Perl講座 第3回

今回は，主に正規表現を取り扱うことにします。

正規表現とは

最初に正規表現の厳密な定義を書こうと思ったのですが， 非常に難解なため僕にも理解できないので， おおざっぱに説明します ^{1 2} 。

いきなり「正規表現」という言葉を見ても 何をどう表現しているのか 意味が分かりにくいと思いますが， 簡単な例をあげて説明してみます。 例えば .public_htmlディレクトリ下に移動して

% ls

とすると，ファイル名のリストが得られます。 ファイル名の拡張子も様々だと思いますが，

% ls *.html

とすると，\texttt{html}という拡張子が ついたファイルのみのリストが得られたと 思います。（存在するのであれば） \texttt{cgi}という 拡張子がついたファイルはリストから除かれているはずです。 この処理では，リスト中のファイル名のうち， 「任意の文字列 + ピリオド + html」という パターンに一致するものだけを選んで表示しています。 つまり，

「○○.html」,「△△.html」,「□□.html」, ......

というふうに，いちいち羅列して指定しなくても 最後に.htmlがつくファイル名のみが 自動的に抽出されたわけです。

これは後で出てくる正規表現から見ると 例としては相当悪いかもしれませんが， 正規表現とはこのように， ある規則に基づいた，文字列のパターンの表現です。 「Aが最初に来て，1個以上3個以下のlが 続き，0個以上の文字が続いた後にwで終わる」と いった正規表現も可能です ³ 例えば /usr/dict/wordsをこの正規表現にかけてみましょう。

% perl -ne 'print if /^al{1,3}\w*w$/' /usr/dict/words
allow

今はこれの意味が分からなくても構いませんが， やっている内容は「/usr/dict/wordsという英単語がつまっている ファイルの中から，あるパターン（さっきのパターン）に一致するものを 検索して表示する」といったものです。 確かに「allow」は一致していますね。

正規表現のメタキャラクタ

正規表現のメタキャラクタはその文字そのものを 表わすのではありません。 例えば，この前出てきた「\n」は， 実は改行を表わすメタキャラクタです。 もしも「\n」という文字そのものを表わすのならば， 直後の1文字の特別な意味をなくすメタキャラクタ 「\」を用いて，「\\n」と書くことになります ⁴ 。

それでは，主なメタキャラクタを掲げてみましょう。

メタキャラクタ（例）	一致するもの
単一の文字や数字にマッチするもの
.	改行文字を除く任意の1文字
\d	1つの数字
\w	アルファベットまたは数字（単語）の1文字
空白文字
\s	空白文字（スペース，タブ，改行）
\n	改行
\r	復帰
\t	タブ
\e	エスケープ文字
位置指定（アンカー）
^	文字列の先頭
$	文字列の末尾
繰り返しパターン
x?	0個または1個のx
x*	0個以上のx
x+	1個以上のx
x{n,m}	n個以上m個以下のx
x{n,}	n個以上のx
x{n}	n個のx
abc	文字列中のabcというパターンにマッチ

実際にはここにあるもの以外にも 正規表現のメタキャラクタは存在するのですが， 機会があった時にでも追い追い説明していくことにします。

検索演算子

今回は正規表現によるパターン検索を行うので， 検索用の演算子のみ， ここで先に簡単に取り上げることにします。 その他の置換等の演算子は今度詳しくやります。

あるパターンPATTERNに 一致するかどうかを検索するには，

/PATTERN/

という検索演算子を用います。 この検索演算子とともに，スカラー $word について， パターンに一致することを示す演算子 =~ と 典型的なif文を用いれば，

if($word =~ /PATTERN/){...}

if($word !~ /PATTERN/){...}

実例: ホームページのカウンター（1）

ホームページに設置するカウンターには 様々なものがありますが， ここではとりあえず， ファイルから現在の来訪者を既に スカラー変数 $countに 読み込んであって， その値を表示させることにしましょう。 ただし，ただ数字を表示するだけでは面白くないので， 正規表現を用いて，人数の値に応じてthやstなどを 数字の後ろにつけることにしましょう。 検索の流れは以下の通りです。

1. 下2桁が「11」ならば「--th」となる。
2. 下2桁が「12」ならば「--th」となる。
3. 下2桁が「13」ならば「--th」となる。
4. 下1桁が「1」ならば「--st」となる。
5. 下1桁が「2」ならば「--nd」となる。
6. 下1桁が「3」ならば「--rd」となる。
7. 以上のいずれにも入らないならば「--th」となる。

ここでは，

if(式){ブロック}elsif(式){ブロック}...else{ブロック}

という条件分岐を用いることにします。 ちょっと elsifという文字に面食らいますが， まず if節が評価され， 次に elsif節が評価されていき， 最終的に残ったものが else節で評価されるという 流れになっています。

すると，最初に if節中で $countの 下2桁が「11」であるかどうかを 正規表現で検索することになります。 今までの知識を使うと， 文字列の末尾に「11」が並べばそれだけでいいわけですから， 「11$」となります。 つまり，

if($count =~ /11$/){...}

というわけですね ⁵ 。

したがって，全ての検索を行って， 画面に表示させるまでのスクリプトは次のようになります。 ちなみに，スクリプト中で「#」以降は 行末までがコメントとみなされ，実行時には一切無視されます。

# $countには来訪者数の値が入っている。
if($count =~ /11$/){     # 下2桁が「11」ならば「-th」となる。
    print "$count th\n";
}elsif($count =~ /12$/){ # 下2桁が「12」ならば「-th」となる。
    print "$count th\n";
}elsif($count =~ /13$/){ # 下2桁が「13」ならば「-th」となる。
    print "$count th\n";
}elsif($count =~ /1$/){  # 下1桁が「1」ならば「-st」となる。
    print "$count st\n";
}elsif($count =~ /2$/){  # 下1桁が「2」ならば「-nd」となる。
    print "$count nd\n";
}elsif($count =~ /3$/){  # 下1桁が「3」ならば「-rd」となる。
    print "$count rd\n";
}else{                   # 以上のいずれにも入らないならば「-th」となる。
    print "$count th\n";
}

ただ，これだと出力が「1 st」のように なってしまって見苦しいので， 次回以降にその辺も含めて このスクリプトを改良したいと思います。

おまけ

やっぱり「Perlリソースキット --UNIX版」高杉。

1) 詳しく知りたい人は，技術評論社「The UNIX Super Text【上】」の25.5節などを読んでみるとよいでしょう。
2) 【編註】情報科学科の人をつかまえると，「形式言語理論」のテキストを見せてもらえることでしょう。
3) 「^al{1,3}\w*w\$」かな。
4) ここでは \\と n での間に意味上の区切りがあることに注意しましょう。
5) なお，Perlでは if節等のブロック中の文が1つしかなくても，Cのようにブレース「{}」は省略できないので注意して下さい。