From: "Y. NOBUOKA" <nobuoka@...>
Date: 2011-04-29T00:13:34+09:00
Subject: [ruby-list:48017] Re: 文字列を正規表現にマッチする部分と他の部分に分割

5.5 さん

信岡です。

> 文字列 S の中で，正規表現 R にマッチする部分とそれ以外の
> 部分をそれぞれ取得したいときに，どうもうまい方法が見つか
> りません。

正規表現でマッチした部分や、マッチした部分の前の部分、
後の部分を取得するための変数として、以下のものがあります。

マッチした部分 : $&
前の部分 : $`
後の部分 : $'

irb(main):025:0> 'abcdefg,test' =~ /,/
=> 7
irb(main):026:0> "マッチ部分 : #{$&}"
=> "マッチ部分 : ,"
irb(main):027:0> "前の部分 : #{$`}"
=> "前の部分 : abcdefg"
irb(main):028:0> "後の部分 : #{$'}"
=> "後の部分 : test"

これを用いれば、単純な while ループで望みの動作を得られます。

result = ''
str = 'ab12cd'
while true do
  i = ( str =~ /\d+/ )
  result << $`.upcase << "<#{$&}>"
    str = $'
end
result << str #=> "AB<12>CD"

ただ、5.5 さんの書かれた StringScanner での例と同じように
非マッチ文字列に対する処理が 2 箇所に書かれているという
問題があります。
そこで、自分で新たに String#each_segment メソッドを定義する
なら、以下のようになります。

class String
  def each_segment( regexp )
    str = self
    while str =~ regexp do
      yield( $`, false )
      yield( $&, true )
      str = $'
    end
    yield( str, false )
  end
end
result=""
  "343ab12cd534".each_segment /\d+/ do |str, match|
  result << (match ? "<#{str}>" : str.upcase)
end
result => "<343>AB<12>CD<534>"


> マッチ部分とそれ以外の部分を取り出すには，String#split
> に括弧付きの正規表現を与える方法もありますが，
>
> "ab12cd".split(/(\d+)/) # => ["ab", "12", "cd"]
>
> 正規表現中にグルーピングのための括弧があるとダメですし，
> マッチ部分かそうでない部分かをもう一度判定しなければなり
> ません。

正規表現中にグルーピングのための括弧があると、とのことですが、
グルーピングにはグルーピングのための記法 ("(?:XXX)" の形式) が
あるので、これを用いれば問題にはならないと思います。

また、マッチ部分かそうでないかの判定は、結果の配列の偶数番目
か奇数番目かで判断すればいいのではないでしょうか？
偶数番目はマッチ部分、奇数番目はそれ以外、です。

irb(main):009:0> "1242faefa3423fae344".split( /(\d+)/, -1 )
=> ["", "1242", "faefa", "3423", "fae", "344", ""]

> 汎用性のあるもっとうまい書き方があるのか，それとも提案し
> たようなメソッドの導入に意義があるのか，どんなものでしょ
> うか。

私が思いつく限りでは、上で述べたような方法で望みの処理ができるのでは
ないかと思います。 (もしかするともっといい方法があるかも。。)
自分で定義して使う分には、提案されたようなメソッドを定義するのも便利で
良いと思います。

参考になりましたら幸いです。

-- 
信岡 ゆう (NOBUOKA Yu)