メールアドレスの正規表現とは？なぜ難しいのかを整理【DS検定】

DS検定トップ＞メールアドレスの正規表現とは？なぜ難しいのかを整理【DS検定】

layout: page title: メールアドレスの正規表現とは？なぜ難しいのかを整理【DS検定】 permalink: /ds/regular-expression-email/ tags: [ds, preprocessing, cheatsheet] ————————————-

まず結論

メールアドレスの正規表現は「文字列の構造」を確認するためのパターンですが、完全に正しいメールアドレスを保証することはできません。 DS検定では、「正規表現で何が保証できて、何が保証できないか」を判断できるかが問われます。

直感的な説明

メールアドレスは、

sample@example.com

のように

ユーザー名 @ ドメイン名

という構造をしています。

電話番号や郵便番号と違い、

英字
数字
記号

が混ざります。

そのため、正規表現も一気に複雑になります。

ここで大切なのは、

正規表現は「それっぽい形」を確認しているだけ

という理解です。

定義・仕組み

よくある簡易的なメールアドレスの正規表現は次の形です。

^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+.[A-Za-z]{2,}$

意味を分解すると、

^ ：先頭
[A-Za-z0-9._%+-]+ ：英数字や一部記号が1回以上
@ ：アットマーク
[A-Za-z0-9.-]+ ：ドメイン部分
. ：ドット（.）そのもの
[A-Za-z]{2,} ：2文字以上の英字
$ ：末尾

ポイントは、

- は「1回以上」
[] は「いずれか1文字」
. はそのままだと「任意の1文字」になるため、. と書く

という点です。

どんな場面で使う？

使う場面

入力フォームの形式チェック
不正データの簡易除外
データ前処理での基本確認

使うと誤解しやすい場面

実在するメールアドレスかどうかを判定できると思う
RFC仕様まで完全対応していると考える

DS検定では、「この正規表現で正しいメールアドレスのみを保証できる」と書かれていたら誤りです。

よくある誤解・混同

① . の意味を誤解する

. は「任意の1文字」です。

ドットを表すには . と書く必要があります。

選択肢で「. はドットを意味する」と書かれていたら注意です。

② + と * の違い

- ：1回以上
- ：0回以上
を使うことで「最低1文字必要」であることを表しています。

③ [] の意味を誤解する

[A-Za-z] は「英字1文字」を意味します。

「文字列全体が英字」とは限りません。

まとめ（試験直前用）

メール正規表現は構造チェックである
. は任意の1文字、ドットは .
- は1回以上、* は0回以上
正規表現では実在性は保証できない

DS検定では、「その正規表現が何を保証していないか」を考えることが重要です。

対応スキル項目（データエンジニアリング力シート）

データ収集・加工

データ前処理

★ データの前処理（クレンジング・加工）ができる

🔗 関連記事

🏠 DS検定トップに戻る