Regular Expression(正規表現) Part14 [無断転載禁止]©2ch.net

**デフォルトの名無しさん** · 2017/03/15(水) 02:04:35.47

Regular Expressionスレです。

質問する場合は必ず実装言語や処理系ソフトウェア名を示してください。

前スレ
Regular Expression(正規表現) Part13
http://echo.2ch.net/test/read.cgi/tech/1415149975/

次スレは>>980宜しく
天ぷら等2以降

**デフォルトの名無しさん** · 2019/07/22(月) 01:27:11.95

>>920
おおサンクス。
ただ、それって 2007/05/25 より後だから、別件だね。
無駄に喧嘩してるなあ。

内容はkkos氏の方が正しい。
鬼車は最速を目指したライブラリなのだから、無駄なことは出来る限り省かなければならない。
そもそもスクリプト言語で不完全な文字列って、バイト列を直接与えるとかしないと出来ないはずだし、
その場合にはRuby側でチェックしておけ、というのはその通りで、極めて妥当な要求だ。
Rubyなんてmutable stringなのだから最初に必ずコピーが必要で、普通はその時にやればいいだけ。
その方が今時の型安全にも合うし。

それを「実は僕も問題だと思ってたんだよね」みたいな受け方をするからそりゃ不信感が募る。
これは完全にMatzが糞で、実はC流のグダグダコードを書いていて、
どこで何をするべきか分かってないのだと思う。
そしてRuby界隈ではMatzは変に神格化されてて裸の王様化してる、ってとこだろう。
878の動作結果を見ても、誰も問題だとは指摘出来ないようだし。

これはkkos氏が言っているとおりがそのままで、普通は、というか本当は、
1. Rubyは rb_enc_mbclen(p,end,enc) で記述していたが、
2. 鬼車が rb_enc_mbclen(p,enc) で記述されていることに気づき、
3. 何で end が無いのか確認して、
4. Ruby側にチェックをつける
という流れになる。
1が無いのに、「し、知ってたし」みたいなことを言うから「嘘つくな」になる。
つってもこういうちょっとズルいというか卑怯というか、絶対俺のバグは認めないマンは残念ながら普通にいるから、
いちいち問いただしても始まらない。ただ、多分、kkos氏が切れたのはその後、
> それはそれとして、鬼車を呼ぶ前に「一文字を完成していない不完全なバイト列は含まない」ことをチェックするのはかなりコストが高いのですが、
これだとは思う。鬼車側でチェックしたらコストが安い訳でもないのに、これはない。
これはコイツとは一緒にはやれない、という結論を出すには十分だ。
本来Aでやるべき事をBでやる、みたいなことをすると、コードが一気に劣化していく。
長いこと保守するつもりなら絶対に飲めない。実際、鬼車は今も保守されているし、kkos氏の判断は妥当だ。

**デフォルトの名無しさん** · 2019/08/01(木) 15:57:12.21

>>789やってくれる人はいないか～
２ｃｈ全盛期なら誰かしらやってくれた可能性高いけどすっかり寂れたな

onigmoに興味があるならtakata氏の日記を読破してみてはどうかな
作りながら考えてたことが分かって面白かったよ

**デフォルトの名無しさん** · 2019/08/24(土) 12:41:17.80

perlで

(?<=(aa|bb))c

ならokだが

(?<=(aa|bbb))c

だとVariable length lookbehind not implementedになるの納得いかないなー
確かに戻り読み部分の長さに複数の可能性があるけど明らかに有限じゃん

