ルビを取る処理の習得記録 Part 3「正規表現が動いた！！」

正規表現惑星の探索

self[regexp] = val

正規表現 regexp にマッチした部分文字列全体を val で置き換えます。

おっと出た正規表現！

code:ruby

buf = "string"

p buf # => "s!!g"

これやりたいことに近いな

https://gyazo.com/e4f4a60085630d827734fead243c8a40

code:Ruby

# coding: utf-8

Encoding.default_internal = __ENCODING__

buf = "ゴジラ"

p buf # -> "クジラ"

おー動いた！

プロンプト上でも動作確認

1.

$ buf/ゴジ/ = "ガメ"

これは文字を指定しなきゃいけないので、今回の目的には合わない。

「ゴから始まってその次1文字目までを置換してください」とRubyさんに伝える方法がいる

2.

こうか…？

$ buf/ゴ./ = "ガメ"

https://gyazo.com/e7e22babf3179fd4bb112cbeb5ccdf92

いけたー。このルートだな

さらにもう段階

実験だ！

https://gyazo.com/e080e141397807e8b0c1995e5840f802

ゴジラ→ゴジラSPの生成に成功

文字列の末尾の「ラ」を探して「ラSP」に置換してね

ということは…

https://gyazo.com/71d76e9bfc70c068dc66b0810068141a

まあそうですよね

戦闘が「ゴ」末尾が「ラ」の語句を「Godzilla: King of Monsters」に変える(変えたい)

もう少し読んだら回答があるはずだ

同じ文字や単語の繰り返しにマッチさせたいことがあります。たとえば、"Subject"という文字列のあとに、いくつか空白があって、その後ろに文字列が並んでいる行にマッチさせる」というような場合です(これは、電子メールの件名(サブジェクト)にマッチさせるためのパターンです)。

ここの記述重要だな？

https://gyazo.com/76737dc51b4a56455b80e7934d4e80b2

https://gyazo.com/ed031caf68302252016dd11dd8a341f1

code:ruby

buf = "歌《うた》の話《はなし》について"

こうなりますよね

これはわかる

なので「行を読んでいく間に数回出てくるパターン」への対応策を考えなきゃならん

subメソッドもgsubメソッドも、引数を2つ取ります。最初の引数には、マッチさせたいパターンを正規表現として指定します。2番目の引数には、マッチした部分と置き換える文字列を書きます。subメソッドは最初にマッチした部分だけを置き換えますが、gsubメソッドはマッチする部分すべてを置き換えます。(p.358)

code:ruby

buf = "歌《うた》の話《はなし》について"

p buf.sub(/《.*》/, "")

p buf.gsub(/《.*》/, "")

さてどうなる？

https://gyazo.com/2006c25f3316ba565ec71b7a4ac15a39

同じだ

説明のとおりでこうなるのは自然

なので改善すべき点は正規表現の書き方にありそう

これは行頭と行末

今回は行の内部にあるから使う必要は無さそう

読むのにじかんがかかる

キャプチャというのがあるのか

丸括弧 ( ) によってキャプチャをすることができます。括弧に囲まれた部分正規表現にマッチした前からn番目の開き括弧によって囲まれた部分式にマッチした文字列を後で参照することができます。

0回以上の繰り返しを表す「*」と1回以上の繰り返しを表す「+」は、可能な限り長い部分にマッチします。逆に、マッチする可能性のある部分のうち一番短い部分にマッチさせる場合は、次のメタ文字を使います。

*? 0回以上の繰り返しのうち最短の部分

+? 1回以上の繰り返しのうち最短の部分

行けた！

✅2つの条件がある場合にどうなるか？

［＃６字下げ］歌《うた》の話《はなし》について［＃「歌の話について」は中見出し］

二回処理を走らせるという手があるな

正規表現は、プログラミング言語内言語みたいなもので、細かい制御が難しい

Wiki文法の解析などをするときは正規表現を使わないケースがある

正規表現を使う場合は、と書き忘れた。

正規表現を使って2つのルールを組み合わせて1回でやるコードは2倍よりも長くなる

今回の課題の範囲では2つってことになってるけど、すぐ「3つ目を追加したい」とかなる可能性がある

というあたりに思いを馳せてから「長期的視点でコスト最小なのは2回処理する方法だな」と判断する

https://gyazo.com/ac5aca0219e707ce87c158300499e729

できたわ(できるんかい)

