授業資料/15
正規表現 実習 †
以前学んだように正規表現は大変便利なものであるが、先にある程度慣れておかないといざというときに使えない技術でもある． そこで今回は、ある程度の復習も兼ねて正規表現に慣れ、これからに生かせるようにしよう．
まずは以前の資料
正規表現 に目を通し、正規表現の ルール を見ておこう．
また、もしもそこに書いてある 「例(2) emacs で…」 を実際に試してないのであれば、今試しておこう．
Emacs での正規表現の利用を便利にしておこう (visual-regexp) †
Emacs では、正規表現の利用に他環境よりもバックスラッシュ \ を多用する傾向がありちょっとわかりにくい． しかし、visual-regexp.el という elisp を Emacs に導入すると(拡張機能のようなもの)、「正規表現の該当する部分を目で確かめながら」正規表現を入力していくことができるので、まずはこれをインストールしておこう．
手動でインストール †
全て手動でインストールする場合は次のように作業することになるだろう．
-
開発元 から visual-regexp.el をダウンロードし、自分のフォルダのどこかに置く*1．
-
開発元 の Installation にあるように emacs の設定ファイル(通常は ~/.emacs.d/init.el)に、
(add-to-list 'load-path "folder-in-which-visual-regexp-files-are-in/") ;; if the files are not already in the load path (require 'visual-regexp) (define-key global-map (kbd "C-c r") 'vr/replace) (define-key global-map (kbd "C-c q") 'vr/query-replace)
と書き込む．
package を使ってインストール †
ver.24以降の Emacs では package (後述)が標準なので、package の設定が済んでいるならば次のように作業すれば良い．
- Emacs で M-x␣package-refresh-contents とする(念のため)．
- Emacs で M-x␣package-install␣visual-regexp とする．
- emacs の設定ファイル(通常は ~/.emacs.d/init.el)に、
(define-key global-map (kbd "C-c r") 'vr/replace) (define-key global-map (kbd "C-c q") 'vr/query-replace)
と書き込む*2．
Emacs の package とは？ †
ver.24 以降の Emacs に標準でついてくる elisp で*3、あちこちのリポジトリに登録されている様々な elisp を統一して扱える便利な仕組みである．
設定は、emacs の設定ファイル(通常は ~/.emacs.d/init.el)の先頭
;;
(setq url-proxy-services '(("http" . "toyonakans.ecs.cmc.osaka-u.ac.jp:3128"))) ←阪大情報教育システムの場合のみこの行が必要
;;
(require 'package)
(add-to-list 'package-archives '("marmalade" . "http://marmalade-repo.org/packages/"))
(add-to-list 'package-archives '("melpa" . "http://melpa.milkbox.net/packages/"))
(package-initialize)
の4行(阪大情報教育システムの場合はもう1行)を書き込んでおけばよいだろう．
Emacs で正規表現を「見ながら」試してみよう． †
次のようにして、visual-regexp を試してみよう．
まず下記の文字列データ*4を Emacs で読み込んでみよう．
Gender,GivenName,Surname,StreetAddress,City,State,ZipCode,EmailAddress,TelephoneNumber,Birthday,Occupation,Kilograms female,Nina,Narita,"1870 Pine Tree Lane",Odenton,MD,21113,NinaNarita@fleckens.hu,240-373-9832,9/17/1942,Erector,50.1 male,Michinori,Sugiyama,"1651 Beechwood Avenue",Plainfield,NJ,07060,MichinoriSugiyama@gustr.com,908-791-7658,9/26/1932,"Railroad conductor",102.1 male,Tatsuki,Nozaki,"1224 Pick Street",Walden,CO,80480,TatsukiNozaki@fleckens.hu,970-723-5529,12/23/1962,"Rental clerk",113.2 male,Kunihiro,Tagami,"2156 Terry Lane",Orlando,FL,32801,KunihiroTagami@rhyta.com,321-273-4846,1/3/1943,"Show host",77.6 