秀丸のHmJre.dllだと通るようだ

**デフォルトの名無しさん** · 2019/08/24(土) 13:46:10.60

(?<=(aa.*|bbb))c

**デフォルトの名無しさん** · 2019/08/25(日) 15:17:23.04

(?<=aa|bbb)c

**デフォルトの名無しさん** · 2019/09/01(日) 12:33:19.59

JS（ES2017）です

「貫樣」みたいな、中国語でしか使われないような怪しい漢字を弾きたい
（日本語で使われる漢字のみ許可したい　この場合は「貫」だけ残して「樣」は消したい）
のですが

CJKとか言って一緒くたになっている以上、Unicode範囲指定などで判別することはできないですかね…？

**926** · 2019/09/01(日) 12:38:35.03

「樣」は一応日本語でも使うみたいですね…
とりあえず常用漢字じゃなければ弾くくらいでもいいのですが
常用漢字表を作って比較するくらいしかない…のかな？

**デフォルトの名無しさん** · 2019/09/01(日) 13:31:25.10

http://www.shuiren.org/chuden/teach/code/main8.htm

**デフォルトの名無しさん** · 2019/09/01(日) 13:35:35.35

ねむい
http://kanji.zinbun.kyoto-u.ac.jp/~yasuoka/CJK/gb2312-80.gif
http://kanji.zinbun.kyoto-u.ac.jp/~yasuoka/index-j.html

**デフォルトの名無しさん** · 2019/09/01(日) 18:46:39.31

>>927
樣は様の旧字で現在でも許容字体扱いだから「常用漢字表」にも
出て来る。
https://ja.wikipedia.org/wiki/%E5%B8%B8%E7%94%A8%E6%BC%A2%E5%AD%97%E4%B8%80%E8%A6%A7

>928-929みたいなのはあくまでコンピューター用のコードの
まとまりの話だから常用漢字か否かは区別していない。

上のリンクのウィキの本表をエクセルにコピーして２列目の
通用字体だけを残して改行を消してやり、それと平仮名や
記号を除外規定にして残り全部消すとかなら正規表現だけでも
さっさと終わるんじゃないかな。

JISの範囲内だけがほしいならシフトJISで保存したら他は
疑問符になるだろうからそれをまとめて削除したらおしまいだろうが
繁体字の樣は残る。簡体字の[木羊]は消える。

**デフォルトの名無しさん** · 2019/09/01(日) 21:04:09.80

Google謹製の正規表現ライブリ「re2」でググったら「バイオハザード2 RE:2」が検索上位に来るのどうにかならない？

**デフォルトの名無しさん** · 2019/09/01(日) 22:01:25.54

>>931
s/^(.+)でググったら「バイオハザード2 RE:2」が検索上位に来るのどうにかならない？$/$1/

**デフォルトの名無しさん** · 2019/09/01(日) 22:50:02.12

RE2 regex とか RE2 正規表現とかでググれば

**デフォルトの名無しさん** · 2019/09/10(火) 22:48:57.92

直前の文字が1回以上出現することが確実なケースで、仮に0回の出現として考慮しても問題がないという場合に、
+ではなく*で正規表現を記述する理由はありますか？

例えば、慣例として*のほうを使うとか、*とするとマッチしない場合のみ+を使うとかそういう

**デフォルトの名無しさん** · 2019/09/10(火) 23:21:08.02

0回も許容するなら+ではなく*にする理由は0回も許容するからとしか

**デフォルトの名無しさん** · 2019/09/10(火) 23:26:41.78

具体例で示してくれんとなんか曖昧でよくわからんね

**デフォルトの名無しさん** · 2019/09/11(水) 12:05:55.89

>1回以上出現することが確実なケース

>仮に0回の出現として考慮しても問題がない

矛盾してるな

**デフォルトの名無しさん** · 2019/09/11(水) 15:12:05.49

>>934
出現が確実ではあるが、もしなかった場合にも対応したい
そういう要求があり、動作にも差し支えない場合なら * をつかう
ということに尽きるでは？

**デフォルトの名無しさん** · 2019/09/11(水) 16:12:55.15

>>762

**デフォルトの名無しさん** · 2019/09/12(木) 02:26:26.53

やっぱ質問して放置か、教える側も学習すべきだな
まともな質問じゃないと思ったらスルーでいい

**デフォルトの名無しさん** · 2019/09/12(木) 04:33:29.68

別におかしな質問じゃないだろ

**デフォルトの名無しさん** · 2019/09/12(木) 06:58:37.97

いや普通におかしいだろ
なんか無理矢理の条件考えて論争させようとしてるような気がする

**デフォルトの名無しさん** · 2019/09/12(木) 08:21:20.40

自分なら人にこういう質問レスを書くかなって考えてみて絶対書かないと
思うものにはレス付けないのがいいかもね
説明不足で意味不明なものとかも

**デフォルトの名無しさん** · 2019/09/12(木) 09:22:01.93

●Regular Expressionの使用環境
Mery

●検索か置換か？
置換

●説明
属性内のアルファベット小文字を削除

●対象データ
id="105I42b 104I41b"
id="99E65e 95B43d 92B87d"
id="97B22d 95D18a 93B22c 93E23b"

