• どうすれば正規表現をわかりやすく使うことができるか?

  ---

• 二行以上に対するマッチングでトラブル。何が悪いのか?

  ---

• 違う行にある二つのパターンに挟まれている行を取り出すのは? ★

  ---

• 正規表現を$/に設定したけど、駄目。何が悪い?

  ---

• LHSでは大小文字を無視して、RHSでは元の大小文字を保存しておくような置換は?

  ---

• \w がアクセント付きのキャラクターにマッチするようにするにはどうすれば?

  ---

• /[a-zA-Z]/の locae-smartなバージョンでマッチさせるには?

  ---

• 正規表現の中で使う変数をクォートするには? ★

  ---

• /oは実際なんのためのものなの?

  ---

• ファイルから、C形式のコメントを剥ぎ取る(strip)するには?

  ---

• Perlの正規表現をテキストのバランスが取れているかを 検査するために使えますか?

  ---

• 正規表現が貪欲(greedy)であるとはどういうこと?

  ---

• 各行の、各単語毎に処理をするにはどうすれば良いか?

  ---

• 語の出現頻度や行の出現頻度のまとめをどうやれば出力できますか?

  ---

• 曖昧なマッチング (approximate matching)はどうやれば?

  ---

• たくさんの正規表現を一度に効率良くマッチングするには?

  ---

• なぜ\bを使った語境界の検索がうまく行かない?

  ---

• なぜ $&, $`, $' を使うとプログラムが遅くなるの?

  ---

• 正規表現の中で\G を使うと何が良い?

  ---

• Perlの正規表現ルーチンはDFAですかNFAですか?
  また、それはPOSIXに従ってますか?

  ---

• voidコンテキストでgrepやmapを使うことのどこが間違っているのか?

  ---

• 複数バイトキャラクタを使った文字列のマッチングは どうすれば?

  ---

どうすれば正規表現を判読し難い、保守できないようなものにすることなく使うことができるでしょうか?

正規表現の外側にコメントを付ける

通常のPerlのコメントを使って、あなたが何を、どのようにしているかを説明します。

    # 行を、その最初の単語、コロン、行の残りの文字数に
    # 変換します
    s/^(\w+)(.*)/ lc($1) . ":" . length($2) /ge;

正規表現の内側にコメントを付ける

/x 修飾子は、正規表現中にある空白を無視するようにし、 (キャラクタクラスの中にあるものを除く)、通常のコメントが使えるようにします。あなたの想像できるように、空白とコメントは非常に助けに なります。

/xによって

    s{<(?:[^>'"]*|".*?"|'.*?')+>}{}gs;

この正規表現を以下の様に記述できます:

    s{ <                    # 開きのangle bracket
        (?:                 # 後方参照なしのグルーピング
             [^>'"] *       # > でも ' でも "でもないものの0回以上の繰り返し
                |           #    あるいは
             ".*?"          # 二重引用符に囲まれたセクション (stingy match)
                |           #    あるいは
             '.*?'          # 引用符に囲まれたセクション (stingy match)
        ) +                 #   それらの一回以上の繰り返し
       >                    # 閉じのangle bracket
    }{}gsx;                 # 空に置き換え、つまり削除

訳注: stingy けちな、しみったれた; 少ない、不十分な

これでもまだ散文(prose)程には明確にはなっていませんが、パターンの各部分の意味を説明するには非常に便利なものです。

Different Delimiters 異なった区切り

私たちは通常、/で区切られたものをパターンであると考えていますが、パターンはほとんどすべてのキャラクタを使って区切ることが可能 です。perlreはこれを説明しています。たとえば、先に挙げたs/// では、区切りとしてカーリーブレースを使っています。スラッシュ以外の区切りを選択することによって、パターンの中に存在する区切り記号 と同じものをクォートする手間を省くことができます。

    s/\/usr\/local/\/usr\/share/g;      # 良くない区切りの選択
    s#/usr/local#/usr/share#g;          # これは良い

二行以上に対するマッチングでトラブルがありました。何が悪いのでしょう?