female,Hozumi,Iwasaki,"1380 Nuzum Court",Hamburg,NY,14075,HozumiIwasaki@cuvox.de,716-646-1784,1/28/1989,"Affirmative action coordinator",92.9 male,Yoshimitsu,Akita,"2602 Masonic Hill Road","Little Rock",AR,72212,YoshimitsuAkita@einrot.com,501-516-6338,8/23/1986,"Multiple machine tool setter",94.9 female,Chise,Sakuma,"2415 Wildwood Street",Boardman,OH,44512,ChiseSakuma@fleckens.hu,330-716-0474,6/10/1939,"School social worker",73.2 female,Shirabe,Terada,"1372 Pearl Street","West Sacramento",CA,95691,ShirabeTerada@superrito.com,916-376-5441,8/6/1942,"Public address system announcer",57.8 female,Yuiri,Fukuhara,"4220 Reeves Street",Milwaukee,WI,53202,YuiriFukuhara@einrot.com,920-827-6614,6/16/1947,"Nutrition director",59.6
まずは見てみるだけ †
- 次に、Emacs でこの文字列より前にカーソルを置いてから, C-c␣r とし、^ を入力してみよう．
行頭が指定されたのが分かるだろう．
わかったら、C-g で visual-regexp を停止しよう．
- 次に、Emacs で C-c␣r としてから、$ を入力してみよう．
行末が指定されたのが分かるだろう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、e\{2\} を入力してみよう．
e が2回繰り返された部分が指定されたのが分かるだろう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、a\|b を入力してみよう．
a か b という文字が指定されたのが分かるだろう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、\b, を入力してみよう*5．
「単語に引き続くカンマ」 が指定され, 他のカンマは指定されていないのが分かるだろうか．
(以下同様)
- 次に、Emacs で C-c␣r としてから、\bco\b を入力してみよう.
独立した co だけが指定され, court や com に含まれる他の co は指定されていないのが分かるだろうか．
(以下同様)
- 次に、Emacs で C-c␣r としてから、^[^/]*/ を入力してみよう．
「最初に出てくる / まで」が指定されたのが分かるだろうか．
(以下同様)
- 次に、Emacs で C-c␣r としてから、[0-9]+/[0-9]+/[0-9]+ を入力してみよう．
「数字一個以上/数字一個以上/数字一個以上」が指定され, 生年月日部分だけが指定されたのが分かるだろうか．
(以下同様)
- 次に、Emacs で C-c␣r としてから、\(female.*\)\([0-9]+/[0-9]+/[0-9]+\) を入力してみよう． Emacs の正規表現のグルーピング \( \) の意味が色でわかるだろう． (以下同様)
置き換えてみよう †
- 次に、Emacs で C-c␣r としてから、^ を入力してみよう．
行頭が指定されるので、さらに Enter を押してから、begin とでも入力してみよう．
さらにこのタイミングで C-c␣p を何回か押してみよう．
どこにどういう変化が起こるのかが予測できるだろう．
そして、さらに Enter を押して、変化させてみよう．
納得しただろうか．納得したら、M-x␣undo として、変更を元に戻そう．
- 次に、Emacs で C-c␣r としてから、$ を入力してみよう．
行末が指定されるので、さらに Enter を押してから、C-q C-j と入力してみよう．
ちなみに，C-j は改行コード LF のこと．
そして，C-q はこうした制御コードを(機能させずに)「そのまま」入力するために使う機能 quoted-insert のキーバインディングである．
(以下同様)
- 次に、Emacs で C-c␣r としてから、e\{2\} を入力してみよう．
e が2回繰り返された部分が指定されるので、さらに Enter を押してから、EE と入力してみよう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、a\|b を入力してみよう．
a か b という文字が指定されるのでさらに Enter を押してから、ZZZ と入力してみよう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、\b, を入力してみよう．
「単語に引き続くカンマ」 が指定されるので, さらに Enter を押してから、___ などと入力してみよう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、\bco\b を入力してみよう.