●希望する結果
id="105I42 104I41"
id="99E65 95B43 92B87"
id="97B22 95D18 93B22 93E23"

id="((\d+[A-Z]\d+)[a-z] ?){2,}"で検索は出来たのですが置換が思い浮かびません

**デフォルトの名無しさん** · 2019/09/12(木) 10:00:21.41

わかりやすいように、できるだけそのまま書くならこうかな

●検索文字列
(id="|\G )((\d+[A-Z]\d+))[a-z]

●置換文字列
\1\2

**デフォルトの名無しさん** · 2019/09/12(木) 10:04:35.65

置換に問題は無いけど()が二重になってたミス修正
(id="|\G )(\d+[A-Z]\d+)[a-z]

**デフォルトの名無しさん** · 2019/09/12(木) 10:30:50.86

>946
出来ました！
ありがとうございます。

田中哲スペシャルっていうやり方なのでしょうか

**デフォルトの名無しさん** · 2019/09/12(木) 11:08:37.62

\Gは照合開始位置と呼ばれる物で、マッチした箇所の後の境界にマッチしてくれるので
さっきのように(特定の文字列or前回置換しところ)の後に置換したい文字列があるときとかに便利で定番

田中哲スペシャルは\gで同じ表現をもう一回使うって奴だから違うかな

**デフォルトの名無しさん** · 2019/09/12(木) 11:58:31.87

>948

勉強になります。

ちなみに最初の値にはアルファベットがついてないケースだと拾えなかったのですが
id="97B22 95D18a 93B22c 93E23b"

対応策ありますでしょうか？

**デフォルトの名無しさん** · 2019/09/12(木) 12:04:38.94

自分ならこの時点でスルー
\Gは文頭にもマッチするから誤爆対策を忘れずに

**デフォルトの名無しさん** · 2019/09/12(木) 15:04:33.55

>>949
自分でも書けない訳じゃないみたいだし、魚を与えるより釣り方を教えよの精神でヒント
変更のない置換後でも\Gは引っかかるので、小文字がないidも全部マッチするようにすれば

こういうのを後出しされるとお互い二度手間だから
質問するときはパターンを網羅的に書いといた方が良いよ

あと>>950が指摘してくれたように誤爆が懸念されるので、\Gを\G(?<=.)にした方が良いかもしれない
●対象データが正確で、実際の対象もidのみが載ったリスト形式みたいなものなら要らないけど

**デフォルトの名無しさん** · 2019/09/12(木) 18:04:49.29

>951
ヒントありがとうございます。
残りは自分でがんばってみます。

**デフォルトの名無しさん** · 2019/09/12(木) 18:08:37.95

文字列 "プログラマー" を "プロクライマー" に書き換える正規表現を教えて下さい

**デフォルトの名無しさん** · 2019/09/12(木) 21:50:17.55

そこにソースがあるから登るんだ。

**デフォルトの名無しさん** · 2019/09/12(木) 22:19:07.70

正規表現の使い方じゃなく作り方、バックトラックなど理論から解説している書籍やそれに準ずるサイトなど知っていたらご教示ください。
こうやればこうなるよ、こういうときはこうすればいいんだよ的な学習では身に付かなくて…

