Regular Expression(正規表現) Part15

**デフォルトの名無しさん** · 2019/09/16(月) 22:25:11.87

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) Part14
https://mevius.5ch.net/test/read.cgi/tech/1489511075/

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** · 2021/02/06(土) 15:07:35.62

(?<!\[)\[hoge\](?!\])

**デフォルトの名無しさん** · 2021/02/06(土) 16:56:52.18

>>503
VBSには否定戻り読みは無いので、工夫するしかない
すぐには思いつかないけどもっといい方法もあるかもしれないのでググってみては？
愚直には、一つの方法として以下の場合に分ける
1) [hoge]で始まる場合
2) 文字列があって [ 以外で終わって [hoge] がある場合
3) 文字列があって [ で終わってる場合、[hoge] があって ] が続かないこと

pattern : "^(?:\[hoge]|(.*?\[)\[hoge\](?!\])|(.*?[^\[])\[hoge\])(.*)$"
replace : "$1$2$3"

abcdef → abcdef
[hoge]def → def
[[abc]]def → [[hoge]]def
abc[hoge]def → abcdef
abc[[hoge]]def → abc[[hoge]]def
abc[[hoge]def → abc[def
abc[hoge]]def → abc]def

下2つの場合が無ければもう少し簡易にできる
では[hoge]が2つ以上ある場合はどうするか？
すぐ思いつく方法としては、変換をループさせて、文字列に変化がなければ終わりとか

**デフォルトの名無しさん** · 2021/02/06(土) 17:17:15.94

(¥[hoge¥])(?!¥])|[^¥[](¥[hoge¥])
https://regex101.com/r/xhea5T/1

**デフォルトの名無しさん** · 2021/02/06(土) 17:31:09.15

(\[\[hoge\]\])|\[hoge\] → $1
https://regex101.com/r/xhea5T/2

**デフォルトの名無しさん** · 2021/02/06(土) 17:40:46.95

([^\[])\[hoge\]([^\]])
$1$2

(^|[^\[])\[hoge\]([^\]]|$)
$1$2

**デフォルトの名無しさん** · 2021/02/06(土) 17:44:51.10

>>504->>508
ありがとうございます。
やってみます。

**デフォルトの名無しさん** · 2021/02/06(土) 18:09:33.55

>>507
すばらしいです
>>506,>>508
残念

**デフォルトの名無しさん** · 2021/02/06(土) 18:21:12.27

発想の転換だな
目鱗

**デフォルトの名無しさん** · 2021/02/06(土) 18:57:27.44

>>507
へぇー、これは面白い

**デフォルトの名無しさん** · 2021/02/06(土) 19:33:52.91

>>507
これは賢い

**デフォルトの名無しさん** · 2021/02/16(火) 18:09:22.76

※間はタブです
●Regular Expressionの使用環境
サクラエディタ

●検索か置換か？
置き換え

●説明
(ABC|JKLHI7)を反転させたい

※(ABC|JKLHI7)→空に置き換え
ABC　　　　DEF　　　　　123
FGH　　　　JKL　　　　　956
GBN　　　　MJK　　　　HI7

↓こうなります

　　　　DEF　　　　　123
FGH　　　　　　　　　956
GBN　　　　MJK

(ABC|JKLHI7)を反転させて
ABC　　　　
　　　　JKL　　　　　
　　　　　　　　HI7

というデータに置き換えたいです。
よろしくお願いいたします。

　　　　

**デフォルトの名無しさん** · 2021/02/16(火) 18:10:03.36

>>514
説明の部分に誤りがありました。
●説明
(ABC|JKLHI7)を反転させたい

でなく
(ABC|JKL|HI7)を反転させたい

でした。

**デフォルトの名無しさん** · 2021/02/16(火) 18:30:01.16

区切りは全角空白なのかい？
まあこんなのでどう？
(ABC|JKL|HI7)|[0-9A-Z]*→$1

**デフォルトの名無しさん** · 2021/02/16(火) 19:29:55.89

>>516
ありがとうございます。
その発想まったくありませんでした。

ほしいものカッコで包んで|要らないもので置き換え
御見それしました。

ありがとうございます。

**デフォルトの名無しさん** · 2021/02/16(火) 20:11:15.08

>>516
>>507再び
再度>>511感想

**デフォルトの名無しさん** · 2021/02/17(水) 00:48:24.95

XABCXのようなものまでABCにしたいなら、末尾を+?に変えた方がいいかも

**デフォルトの名無しさん** · 2021/02/18(木) 23:51:52.71

面白いなあ
逆に正規言語じゃない言語ってどんなのか気になる

**デフォルトの名無しさん** · 2021/02/19(金) 07:25:19.97

言語？

**デフォルトの名無しさん** · 2021/02/19(金) 18:55:29.37

文脈自由言語とか文脈依存言語とか?