独立した co だけが指定されるので, さらに Enter を押してから、Colorado などと入力してみよう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、^[^/]*/ を入力してみよう．
「最初に出てくる / まで」が指定されるので, さらに Enter を押してから、before birthday/ などと入力してみよう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、[0-9]+/[0-9]+/[0-9]+ を入力してみよう．
「数字一個以上/数字一個以上/数字一個以上」が指定され, 生年月日部分だけが指定されるのでさらに Enter を押してから、--removed-- などと入力してみよう．
(以下同様)
- 次に、Emacs で C-c␣r としてから、\(female.*\)\([0-9]+/[0-9]+/[0-9]+\) を入力してみよう． Emacs の正規表現のグルーピング \( \) の意味が色でわかるので、さらに Enter を押してから、\1--removed-- と入力してみよう． これは female の生年月日データのみを書き換えたことに相当することが分かるだろう． (以下同様)
自分で考えてみよう †
以下の問題を考えてみよう．
ただし、できれば、データは今の10人分ではなく 
FakeNameGenerator.com_ab6e7cf9.zip *6に含まれているデータ 1000人分でやってみよう．
- このデータは目で見るにはちょっと読みにくいので、全てのカンマの後にスペースを一つ入れたい．
どうしたらよいかやってみよう．
うまくいったら元に戻そう．
- このデータは目で見るにはちょっと読みにくいので、全ての項目を一項目一行にしたい．
ただし、一個人のデータのまとまりごとに空行を挟んで区別ができるようにもしたい．
つまり、
female Nina Narita "1870 Pine Tree Lane" Odenton MD 21113 NinaNarita@fleckens.hu 240-373-9832 9/17/1942 Erector 50.1 male Michinori Sugiyama "1651 Beechwood Avenue" Plainfield NJ 07060 MichinoriSugiyama@gustr.com 908-791-7658 (以下…略…)
のようにしたい． どうすればいいか*7． (以下同様) - このデータの生年月日は 月/日/年 という並びで日本の年月日フォーマットとなじまないので、これを年-月-日という表記, 例えば 1942-9-17 と直したい．
どうすればいいか．
(以下同様)
- このデータの行末にはスペースは入っていないはずだが、念の為にそれを確認したい．
そして、もしそうしたスペースが有れば、それを削除したい．
どうすればいいか．
(以下同様)
- このデータの中に同姓の人が居るかなるべく簡単に調べたい(居るかどうかだけわかれば良い)．
どうすればいいか．
(以下同様)
Report: レポート †
以下の課題について能う限り賢明な調査と考察を行い，
AppliedMath7-Report-15
という題名をつけて e-mail にて教官宛にレポートとして提出せよ. なお，レポートを e-mail の代わりに TeX で作成した書面にて提出してもよい.
Exercises: 課題 †
- Emacs 以外で正規表現についてなるべく同等の実習を行ってみよう．
- 日本語を含むデータを用意して, Emacs でなるべく同等の実習を行ってみよう．
about Icons, ClipArts †
For details, see
this.
*1 できれば、Emacs の load-path の通った場所が良いが
*2 この2行の前に (require 'visual-regexp) は不要なはずだが、入れないと動かない場合は入れておこう．
*3 ver.23 でも使えるが自分でインストールしないといけない
*4 これは本ページに添付されている
FakeNameGenerator.com_ab6e7cf9.zip に含まれているデータの先頭11行である．このデータは、Fake Name Generator によって作られた Fake Name Generator identities と呼ばれる「偽物の個人データ」であり、Creative Commons Attribution-Share Alike 3.0 United States License によってライセンスされているものである.*5 \b は単語のはじめか終わりを意味する.
*6 このデータは、Fake Name Generator によって作られた Fake Name Generator identities と呼ばれる「偽物の個人データ」であり、Creative Commons Attribution-Share Alike 3.0 United States License によってライセンスされているものである.
*7 一回の処理で完成しなくても、複数の処理を組み合わせても良い.
