正規表現プログラミングFAQ

どこかの掲示板のどこかのスレの解説サイトらしきも の
基本的に議論の中で省略された部分の解説でコピペは無しの方向で



参考：正規表現エンジンを設計する
その２：遅延評価DFAエンジン設計

著作権に関して

もくじ

例：タグ単位のアクセッサを実装したRubyのクラ ス

require 'html' # クリックするとクラスのソース

# HTMLファイルを解析しタイトルや画像、リンクなどを検索するプログラム
html = HTMLtokens.new
 Dir.glob("*.htm*").each { |name|
   html.load(name)
   print "タイトル =\n"
   p html.between("title")
   print "コメント =\n"
   p html.find("!--")
   print "壁紙 =\n"
   p html.findattr("body", "background")
   print "画像 =\n"
   p html.findattr("img", "src")
   print "リンク =\n"
   p html.findattr("a", "href")
 }

GNU sedなどは一時期、内部の動作に手を入れたセロー版というものがありましたが
本家のバージョンアップが続いた後はメンテナー不足なのでしょうか、プリプロセッサになりました。

POSIX非互換なマッチの例


POSIXでは常に入力全体に一致するはずのテストであるが、
これは「|」の右辺式の部分をばっさり無視する場合がある。
POSIX非互換とはこういうこと。

boost::regexの使用例

boost::regexで漢字を扱うにはwchar_tが適用されるwregexの方を使用する。
この場合、正規表現式および入出力はstd::wstring。
VisualC++7の場合、atlbase.h/atlconv.hの２つを取り込めばマクロのCA2W/CW2Aで
マルチバイトおよびワイドキャラクターの双方向変換が可能になる。

#include <stdexcept>
#include <string>
#include <iostream>
#include <boost/regex.hpp>

#include <atlbase.h>
#include <atlconv.h>

int main() { // POSIX確認用サンプル
  try {
    boost::wregex re(L"A+|[AB]+");
    boost::wsmatch m;
    std::string mbuff;
    std::wstring wbuff;
    for (;;) {
      getline(std::cin, mbuff);
      if (mbuff.size() == 0) break;
      wbuff = CA2W(mbuff.c_str());
      if (boost::regex_search(wbuff, m, re)) {
        std::wstring match = boost::regex_replace(wbuff, re, L"$0", boost::format_all);
        std::cout << "matched(" << CW2A(match.c_str()) << ")" << std::endl;
      }
    }
  } catch (std::exception &e) {
    std::cout << e.what() << std::endl;
    exit(1);
  }
  exit(0);
  return 0;
}

capslockabcjp@ybb.ne.jp