**デフォルトの名無しさん** · 2021/02/19(金) 20:03:11.77

文脈も先読み後読みrematch駆使すれば取れそうに思うけど、本来どこまでやっていいんだっけ理論とか分からん

**デフォルトの名無しさん** · 2021/02/19(金) 20:05:33.21

正規表現で記述可能な文字列の集合を指して正規言語という

が、その意味で使われたのかは定かでない

**デフォルトの名無しさん** · 2021/02/19(金) 20:15:12.89

取り敢えずその言語がn要素の有限集合ならstr1|str2|...|strn で表現できるのでは
文字列の長さを制限して、有限の文字集合なら
すげーつまらないけど

**デフォルトの名無しさん** · 2021/02/19(金) 20:33:20.22

無作為な文字列から、特定の言語に属する部分列を検出しろ、って問題にどれだけ簡潔に答えられるかってことだよな
どう計ったものか

**デフォルトの名無しさん** · 2021/02/20(土) 01:01:18.47

AIに正規表現を設計させたらどんなものになるのだろう

**デフォルトの名無しさん** · 2021/03/03(水) 06:22:13.41

●Regular Expressionの使用環境
python 3.x

●検索か置換か？
検索

●説明
ここをアクセスの次に出てくるURL(ttp://xxxx2/)をとってきたい
pattern = re.search("▼ここをアクセス.*(http.*\n)+?",a_text,flags=re.DOTALL)
複数行検索してるが最後のURLをとってきてしまう

●対象データ

URL1です
ttp://xxxx2/

　□　　　　　　　【▼ここをアクセス】
ttp://xxxx2/

URL2です
ttp://xxxx3/

●希望する結果
ttp://xxxx2/

**デフォルトの名無しさん** · 2021/03/03(水) 06:44:56.40

> "▼ここをアクセス.*(http.*\n)+?"
python分からんけど
"▼ここをアクセス.*?(http.*?\n)"

**デフォルトの名無しさん** · 2021/03/03(水) 07:02:17.82

>>529
レスサンクスですが、最後のttp://xxxx3/を拾ってきてしまいます

**デフォルトの名無しさん** · 2021/03/03(水) 07:20:09.73

自己解決
"▼ここをアクセス.+?(http.+?)\n"
でいいみたい

**デフォルトの名無しさん** · 2021/03/07(日) 14:22:59.84

正規表現ってパズルとしては面白いけど
https://oraclesqlpuzzle.ninja-web.net/regex/index.html
可読性に問題あるんじゃね?
もっとマシな別の表記方法が必要じゃないか？

**デフォルトの名無しさん** · 2021/03/07(日) 16:02:01.74

自分が解らないものは悪

**デフォルトの名無しさん** · 2021/03/07(日) 16:17:46.75

理解の過程で可読性に問題があるのではと疑問を抱き、
別の表記法の必要性を考え、
そのあと別の表記を実際に考えるところまでやると、
正規表現考えたケン・トンプソンすげーなってなる

**デフォルトの名無しさん** · 2021/03/07(日) 17:26:15.98

>>532
> もっとマシな別の表記方法が必要じゃないか？
定期的にそう言うのが話題になるけどなかなかいい記法が無いんだよね
abc+
程度の簡単な奴と
^((?!aaa).)*((?=aaa)a((?!aaa).)*){3,5}((?!aaa).)*$
みたいなパット見よく分からん奴を１つの記法で簡単に見易くするのはなかなか難しい

**デフォルトの名無しさん** · 2021/03/07(日) 17:53:05.78

やるとしたらアスキー文字以外の文字や記号を加えてもうちょっと役割を分散させると、機能を保持しつつ見やすくはなるが、そうすると今度はラテン文字圏の人が「自分が解らないものは悪」でいかに不要かを全力で説き始めると思う。

**デフォルトの名無しさん** · 2021/03/07(日) 17:56:22.71

ASCII外の文字使うと入力コストが高くなるじゃん

**デフォルトの名無しさん** · 2021/03/07(日) 18:04:15.76

?とか^とか二つの意味を持つのは何とかしてほしかったよな
まあ分かるからいいんだけど

**デフォルトの名無しさん** · 2021/03/07(日) 20:25:01.40

可読性を犠牲にして短く書けるのが正規表現
正規表現と同じことを可読性の高い表現で記述しようとすればなにかと長くなる
ただある一定以上複雑な正規表現は普通のプログラミング言語で書き直したほうが可読性も保守性も高い

