[ruby-list:48020] 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

信岡さん

5.5 です。アドバイスありがとうございます。

> 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"

これだとループの二回めで =~ が失敗し，$`.upcase で例外が発生しますが，
考え方は分かりました。ループのところは

while /\d+/=~str
  result <<  $`.upcase<<  "<#{$&}>"
  str = $'
end

でいいのですね。
str を温存する方法ばかり考えていたので，思いつきませんでした。
大きなテキストで，かつマッチ箇所が多数あると，大量の文字列ゴミが出ま
すよね。

> 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。

そうですね，メソッドをつくっちゃえばいいわけですね。


>> 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。

そうなのですが，以下の理由で避けました。

[1] /(\d).\1/ のように正規表現中で後方参照を使いたい場合もある。
[2] あまり慣れていない人に使ってもらうツールを考えていたので，
　エンドユーザーに (?: ) の使用を強いるのが憚られた。
[3] ブロック内でマッチデータを積極的に使いたい場合もある。

この，[2] の具体例ですが，正規表現学習者のために，ブラウザー上
でテキストと正規表現を入れると，マッチ文字列を色分け表示してく
れるツールを作っていました。
当初 split でやったら，正規表現に ( ) が入ったときに失敗したの
で，StringScanner で作り直しました。


> 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", ""]

-1 を付けてやることで，必ず偶数番目がマッチ部分になるわけです
ね。なるほど，これは思いつきませんでした。

-- 
[e-mail]