    $/ = '';            #一行ずつではなく、パラグラフ全体を読み込む
    while ( <> ) {
        while ( /\b(\w\S+)(\s+\1)+\b/gi ) {
            print "Duplicate $1 at paragraph $.\n";
        }
    }

    $/ = '';            #一行ずつではなく、パラグラフ全体を読み込む
    while ( <> ) {
        while ( /^From /gm ) { # /m によって ^ が \nの直後にマッチするようになる
           print "leading from in paragraph $.\n";
        }
    }

    undef $/;           # 一行とか一パラグラフではなくファイル全体を読み込む
    while ( <> ) {
        while ( /START(.*?)END/sm ) { # /s は . が行境界をまたぐようにします
            print "$1\n";
        }
    }

異なる行にある二つのパターンに挟まれている行を取り出すのはどうやればできますか?

    perl -ne 'print if /START/ .. /END/' file1 file2 ...

    perl -0777 -pe 'print "$1\n" while /START(.*?)END/gs' file1 file2 ...

正規表現を$/に設定したけど、駄目でした。何が悪かったのですか?

    undef $/;
    @records = split /your_pattern/, <FH>;

    ## 三行からなるファイルを作成します。
    open FH, ">file";
    print FH "The first line\nThe second line\nThe third line\n";
    close FH;

    ## それに対するread/writeファイルハンドルを取得します。
    $fh = new FileHandle "+<file";

    ## それを“ストリーム”オブジェクトにアタッチします。
    use Net::Telnet;
    $file = new Net::Telnet (-fhopen => $fh);

    ## 二番目の行を探し、三番目の行を出力します。
    $file->waitfor('/second line\n/');
    print $file->getline;

LHSでは大小文字を無視して、RHSでは元の大小文字を保存しておくような置換はどうやるの?

    # Original by Nathan Torkington, massaged by Jeffrey Friedl
    #
    sub preserve_case($$)
    {
        my ($old, $new) = @_;
        my ($state) = 0; # 0 = no change; 1 = lc; 2 = uc
        my ($i, $oldlen, $newlen, $c) = (0, length($old), length($new));
        my ($len) = $oldlen < $newlen ? $oldlen : $newlen;

        for ($i = 0; $i < $len; $i++) {
            if ($c = substr($old, $i, 1), $c =~ /[\W\d_]/) {
                $state = 0;
            } elsif (lc $c eq $c) {
                substr($new, $i, 1) = lc(substr($new, $i, 1));
                $state = 1;
            } else {
                substr($new, $i, 1) = uc(substr($new, $i, 1));
                $state = 2;
            }
        }
        # 新しい文字列の残りの部分を仕上げる (newがoldより長い場合)
        if ($newlen > $oldlen) {
            if ($state == 1) {
                substr($new, $oldlen) = lc(substr($new, $oldlen));
            } elsif ($state == 2) {
                substr($new, $oldlen) = uc(substr($new, $oldlen));
            }
        }
        return $new;
    }

    $a = "this is a TEsT case";
    $a =~ s/(test)/preserve_case($1, "success")/gie;
    print "$a\n";

    this is a SUcCESS case

\w がアクセント付きのキャラクターにマッチするようにするにはどうすれば良いですか?

/[a-zA-Z]/の locae-smartなバージョンでマッチさせるには?

正規表現の中で使う変数をクォートするには?

    $string = "to die?";
    $lhs = "die?";
    $rhs = "sleep no more";

    $string =~ s/\Q$lhs/$rhs/;
    #ここで$stringは"to sleep no more"となる

/oは実際なんのためのものなのですか?

    $/ = '';  # パラグラフモード
    $pat = shift;
    while (<>) {
        print if /$pat/o;
    }

ファイルから、C形式のコメントを剥ぎ取る(strip)するにはどのように正規表現を使えば良いのでしょうか?

    perl -0777 -pe 's{/\*.*?\*/}{}gs' foo.c

    $/ = undef;
    $_ = <>;
    s#/\*[^*]*\*+([^/*][^*]*\*+)*/|("(\\.|[^"\\])*"|'(\\.|[^'\\])*'|\n+|.[^/"'\\]*)#$2#g;
    print;

Perlの正規表現をテキストのバランスが取れているかを 検査するために使えますか?

正規表現が貪欲(greedy)であるとはどういうことですか?