**デフォルトの名無しさん** · 2021/03/07(日) 21:12:54.42

普通のプログラミング言語で正規表現ライブラリ使ってます

**デフォルトの名無しさん** · 2021/03/07(日) 21:23:44.60

例えば.NETみたいに正規表現中に改行入れたりコメント書けるようにするとかして可読性を上げる試みはあるね
https://www.atmarkit.co.jp/fdotnet/dotnettips/582regexcomment/regexcomment.html

**デフォルトの名無しさん** · 2021/03/07(日) 21:31:45.50

>>539
それしかなさそうだ

**デフォルトの名無しさん** · 2021/03/07(日) 21:36:49.39

>>541
改行してコメント書くのは Perl の正規表現でもできたりする

**デフォルトの名無しさん** · 2021/03/07(日) 21:55:32.23

>>541
その例にある(?<url>.*?)みたいな名前付きキャプチャも
可読性を上げられる数少ない要素だと思うけど

**デフォルトの名無しさん** · 2021/03/07(日) 22:46:53.20

https://oraclesqlpuzzle.ninja-web.net/regex/regex-2-30.html
これは解読無理やろｗ　課題→正規表現を思いつくことはできるかも知れんが
正規表現→課題の解読は不可能に近い

課題：行ごとで、
文字列CABと
文字列ABCのみの行を検索する。

^((C(?=AB))|((?<=C)A(?=B))|((?<=CA)B)
|(A(?=BC))|((?<=A)B(?=C))|((?<=AB)C))*$

**デフォルトの名無しさん** · 2021/03/07(日) 23:05:17.93

>>545
^(?:CABC?|ABC(?:AB)?)+$

でよくない？

**デフォルトの名無しさん** · 2021/03/07(日) 23:21:37.42

それで同じ結果になるな　regex 101 でやると

**デフォルトの名無しさん** · 2021/03/07(日) 23:53:47.53

正規表現には「必ず」コメントが欲しいな
できれば例も
典型例と境界例も

**デフォルトの名無しさん** · 2021/03/11(木) 21:40:27.72

お願いします
●Regular Expressionの使用環境
JavaScript

●検索か置換か？
置換

●説明
数字の文字列の間の1個以上の空白や改行を　カンマで置換して繋げたい

33034640, 33034640, 21703214
●対象データ
33034640 30203225

21703214

**デフォルトの名無しさん** · 2021/03/11(木) 22:14:06.84

>>549
¥s+をカンマで置換

**デフォルトの名無しさん** · 2021/03/11(木) 22:15:56.92

https://regex101.com/r/h90Hqy/1

**デフォルトの名無しさん** · 2021/03/11(木) 22:29:51.41

前後の数字チェック入り(区切りに\t,\fを除く）
（JavaScriptって言ってもWSH(JScript)や古いとダメ）
text.replace(/(?<=\d)[ \r\n]+(?=\d)/,", ")

**デフォルトの名無しさん** · 2021/03/11(木) 22:30:57.72

text.replace(/(?<=\d)[ \r\n]+(?=\d)/g,", ")

**デフォルトの名無しさん** · 2021/03/11(木) 23:04:03.06

>>550
それすると文頭や文末にあるスペースにもカンマがついて変になっちゃいます。

**デフォルトの名無しさん** · 2021/03/11(木) 23:08:30.44

>>553
iPadのtextwellっていうアプリでやってるんですが・・・何故か動かないです

**デフォルトの名無しさん** · 2021/03/11(木) 23:29:09.19

>>554
うーんなんだかなぁって感じだけど
look-behindが使えない環境ならキャプチャして上書きすればいいよ
https://regex101.com/r/ttVIeE/1

**デフォルトの名無しさん** · 2021/03/11(木) 23:33:53.05

文頭,文末のスペース,改行を残す必要がないなら先にtrimしちゃえば良いのでは
str.trim().replace(/\s+/gm, ',')

**デフォルトの名無しさん** · 2021/03/12(金) 07:31:49.43

>>557
できました！ありがとうございました！

**デフォルトの名無しさん** · 2021/03/25(木) 17:05:14.58

浮動小数点数の仮数部の正規表現がたとえば
https://qiita.com/hitsumabushi845/items/1b1a4921d515f662b416
を見ると
([0-9]+(\.[0-9]*)?|\.[0-9]+)
とかなり煩雑な感じなんですが、これを[0-9]+と\.?のインターリービングとして表記できればより簡潔になるはずなのに、なぜ正規表現にインターリービングがないのか、ご存知の方いらっしゃいませんか?