**デフォルトの名無しさん** · 2019/09/12(木) 22:56:30.12

自分が参考にしたのはここだったかな
http://fussy.web.fc2.com/algo/search5_regex.htm

実装の仕方がある程度分かれば鬼車の作者さんのブログ(rubyの一件以前の記事)も参考になると思う

**デフォルトの名無しさん** · 2019/09/12(木) 23:14:33.93

ありがとうございます！
rubyの一件って何ですか？（何て検索したらいいですか？）

**デフォルトの名無しさん** · 2019/09/12(木) 23:43:24.49

Rubyの作者さんと何かあったようで嫌気が差したのかそれ以後ブログで正規表現のことを
取り上げる頻度がめっきり減っちゃったんですよ

**デフォルトの名無しさん** · 2019/09/13(金) 08:32:54.25

>>958
ありがとうございます！
なるほど、残念ですね…

**デフォルトの名無しさん** · 2019/09/13(金) 10:47:34.78

955
https://codezine.jp/article/detail/3158
https://tociyuki.hatenablog.jp/entry/20070222/1172158021
http://hellocode.jugem.jp/?eid=748

**デフォルトの名無しさん** · 2019/09/13(金) 11:54:40.09

正規表現はどの言語でも共通で使えますか？それともちょっと違ったりしますか？

**デフォルトの名無しさん** · 2019/09/13(金) 12:02:22.73

ちょっと違ったりします

**デフォルトの名無しさん** · 2019/09/13(金) 13:25:46.31

Ruby で作った。
一旦、パターンで一致させてから、一致した行だけを変換した。
ただし、同じ行に、id="～" が複数あると、バグる！

src = <<'EOT'
id="aAxy Xz"
あ
id=""
id="9"
id="9y"
EOT

# id=" で始まって、" 以外の文字が続いて、" で終わる
re = /id\=\"([^\"]+)\"/ # ( ) 内は、$1

dest = src.gsub( re ) do |line|
'id="' + $1.delete( "a-z" ) + '"'
end

print dest

出力
id="A X"
あ
id=""
id="9"
id="9"

**963** · 2019/09/13(金) 13:43:10.59

>>963
修正

>ただし、同じ行に、id="～" が複数あると、バグる！
大丈夫だった。正常に動く

**デフォルトの名無しさん** · 2019/09/16(月) 02:45:59.31

JSで
101 dogs
7 little goats
30 8 year old humans

↑をそれぞれ
["101", "dogs"]
["7", "little goats"]
["30", "8 year old humans"]
と切り分けるにはどんな正規表現を使えばよいでしょうか？

["7", " ", "little goats"]のような形でもかまいません

.match(/^\d+\s|.+$/)
だと
["7 ", "little goats"]
になってしまい、数字のあとの余計な半角スペースをあとで取り除かなければならなくなるのがなんか嫌で…

**デフォルトの名無しさん** · 2019/09/16(月) 02:59:29.74

正規表現を使えないなら文字列操作でやればいいだけ
正規表現を使いこなせてない人が使うとバグの温床になるからお勧めしない

**デフォルトの名無しさん** · 2019/09/16(月) 07:18:26.85

>>965
.split(' ', 2)

**デフォルトの名無しさん** · 2019/09/16(月) 12:07:55.69

Ruby では、

chomp で、末尾の改行を削除する。
split の2 は、分割の最大数

text = <<'TEXT'
101 dogs
30 8 year old humans
TEXT

p ary = text.lines( chomp: true ).map { |line| line.split( " ", 2 ) }

出力
[["101", "dogs"], ["30", "8 year old humans"]]

**デフォルトの名無しさん** · 2019/09/16(月) 15:25:40.41

JSでは、
["30", "8 year old humans"]
ではなく
["30","8"]
となる
limitは、分割結果の制限であり、見つかった要素の数をそこまでで打ち切る

**968** · 2019/09/16(月) 15:36:25.96

>969
えー!!

**デフォルトの名無しさん** · 2019/09/16(月) 15:52:31.08

>>970
https://developer.mozilla.org/ja/docs/Web/JavaScript/Reference/Global_Objects/String/split#Returning_a_limited_number_of_splits

**デフォルトの名無しさん** · 2019/09/16(月) 16:04:28.98

matchじゃなくてsplitで

str.split(/(?<=^\d+) /)

か

array = str.split(" ");
array[0] + array.slice(1).join(" ")

とかじゃない？

**デフォルトの名無しさん** · 2019/09/16(月) 16:06:13.84

間違えた
下の最後こうか

[array[0], array.slice(1).join(" ")]