https://gyazo.com/71b10a6255d6d2f0dba02448ff1d5359

とりあえずこれでよし

本来は「複数の条件を指定して正規表現を行う」処理を行いたい

じゃあせっかくだしこれやってみよう

改行なしの一行データを上のスクリプトに放り込んだらどうなる？

code:Ruby

# coding: utf-8

Encoding.default_internal = __ENCODING__

buf = "この度《たび》、高濱虚子《たかはまきよし》さん・柳田國男先生《やなぎだくにをせんせい》［＃ルビの「やなぎだくにをせんせい」はママ］と御一《ごいつ》しょに、この一部《いちぶ》の書物《しよもつ》を作《つく》ることになりました。その高濱《たかはま》さんの御領分《ごりようぶん》の俳句《はいく》と同樣《どうよう》に、短歌《たんか》といふものは、ほんとうに、日本國民《につぽんこくみん》自身《じしん》が生《う》み出《だ》したもので、とりわけ、きはめて古《ふる》い時代《じだい》に、出來上《できあが》つてゐたものであります。さうして、それが偶然《ぐうぜん》、私《わたし》の先生《せんせい》でもあり、またあなた方《がた》のこの文庫《ぶんこ》におけるおなじみでもある、柳田國男先生《やなぎだくにをせんせい》［＃ルビの「やなぎだくにをせんせい」はママ］がお書《か》きの諺《ことわざ》の成《な》り立《た》ちとも、原因《げんいん》が竝行《へいかう》してゐるのは、不思議《ふしぎ》な御縁《ごえん》だとおもひます。"

buf2 = buf.gsub(/《.*?》/, "")

print buf2.gsub(/［.*?］/, "")

code:処理結果

この度、高濱虚子さん・柳田國男先生と御一しょに、この一部の書物を作ることになりました。その高濱さんの御領分の俳句と同樣に、短歌といふものは、ほんとうに、日本國民自身が生み出したもので、とりわけ、きはめて古い時代に、出來上つてゐたものであります。さうして、それが偶然、私の先生でもあり、またあなた方のこの文庫におけるおなじみでもある、柳田國男先生がお書きの諺の成り立ちとも、原因が竝行してゐるのは、不思議な御縁だとおもひます。

うーん達成感。

✅改行が含まれてる場合にどうするか？

https://gyazo.com/a413b7a8fbecb462f517da8de4fc9722

\n詩の話について\n

消すと改行情報が亡くなってしまう？

たのしいRuby(p.32, 33)

たとえば、数値の100 と文字列の"100" を、print メソッドやputs メソッドで表示させると、どちらも単に「100」と表示されてしまいます。これでは本当はどちらのオブジェクトなのか、表示結果から確認できません。そんなときには、pメソッドを使うのが便利です。pメソッドなら、文字列と数値を違った形で表示してくれるのです。

もっとエレガント(?)にしたい

短く、すっとするような

行情報があるときにどうなるか？

code:txt

この度《たび》、高濱虚子《たかはまきよし》さん・柳田國男先生《やなぎだくにをせんせい》［＃ルビの「やなぎだくにをせんせい」はママ］と御一《ごいつ》しょに、この一部《いちぶ》の書物《しよもつ》を作《つく》ることになりました。

その高濱《たかはま》さんの御領分《ごりようぶん》の俳句《はいく》と同樣《どうよう》に、短歌《たんか》といふものは、ほんとうに、日本國民《につぽんこくみん》自身《じしん》が生《う》み出《だ》したもので、とりわけ、きはめて古《ふる》い時代《じだい》に、出來上《できあが》つてゐたものであります。

さうして、それが偶然《ぐうぜん》、私《わたし》の先生《せんせい》でもあり、またあなた方《がた》のこの文庫《ぶんこ》におけるおなじみでもある、柳田國男先生《やなぎだくにをせんせい》［＃ルビの「やなぎだくにをせんせい」はママ］がお書《か》きの諺《ことわざ》の成《な》り立《た》ちとも、原因《げんいん》が竝行《へいかう》してゐるのは、不思議《ふしぎ》な御縁《ごえん》だとおもひます。

code:処理結果

この度、高濱虚子さん・柳田國男先生と御一しょに、この一部の書物を作ることになりました。

その高濱さんの御領分の俳句と同樣に、短歌といふものは、ほんとうに、日本國民自身が生み出したもので、とりわけ、きはめて古い時代に、出來上つてゐたものであります。

さうして、それが偶然、私の先生でもあり、またあなた方のこの文庫におけるおなじみでもある、柳田國男先生がお書きの諺の成り立ちとも、原因が竝行してゐるのは、不思議な御縁だとおもひます。

いよーし！Goodッ！