**デフォルトの名無しさん** · 2021/03/25(木) 18:34:43.45

インターリービングとは

**デフォルトの名無しさん** · 2021/03/25(木) 18:35:20.79

>>559
どういう意味？
[0-9.]+
っていうことか？
12.34.56
こういうものも拾うことになるけど

**デフォルトの名無しさん** · 2021/03/25(木) 18:44:54.48

正規表現でやるものなのかそれ？

**デフォルトの名無しさん** · 2021/03/25(木) 20:05:19.84

0-9が１回以上、.が1回以下現れるパターンを簡潔に書ければいいんだよね

**デフォルトの名無しさん** · 2021/03/25(木) 20:51:18.60

>>559
0.123とかだけでなく.123みたいな表記も含めてるから煩雑に見えるだけでしょ

**デフォルトの名無しさん** · 2021/03/25(木) 20:57:31.28

例えばpythonだと、

\d

と書くと、

[0-9]

と同じ意味になるんだが、その程度の省略ができるだけでは不満?

**デフォルトの名無しさん** · 2021/03/26(金) 12:59:11.27

まず\dと[0-9]は一致しないケースがあるからダメでしょ

単なるバイトシーケンスとして扱っているときは \d == [0-9] だけど、
Unicodeの文字列として扱っているときはUnicodeのNdカテゴリに一致するかを見るので
\dが全角の「０」に一致したりする

Pythonもこういう仕様持ってた気がするけどちょっと最近触ってないから怪しい

**デフォルトの名無しさん** · 2021/03/26(金) 13:48:50.07

([0-9]+(\.[0-9]*)?|\.[0-9]+)

なんかほかのものもマッチする
0.
0.0.0
https://regex101.com/r/MK7ZcW/

**デフォルトの名無しさん** · 2021/03/26(金) 13:50:58.63

\dより\wで嵌ることが絶対多い（Unicodeの場合）

**デフォルトの名無しさん** · 2021/03/26(金) 14:50:30.80

動きそうで動かないのは、\s\Sかな
改行かなにかで引っ掛からなくて困る事がある

**デフォルトの名無しさん** · 2021/03/26(金) 19:09:23.59

>>567
部分列にマッチしたんだろうな

**デフォルトの名無しさん** · 2021/03/27(土) 07:24:19.21

>>567
0. にマッチするのは仕様通り
0.0.0 にマッチしてるのはグローバルフラグを付けるてるから 0.0 と .0 にマッチしてる
外せばマッチしないよ

**デフォルトの名無しさん** · 2021/03/27(土) 07:53:26.38

>>571
.0にマッチするのは正しいんじゃないの？
要らないなら[0-9]+(\.[0-9]*)?で済むでしょ

**デフォルトの名無しさん** · 2021/03/27(土) 07:59:48.48

数値として正しくないものの一部にマッチするのがいやなんだろ
そりゃ前後の条件を指定してないからマッチするのは当然なんだから
(?<![0-9.])と(?![0-9.])を前後につけりゃ弾けるよ

**デフォルトの名無しさん** · 2021/03/27(土) 08:17:02.42

>>573
そういう話ではない
>>559のリンク先の正規表現から浮動小数点数の指数部である
末尾の([eE][+-]?[0-9]+)?を除いてるからおかしいだけ
そしてリンク先によると.123は意図的に含めてる

**デフォルトの名無しさん** · 2021/03/27(土) 09:50:47.60

>>572
.0 にマッチするのは正しいよ
0.0.0 にマッチするのがおかしいって話ね

**デフォルトの名無しさん** · 2021/03/27(土) 10:05:58.69

マッチしない行を正規表現で抽出したいとき、
必ず、^(?!.*残したい文字).*、この書き方になってしまいます、
必ず^(?!.*と).*で残したい文字を包むという書き方です。

ほかの書き方があれば教えてください。

例えば、以下のようなログファイルでerrだけ残したい場合は
^(?!.*err).*
と書いてerrを残します

[日付] warn メッセージ
[日付] info メッセージ
[日付] err メッセージ
[日付] info メッセージ

特段、これ以外の書き方が出来ず困ったという例も無いのですが、
ほかの表現を（あれば）知ることで、もっと知識を増やせるのではないとおもいお伺いします
よろしくお願いいたします。