        $s1 = $s2 = "I am very very cold";
        $s1 =~ s/ve.*y //;      # I am cold
        $s2 =~ s/ve.*?y //;     # I am very cold

各行の、各単語毎に処理をするにはどうすれば良いですか?

    while (<>) {
        foreach $word ( split ) { 
            # $word に対する処理をここで行う
        } 
    }

    while (<>) {
        foreach $word (m/(\w+)/g) {
            # ここで$wordに対する処理をする
    }
    }

語の出現頻度や行の出現頻度のまとめをどうやれば出力できますか?

    while (<>) {
        while ( /(\b[^\W_\d][\w'-]+\b)/g ) {   # misses "`sheep'"
            $seen{$1}++;
        }
    }
    while ( ($word, $count) = each %seen ) {
        print "$count $word\n";
    }

    while (<>) { 
        $seen{$_}++;
    }
    while ( ($line, $count) = each %seen ) {
        print "$count $line";
    }

曖昧なマッチング (approximate matching)はどうやればできますか?

たくさんの正規表現を一度に効率良くマッチングするには?

    while (<FH>) {
        foreach $pat (@patterns) {
            if ( /$pat/ ) {
                # 何か処理を行う
            }
        }
    }

    sub _bm_build {
        my $condition = shift;
        my @regexp = @_;  #これはlocal()ではいけない! my()が必要。
        my $expr = join $condition => map { "m/\$regexp[$_]/o" } (0..$#regexp);
        my $match_func = eval "sub { $expr }";
        die if $@;  # propagate $@; this shouldn't happen!
        # $@を伝播する。これは起きてはいけない!
        return $match_func;
    }

    sub bm_and { _bm_build('&&', @_) }
    sub bm_or  { _bm_build('||', @_) }

    $f1 = bm_and qw{
            xterm
            (?i)window
    };

    $f2 = bm_or qw{
            \b[Ff]ree\b
            \bBSD\B
            (?i)sys(tem)?\s*[V5]\b
    };

    # feed me /etc/termcap, prolly
    while ( <> ) {
        print "1: $_" if &$f1;
        print "2: $_" if &$f2;
    }

なぜ\bを使った語境界の検索がうまく行かないのでしょうか?

    "two words" =~ /(\w+)\b(\w+)/;          # *間違い*
    "two words" =~ /(\w+)\s+(\w+)/;         # 正しい

    " =matchless= text" =~ /\b=(\w+)=\b/;   # *間違い*
    " =matchless= text" =~ /=(\w+)=/;       # 正しい

なぜ $&, $`, $' を使うとプログラムが遅くなるのでしょうか?

正規表現の中で\G を使うと何が良いのですか?

     s/^(>+)/':' x length($1)/gem;

    s/\G>/:/g;

    while (<>) {
      chomp;
      PARSER: {
           m/ \G( \d+\b    )/gcx    && do { print "number: $1\n";  redo; };
           m/ \G( \w+      )/gcx    && do { print "word:   $1\n";  redo; };
           m/ \G( \s+      )/gcx    && do { print "space:  $1\n";  redo; };
           m/ \G( [^\w\d]+ )/gcx    && do { print "other:  $1\n";  redo; };
      }
    }

    while (<>) {
      chomp;
      PARSER: {
           if ( /\G( \d+\b    )/gcx  {
                print "number: $1\n";
                redo PARSER;
           }
           if ( /\G( \w+      )/gcx  {
                print "word: $1\n";
                redo PARSER;
           }
           if ( /\G( \s+      )/gcx  {
                print "space: $1\n";
                redo PARSER;
           }
           if ( /\G( [^\w\d]+ )/gcx  {
                print "other: $1\n";
                redo PARSER;
           }
      }
    }

Perlの正規表現ルーチンはDFAですかNFAですか? また、それはPOSIXに従ってますか?

voidコンテキストでgrepやmapを使うことのどこが間違っているのでしょうか?

複数バイトキャラクタを使った文字列のマッチングは どうすればできますか?

   $martian =~ s/([A-Z][A-Z])/ $1 /g; #“火星語”のバイト並びが隣接しないよう
                                      # にする
   print "found GX!\n" if $martian =~ /GX/;

   @chars = $martian =~ m/([A-Z][A-Z]|[^A-Z])/g;
   # 上の行は次のものと考えは同じ:         @chars = $text =~ m/(.)/g;
   #
   foreach $char (@chars) {
       print "found GX!\n", last if $char eq 'GX';
   }

   while ($martian =~ m/\G([A-Z][A-Z]|.)/gs) {  # \Gは多分不要
       print "found GX!\n", last if $1 eq 'GX';
   }

   die "sorry, Perl doesn't (yet) have Martian support )-:\n";