておくことで、処理スピードを速くする仕組みです。
初心者の方は、まずはオプションなしの基本形から始めて、動作が遅いと感じたり、特別な条件が必要になったりしたときに調べてみるのが良いでしょう。無理に難しい設定を使おうとすると、思わぬミスにつながることがあります。
6. 文字化けを防ぐためのファイルの保存形式
プログラムの中に直接「ひらがな」や「漢字」を書く場合、ファイルを保存するときの文字コードに注意してください。
Visual Studioなどの開発ツールを使っている場合、通常は自動的に適切な形式で保存されますが、たまに「UTF-8（BOM付き）」という形式になっていないと、プログラムを実行したときに日本語がぐちゃぐちゃの文字（文字化け）になってしまうことがあります。
もし、画面に正しく日本語が表示されなかったり、正規表現がうまく動かなかったりした場合は、まずファイルの保存形式を確認してみましょう。これはプログラミング未経験の方が最初につまずきやすいポイントの1つです。
7. 文字列の置き換えに挑戦してみよう
正規表現は、単に「見つける」だけでなく「別の文字に書き換える」ときにも非常に強力です。例えば、文章の中にある特定の言葉をすべて伏せ字にしたり、不要な記号を削除したりできます。
以下の例では、文章の中にある漢字だけを別の文字に置き換える処理を行っています。これにより、日本語のどの部分が漢字として認識されているかを視覚的に確認することができます。
using System;
using System.Text.RegularExpressions;
class Program
{
static void Main()
{
string original = "C#を勉強してプログラマーになる。";
// 漢字の範囲を指定
string pattern = @"[\u4e00-\u9faf]";
// 漢字を「■」に置き換える
string result = Regex.Replace(original, pattern, "■");
Console.WriteLine("元の文：" + original);
Console.WriteLine("変換後：" + result);
}
}
実行結果は以下のようになります。
元の文：C#を勉強してプログラマーになる。
変換後：C#を■■してプログラマーになる。
このように Regex.Replace という機能を使うことで、特定のパターンに一致する場所だけを自由に変えることができます。
8. よくある失敗とトラブルシューティング
日本語の正規表現でよくある失敗は、全角と半角の混同です。例えば、全角のスペースと半角のスペースは、コンピュータにとっては全く別の文字です。ユーザーがどちらを入力するかは分からないため、両方を考慮したパターンを作る必要があります。
また、数字についても同様です。「123」という半角数字と「１２３」という全角数字は別物として扱われます。もし、どちらも数字として認めたい場合は、正規表現で両方の範囲をカバーするように記述するか、判定の前に全角を半角に変換する処理を入れるといった工夫が必要です。
初心者のうちは、一気に複雑なパターンを書こうとせず、まずは「ひらがなだけ」など、小さなステップで試していくのが上達の近道です。期待通りに動かないときは、対象の文字列に目に見えない特殊な文字（改行コードなど）が含まれていないか疑ってみてください。
9. 実践的なユーザー入力チェックの例
最後に、もう少し実戦に近い例を見てみましょう。ユーザーが入力した氏名が「漢字」と「ひらがな」だけで構成されているか、また名字と名前の間にスペースがあるかをチェックするプログラムです。
using System;
using System.Text.RegularExpressions;
class Program
{
static void Main()
{
string userName = "田中 たろう";
// 漢字、ひらがな、およびスペースを許可するパターン
string pattern = @"^[ \u4e00-\u9faf\u3041-\u3096\u3000]+$";
if (Regex.IsMatch(userName, pattern))
{
Console.WriteLine("お名前の形式が正しいです。");
}
else
{
Console.WriteLine("名前に使用できない文字が含まれています。");
}
}
}
実行結果は以下のようになります。
お名前の形式が正しいです。
この例では、 \u3000 という全角スペースのコードも追加しています。このように、許可したい文字を一つずつ組み合わせていくのが正規表現の基本です。
プログラミング未経験の方は、最初はこれらの記号の羅列が呪文のように見えるかもしれません。しかし、一つ一つの記号には明確な意味があり、それをパズルのように組み合わせることで、高度な文字判定ができるようになります。
日本語は世界の中でも文字の種類が多い複雑な言語ですが、C#のRegexを使いこなせれば、どんな入力チェックも自由自在に行えるようになります。今回の基本を大切にして、ぜひ色々なパターンを作って試してみてくださいね。