**デフォルトの名無しさん** · 2021/03/27(土) 10:12:04.85

>>567 のリンク先を確認したが
([0-9]+(\.[0-9]*)?|\.[0-9]+) が
0.0.0 の全体にマッチしているわけではない

**デフォルトの名無しさん** · 2021/03/27(土) 10:24:10.55

>>576
最後の.*は要らないんじゃないかな

**デフォルトの名無しさん** · 2021/03/27(土) 10:53:48.21

>>576
>例えば、以下のようなログファイルでerrだけ残したい場合は

in-placeで置換するより、残したいものを抽出して新しいファイルを作成したほうがよくないか？
用途によっては日付とログレベルを指定してログファイルに直接クエリを投げてもいい

**デフォルトの名無しさん** · 2021/03/27(土) 12:12:53.22

>>578
>>579
すいません、めっちゃ肝心なことが抜けてました。
使用している環境は主にサクラエディタです。

**デフォルトの名無しさん** · 2021/03/27(土) 12:42:16.84

>>576
(.*err.*)|.* → $1
https://regex101.com/r/5BF9AH/1

それか鬼雲の非包含オペレータで ^(?~err)$

**デフォルトの名無しさん** · 2021/03/27(土) 15:07:28.25

>>580
余計なお世話なんだろうけどログファイルをわざわざエディタで開いて
マッチしない行を正規表現で置換して保存するのは無駄じゃないのって話

↓例えばgrepならこれでよくて指定も簡単だし自動化もしやすい
$ grep 'err' all.log > err.log

マッチしない行を正規表現を使いそうな例として
たまたま思いついただけならならいいんだけど

**デフォルトの名無しさん** · 2021/03/27(土) 17:09:38.08

マッチしない行は-v付ければ取り出せるからな

**デフォルトの名無しさん** · 2021/03/27(土) 18:55:12.69

そもそもサクラエディタにはマッチしない行を抽出する機能あるからあまり真剣に考えたことない

**デフォルトの名無しさん** · 2021/03/27(土) 22:37:04.08

ログの加工をエディタでやろうとするのは筋が悪いわな

**デフォルトの名無しさん** · 2021/03/28(日) 00:36:09.11

加工というか、ログは必要な部分だけ抽出して見たいという需要はある

**デフォルトの名無しさん** · 2021/03/28(日) 01:38:45.00

たまにトラブルシューティングとかで検索する程度ならLog Parserみたいなやつでそれなりに捗るよ
検索はリニアなので量が増えると遅いけどgrepに比べれば条件指定がしやすい
https://www.microsoft.com/en-us/download/details.aspx?id=24659

速度を求めるならBigQueryとかの検索/分析系のDBに突っ込む

**デフォルトの名無しさん** · 2021/03/28(日) 19:46:40.79

>>580
サクラエディタ(bregonig.dll 4.10以降)使ってるなら
>>581も書いてるけど非包含オペレーターが使えます

鬼雲およびbregonig.dllの作者さん（
@k-takata）自身がQiitaに使い方とかも載せてます
https://qiita.com/k-takata/items/4e45121081c83d3d5bfd

**デフォルトの名無しさん** · 2021/03/31(水) 03:07:25.18

regexエンジンって皆さんどういう基準で選んでますか？
ちょつとググるとcommon lispのcl-ppcreがダントツというベンチが出てきますが本当でしょうか？（このスレで言及が見当たらないもので…）
perl風なのがちょっと気になりますが

**デフォルトの名無しさん** · 2021/03/31(水) 03:15:02.21

(試せばいいんだけど、環境構築で折れました…)

**デフォルトの名無しさん** · 2021/03/31(水) 07:27:06.36

特に制限なきゃ俺の採用基準は
・使おうとする言語で楽に使える奴
だな
あとダントツの基準や何を対象にするかは人によって違うから君の考えるダントツを説明しないと回答しようがないと思うぞ