**デフォルトの名無しさん** · 2019/09/16(月) 16:24:50.88

素直に
"30 8 years old".match(/^(\d+) (.*)$/).slice(1)
じゃいかんの？

**デフォルトの名無しさん** · 2019/09/16(月) 16:28:11.45

正規表現逆引きcgiとかないの？
雑に日本語で書き込んだらAIが判断して正規表現を返してくれる
そんなの

**デフォルトの名無しさん** · 2019/09/16(月) 17:07:19.10

>>974
マッチしない場合でもエラーにならないよう保険かけとく方がよいのでは？
(str.match(/～/)||[]).slice(1)

**デフォルトの名無しさん** · 2019/09/16(月) 17:20:26.44

var ary = new Array( 2 )
var str = "30 8 year old humans"

var pos = str.indexOf( " " );
console.log( pos ) // 2

if( pos === -1 ) { // 見つからない
// 何かの処理
} else {
ary[ 0 ] = str.substring( 0, pos )
ary[ 1 ] = str.substring( pos + 1 )
}

console.log( ary ) // [ '30', '8 year old humans' ]

**デフォルトの名無しさん** · 2019/09/16(月) 17:34:55.93

>>976
そう言うのは質問者に適宜やってもらえば良い
絶対マッチするという前提かもしれないし

**デフォルトの名無しさん** · 2019/09/16(月) 17:40:28.59

>>969
知らなかった

**デフォルトの名無しさん** · 2019/09/16(月) 18:09:34.33

const str = '30 8 year old humans'
(([first, ...rest]) => [first, rest.join(' ')])(str.split(' '))
//=> ["30", "8 year old humans"]

あ、正規表現がねぇｗ

**デフォルトの名無しさん** · 2019/09/16(月) 20:46:14.05

.split(/ (.*)/,2)

**デフォルトの名無しさん** · 2019/09/16(月) 22:28:40.71

次スレ立てたんだけど、
Regular Expression(正規表現) Part15
https://mevius.5ch.net/test/read.cgi/tech/1568640311/

テンプレ貼ってたら>>3 がNGワードとやらで貼れません。
というわけであとよろしく。

**デフォルトの名無しさん** · 2019/09/17(火) 10:37:10.53

>>982
>>3
のテンプレにある

【初心者】正規表現【入門】　←閉鎖
ｈｔｔｐ：／／ｆｕｎｃｃｈａｎ．ｂｌｏｇ１６．ｆｃ２．ｃｏｍ／

5ch では、ｆｃ２は、宣伝禁止かも！
これは、半角で書き込めないので、全角に変換した

このURL を削除すれば？

MANGO 板で、NG ワードを調べられる

**977** · 2019/09/17(火) 12:02:24.99

>>977
を修正した

const str = `101 dogs
30 8 year old humans`

const lines = str.split( "\n" ); // 配列

const results = lines.map( line => {
var ary = new Array( 2 )
const pos = line.indexOf( " " );

if( pos === -1 ) { // 見つからない
// 何かの処理
} else {
ary[ 0 ] = line.substring( 0, pos )
ary[ 1 ] = line.substring( pos + 1 )
}
return ary
} );

console.log( results ); // [ [ '101', 'dogs' ], [ '30', '8 year old humans' ] ]

**デフォルトの名無しさん** · 2019/09/17(火) 16:12:25.16

amazonもダメみたいだね、本の紹介しようとしたら弾かれた

**983** · 2019/09/17(火) 17:07:52.35

Ａｍａｚｏｎも、半角で書けないだろ

一番恐ろしいのは、はてなブログ！
書き込み禁止画面が出ずに、いきなり吸い込まれて、アクセス禁止にされる！

同様に、twitter の長いURL も、吸い込まれるものがあるらしい！

5ch で、しつこく宣伝する香具師をはめるために、いきなりのアク禁！

MANGO 板に書き込んで、何がNG ワードが、地道に判定していくしかない

**デフォルトの名無しさん** · 2019/09/17(火) 17:46:48.25

test
https://www.ama%7Aon.co.jp/dp/4938939703

**デフォルトの名無しさん** · 2019/09/17(火) 17:53:38.97

はてブのURL、5ちゃんに書けないのか。気づいてなかったわ。

**デフォルトの名無しさん** · 2019/09/17(火) 17:56:58.73

test
http://d.h%61tena.ne.jp/keyword/%A5%E2%A5%CE%A5%B7%A5%EA%A5%C3%A5%AF%A5%AB%A1%BC%A5%CD%A5%EB

