文字列操作

Perl文字列操作

Perl の文字列操作について説明します.

正規表現を使った処理

数値の処理に比べて，文字列の処理は格段に複雑です．文字列を取り扱いやすくするためには，その形式を表現する方法が必要です．正規表現(regular expression)は文字列の形式を表します．ここでは，正規表現とそれを使った処理を示します．

パターンマッチ

文字列の処理では，対象となる文字列のパターンが重要です．特定の文字が含まれるか含まれないか，任意の文字並びが含まれるか，特定の文字の後にある文字列が含まれるか — 等です．さまざまな文字列のパターンが考えられ，それらについて処理を行わなくてはなりません．その文字列のパターンは正規表現で表すことができます．

正規表現

ある任意の文字列と正規表現で表された文字列パターンとを比較することができます．それをパターンマッチと言います．以下の表にパターンマッチに使われる正規表現を示します．

パターンマッチに使われる正規表現
正規表現	文字列パターン
[abcXYZ]	a,b,c,X,Y,Zのどれかひとつ
[a-z]	a～zのどれかひとつ
[C-W5-7]	C～W，あるいは5～7のどれかひとつ
[^ab]	'a'と'b'以外にマッチ．ブラケット直後の ^ は否定
hoge \| fuga	hoge あるいは fuga のいずれか
.	改行文字(\n)以外の任意の1文字
\s と \S	\s は空白文字^*1にマッチ．\Sはその否定．
\d と \D	\d は0～9の数字にマッチ([0-9]と同じ)．\D はその否定．
\w と \W	英文字と英数字([a-zA-Z0-9])]にマッチ．\W はその否定．
*	直前の文字がゼロ個以上
+	直前の文字が1個以上
?	直前の文字が0個または1個
{3,8}	直前の文字が3個以上，8個以下
{6}	直前の文字が6個
{7,}	直前の文字が7個以上
(パターン)	「\整数」で括弧内の文字列を参照できる^*2
\b と \B	\b は単語境界，\B は単語境界ではない．
^	直後が文字列の先頭
$	直前が文字列の末尾

^*1 空白文字とは，「スペース，CR, Tab, LF, 改ページ」のこと．
^*2 /xx(.)yy([a-z])zz\2\1/は，「xx9yyazza9や「xxByykzzkB」にマッチする．\1は最初の括弧内の . に対応した文字列(ここでは文字)，\2は次の括弧内の文字列になる．

注意事項

制御に使われる文字を正規表現内で文字として使う場合には，エスケープ(文字の前に\をつける)しなくてはなりません．このような文字は，「\」や「*」,「+」，「.」，「?」，「{」と「}」，「(」と「)」,「[」と「]」，「^」，「|」，「\」です．また，「-」は各括弧[ ]内に書くときのみエスケープします．
優先順位演算子の優先順は，(1)括弧「()」，(2)繰り返しを表す「*,+,?,{3,8}」，(3)並び，位置指定，(4)または「|」です．このページに詳しく書いてある．

具体的な操作

文字列の操作に正規表現を使う場合，/正規表現/とスラッシュで囲む．最後に i を付けると大文字と小文字の違いを無視する(ignore case)．

比較正規表現を使って，比較ができます．比較の結果は，真(TRUE)か偽(FALSE)です．

if(/abc/){
    # $_に'abc'が含まれていれば，実行
}

if($hoge=~/xyz/){
    # $hogeに'xyz'が含まれていれば，実行
}

if($fuga=~/stu/i){
    # $fugaに，大文字でも小文字の違いを無視して'stu'が含まれていれば，実行
}

置換 s/元の文字列/新文字列/で文字列の置換ができます．

最初にマッチした文字列のみを変換します．マッチする全てを変換する場合は，gオプションを付ける．
大文字と小文字の違いを無視してマッチさせる場合，iオプションを付ける．

s/old/new/;                     # $_中の'old'を'new'に置換
$hoge =~ s/.txt$/.dat/;     # $hoge中の末尾の'.txt'を'.dat'に置換
$fuga =~ s/(^.)/aaa $1/;   # $fugaの文字列の先頭に'aaa 'を追加
$foo =~ s/ok/NG/i;           # 大文字，小文字の関係なく'ok'を'NG'に
$bar =~ s/a/A/g;             # 全ての'a'を'A'に
$aaa =~ s/god/Satan/ig;    # iとgオプションの両方を使う

よく使われる操作

私がよく使う正規表現の例を示します．

拡張子削除ファイル名から拡張子を取り除くときに，使います．最初の例は，$file_name から拡張子を取り除いています．二番目の例は，$file_name の拡張子を取り除いた部分を $file に代入しています($file_nameはそのまま)．
```
$file_name =~ s/^(.*)\..*$/$1/;              # $file_nameの拡張子を取り除く
($file = $file_name) =~ s/^(.*)\..*$/$1/;    # $file_nameの拡張子を取り除き，$file に代入
```
拡張子取り出し拡張子は，次のようにして取り出せます．$file_nameの拡張子を $ext に代入しています．
```
($ext=$file_name) =~ s/^.*\.(.*)$/$1/;
```

前後の空白文字削除ファイルからデータを読み込んだ場合に，前後に無駄な空白文字(スペース，CR, Tab, LF, 改ページ)がありがちです．次のようにして取り除くことができます．

($A = $text) =~ s/^\s*//;              # 前の空白を取り除く
($B = $text) =~ s/\s*$//;              # 後ろの空白を取り除く
($C = $text) =~ s/^\s*(.*?)\s*$/$1/;   # 前後の空白を取り除く

文字列の分割と結合

splitによる分割文字列を分割する場合，split(デリミタ,文字列)を使うと簡単です．

$sentence='To be or not to be, that is the question;';
@word=split(/\s+|,\s*|;\s*/, $sentence);
# $sentenceが単語に分けられて，@wordに格納
# @word=('To','be','or','not','to','be','that','is','the','question')となる

@test=split(/:/);         # この場合は，$_の文字列をコロンで分割

joinによる結合配列に格納された文字を結合する場合，join(はさむ文字,配列)を使うと簡単です．

@word=('If','winter','comes','can','spring','be','far','behind');
$sentence=join(" ",@word);
# $sentence='If winter comes can spring be far behind'となる．

.による結合単純な結合の場合は，.(ピリオド)を使うと簡単です．

$a='Time';
$b='money';
$capitalism=$a.' is '.$b.'.';
# $capitalism='Time is money.'となる．

ページ作成情報

参考資料

MASさんの「Perlで書く」は，大変よく書かれています．特に，「Perl表技集」は，プログラミングの参考になります．

更新履歴

2005年頃