**デフォルトの名無しさん** · 2021/03/31(水) 08:34:08.22

>>591
ベンチって書いてあるから速度でしょ

**デフォルトの名無しさん** · 2021/03/31(水) 11:28:59.80

ユースケースで速度は変わるからそれだけじゃなんとも言えないよね

NGフィルターみたいなものを高速にしたい場合に言語標準以外で考えるなら
re2かhyperscanを候補にするかな

**デフォルトの名無しさん** · 2021/03/31(水) 12:11:49.60

>>591-593
言葉足らずでしたごめん、線形にコードした化学式から部分構造マッチで設計に活かそうかと(古典的だけど)
chemspider.com等から100GB(100万エントリー)のテキストにまとめたが、重複や興味あるデータ以外はawk/sedでメモリに載せずに10GBまでは落とせるかも

コマンドライン引数で正規表現文字列を取り、そのままパイプで渡せる言語(cl、python等)なら速ければ何でもいいかなと
有名なperl/grepもパイプから読むけど、検索効率のためになんかキャッシュしてるようで、すぐメモリが膨らんでクラッシュする

**デフォルトの名無しさん** · 2021/03/31(水) 12:32:32.23

あんまり後処理できないけど、sedのg/re/pはスケーラブルみたい

g/re/commandのcommandでちょっと実験する限り、command中でmatch情報が使われてなければ保持しないのかな？
保持するmatch情報を指定出来き、match情報を得るたびに外部ファイルへ追記できる処理系が必要なのだろうか

**デフォルトの名無しさん** · 2021/03/31(水) 12:57:50.76

なんとなく、パイプ避けたほうが

**デフォルトの名無しさん** · 2021/03/31(水) 13:30:47.96

パイプ自体キューだからメモリ膨らむって理解してるんだけど違うのかな

**デフォルトの名無しさん** · 2021/03/31(水) 13:36:46.22

>>596
メモリに載らないのはパイプ、みたいにバカの一つ覚えしてるんですけど、落とし穴あったりするんですかね？
バッファリングモードには一応気をつけてるつもりですが、詰まらないようにflushを書き加えて再コンパイルしたり
さすがにインタプリタまでは手を入れませんが…

パイプ避けるとなると、
ファイルを100くらいに細かく割り、ループ内で各ファイルを順にメモリマップ、regex掛けて(マッチ情報、ファイル名、行番号)をdbmsに格納
目ぼしいマッチ情報をクエリで拾いながら、(ファイル名、行番号)でシークしてマッチ部分に処理を適用&db書き戻し
って感じになりますかね？

**デフォルトの名無しさん** · 2021/03/31(水) 13:39:03.95

>>597
プロセスの使用メモリ見ながらバッファリングは調整してますが、regex処理系のメモリ使用量がI/Oの収支と合ってないのでキャッシュだと思います

**デフォルトの名無しさん** · 2021/03/31(水) 14:03:15.96

highwayとかであかんの？

**デフォルトの名無しさん** · 2021/03/31(水) 14:18:33.85

いや合ってるのかな…シェルの知識が乏しいので

基本はスループット最大化を目指してエンジンとパイプ前後のバッファリングモードを調整で合ってますよね？

linux/bashだと改行待ちで詰まりやすいのでstdbufが効くならそれで、効かないなら強制フラッシュ
win/pwsh6&7のパイプラインは逆にバッファリング殆ど貯めないようで、pythonだとio.Streamでかなり改善しました

>>600
詳しく！
regex highwayあたりでググってもノイズだらけです

**デフォルトの名無しさん** · 2021/03/31(水) 18:56:13.01

正規表現が向いてる用途かどうか微妙だなぁ
少ないデータ量で目的にあったライブラリを使ってみて性能の最適化はそれ次第だな
https://www.rdkit.org/docs_jp/Supplementary_Text_jp.html#jp-notes-6

データの中身と検索用途にあったデータベースに入れて
速度は並列度を上げるほうが楽でメンテもしやすくて速度も出やすいような

**デフォルトの名無しさん** · 2021/03/31(水) 19:14:36.42

>>602
RDkitもちろん使ってるよー
SMILESの検索性上げたのがInChIで、その辺扱ったり、代表的な特徴量を生成するライブラリは沢山あるんだけど、もうやり尽くされた感じで
既存のデータが正規表現で扱う想定のフォーマットだから、まずは正規表現で引っ掛けて独自フォーマットに変換、という感じです

あと、勝手にオンラインから拾って来てくれたり便利なんだけど、10GB単位のリクエスト送りまくるとアク禁食らいそうだから、こっそりゴッソリ落としてきたw

PowerShellの正規表現がちゃんとコンパイルできる事や、パイプの属性が細かく指定できてかなり速い事に気付いた、灯台下暗し

ちょっとスレチぎみですまなかった
目処が付いたら効率的な正規表現とかまた相談に来ます