**デフォルトの名無しさん** · 2019/10/02(水) 17:34:34.60

U . M . E

**デフォルトの名無しさん** · 2019/10/12(土) 20:41:17.72

以下を正規表現で行うにはどうしたらよいでしょうか。
-----元データ------------------
<aaa bbb
ccc
ddd>
<eee>
ffff ggg
<hhh
iiii>
-----------------------------
-----欲しいデータ----------------
aaa bbb ccc ddd
eee
ffff ggg
hhh iiii
------------------------------

**デフォルトの名無しさん** · 2019/10/12(土) 20:46:20.53

改行無視のオプション+<>の間を取得して改行を空白に変更でどう？

**デフォルトの名無しさん** · 2019/10/12(土) 22:51:54.37

>>991
Ruby
$ cat input.txt | ruby -e 'puts ARGF.read.gsub(/<(.*?)>/m) { |m| $1.gsub("\n", "") }'

Node
$ cat input.txt | node -e 'process.stdout.write(fs.readFileSync(0).toString().replace(/<([\s\S]*?)>/mg, ($0,$1)=>$1.replace(/\n/g, "")))'

sed
$ echo $(cat input.txt) | sed -E 's/<([^>]*)>/\n\1\n/g' | sed -e '/^ *$/d' | sed -e 's/^ *//'

sedのは一旦改行削除して、<..>の前後に改行追加して、空行削除して、行頭の空白を削除してる

**デフォルトの名無しさん** · 2019/10/13(日) 01:09:33.88

Ruby で、

text = <<"EOT"
<aaa bbb
ccc
ddd>
<eee>
ffff ggg
<hhh
iiii>
EOT

# m option は、multi-line。$1 は、キャプチャー部分。
# [^>]+ は、> 以外の文字が、1文字以上続く
puts text.gsub( /<([^>]+)>/m ) { |matched| $1.gsub( "\n", " " ) }

>>993
>$1.gsub("\n", "")
"" は、" "(半角空白)の間違いだろ

**デフォルトの名無しさん** · 2019/10/13(日) 01:37:59.89

>>994
コピペしたら元データに行末スペースが入ってたからそうしたんだけどこれは5chの仕様なのかな？
行末スペースがないなら空文字じゃなく半角スペースに置換だね

**994** · 2019/10/13(日) 03:33:31.81

5ch からコピーすると、行末に半角空白が入るから、
漏れは、Ruby で削除してる

# クリップボード内の複数行文字列の、各行の先頭・末尾から、
# 連続する空白類を除去して、クリップボードに入れる

str = `powershell Get-Clipboard`
str.encode! Encoding::UTF_8, Encoding::CP932 # UTF_8 へ変換

ary = str.each_line.map( &:strip ) # 連続する空白類を除去する

IO.popen( 'clip', 'w:cp932' ) do | clip | # CP932 へ戻す
clip.print( ary.join "\n" )
end

**デフォルトの名無しさん** · 2019/10/13(日) 07:48:23.30

>>992-994
皆さんありがとうございました。
後方参照をさらに置換すれば良かったんですね。そんな方法があったとは！！
助かりました。

**デフォルトの名無しさん** · 2019/10/13(日) 22:01:19.92

>>996
エディタのコマンドで対応できることだから
わざわざスクリプト書くのはちょっとオーバーキルかな

**デフォルトの名無しさん** · 2019/10/13(日) 22:05:59.26

VScodeの正規表現検索、置換はjavascriptだろうか？

**デフォルトの名無しさん** · 2019/10/13(日) 22:42:48.39

>>999
ripgrep

**1001** · Over 1000

このスレッドは１０００を超えました。
新しいスレッドを立ててください。
life time: 942日 20時間 38分 13秒