8
票
承認済み
sed で [あ-ゞ] のような日本語の文字範囲を使いたい
環境変数LC_COLLATEにC.UTF-8を指定する事で解決しました。
echo "abcあいう123" |LC_COLLATE=C.UTF-8 sed -re 's/[ぁ-ゞ]/X/g'
#=> abcXXX123
sedだけでなく、(-Pオプション無しの GNU) grep やbashにも有効で、日本語の文字範囲を使えるようになりました。
echo "abcあいう123" |...
8
票
sed で [あ-ゞ] のような日本語の文字範囲を使いたい
手元の環境で試してみました。バージョンは全てGNU sed 4.2.2です。
MINGW64
全て意図通りの動作
Debian
LANG=en_US.UTF-8
意図通りの動作
LANG=ja_JP.UTF-8
[あ-ん] の場合: 意図通りの動作
[あ-ゔ] の場合: エラー「無効な照合文字です」
[あ-ゞ] の場合: エラー「無効な範囲終了です」
GNU ...
8
票
5桁以内の半角数字でかつ「0だけ」は許可しない正規表現
否定先読みアサーション(?!...)を使って、先に「0だけ」を除外するのはどうでしょうか。否定先読みは、ほとんどの処理系で使えると思います。
^(?!0+$)\d{1,5}$
Pythonで、次のようにテストしたらすべてあいました。
import re
pattern = r'^(?!0+$)\d{1,5}$'
print(re.search(pattern, '0'))
...
7
票
6
票
¥¥d.+?yenという正規表現の意味
ご質問分に貼り付けられた¥¥は、また円記号になっていますので、実際に試される場合には\\の方を使ってください。(コピペすると文字化けしてしまったように見えることがありますが、慌てずに正しいほうを選んでください。)
さて、その前提でString regex = "\\d.+?yen"を見ると、Javaの文字列としてのエスケープを取り除くと、\ d . + ? y e ...
6
票
英単語のアルファベットの間に半角スペースをいれたい。
本当に「半角スペースをいれたい」のでしょうか?
文字の間隔を読みやすく調整するで説明されているように字送りを調整するべきではないのでしょうか?
6
票
正規表現で、特定の単語が複数回出現する文字列を抽出することは可能でしょうか。
python による自動化になりますが、探す文字列が "犬" のように決まっており固定であるならば、
文字列の count メソッドを使用したフィルタリングが高速でよいと思います。
count メソッドを使うと、文字列に含まれる、特定の文字列の数を数えることができます。
(例えば "abracadabra".count("abra") は実行すると 2 となります。)
以下にコードを載せておきます。...
6
票
承認済み
grepの引数として$記号を渡す際のエスケープについて
質問冒頭
bashで正規表現
という表現がそもそもの問題がどこにあるかを正しく理解できていないことを示しています。bashももちろん正規表現を扱うことがありますが、今回は無関係です。
今回、bashはgrepという外部プログラムを起動するだけです。
grepとしても$は行末を表すメタ文字ですので、この機能をキャンセルするためには\でエスケープする必要があります。...
5
票
承認済み
正規表現のエスケープが期待通りに動作しない
おそらく¥記号のせいでしょう。あなたがコードに貼り付けた¥はユニコードのU+00A5, 本来の円記号であり、これはエスケープ記号としては働きません。
あなたがアクセスされる環境で読めるように再現するのは難しいのですが、最近ではWindowsマシンでもフォントを選べば表示できたかと思いますので、ちょっとフォントの設定を変更してU+00A5の円記号¥とU+005Cのバックスラッシュ(...
5
票
承認済み
正規表現の文字クラスについて
Q1.「文字」と「文字の集まり」という分け方はおかしいでしょうか?
・[ ] の仲間とは、具体的に何を意味しているのでしょうか?
メタキャラクタである\dと[0-9]は同じです。が、[0-9]のうちメタキャラクタは[と-と]です。
[と]というメタキャラクタに挟まれている0-9は0123456789に展開され、いずれか一文字にマッチします。
[及び]とか(及び)はあくまでも集合/...
5
票
正規表現[-]?の[]の意味
はい、Ruby の正規表現 [-] は - 1文字にマッチする表現であり、正規表現 - と同等です。
Ruby 2.5 のドキュメント (これやこれ) に明示的に書かれているわけではありませんが、[ ] の中のハイフンは [a-z] のように範囲を表すときのみメタ文字として扱われます。先頭にあるときなど、範囲を表さないときはバックスラッシュによるエスケープ無しでも非メタ文字として扱われます。
...
5
票
正規表現で、特定の単語が複数回出現する文字列を抽出することは可能でしょうか。
「"犬" が 2 回以上出現している」というのは "犬" が少なくとも 2 回出現していれば良いので、.*犬.*犬.* で検索できます。
5
票
承認済み
正規表現の [\s\S]、.*? について
ざっくり「product-card__image-linkクラスと、data-indexとhref属性を持ったaタグ」を検索する正規表現を意図したのでしょうが、そうでない文字列も検索対象になってしまいます。以下理由を示します。
おそらく[\s\S]はスペースの事を指していると思われる。
...
classの中身が追加されて、先ほどと同様にスペースが入ってdata-...
4
票
承認済み
javascript/typescriptにて文字列から特定の値を抜き出し変数に格納する
文字列.match(正規表現) でマッチした結果が配列で得られます。
数値は(\d+)の様にマッチする部分を指定します。
/は、\/のようにエスケープします。
(間のスペースが複数だったり単数だったりゆらぎがある場合にはその部分も正規表現とする必要があります。)
(result[0]はマッチした全体、以降は( )で指定した部分マッチ)
(result =の部分は[dummy, year, ...
4
票
承認済み
シェルやgrepコマンドなどでデータを集計する方法
metropolisさんのコメントでの回答で十分シンプルだと思いますが、grepとcutをawkで済ませる方法もあります。
cat data.txt | awk '$2=="ARTIST" {print $3}' | sort | uniq -c | sort -nr
4
票
承認済み
「漢字《よみがな》」にマッチするパターン
raspbian jessie vim 7.4.488 にて、
%s/\([一-龠]*\)《\([^》]*\)》/<\1\2>/g
で置換できましたが、焼肉定食《ていしょく》も <焼肉定食ていしょく> になってしまうと思います。
4
票
pythonで括弧の入れ子を検出
一番簡単なのは、括弧の数を数えるやり方だと思います。つまり、以下の方法です。
括弧のネストのレベルを数える変数を1つ用意し、文字列の最初から1文字ずつ読んでいって、開き括弧があればレベルを+1、閉じ括弧があればレベルを-1にしていきます。
その途中で「レベルが0から1になったところ」から「レベルが1から0になったところ」までが一番外側の括弧に囲まれているところです。
...
4
票
正規表現の文字クラスについて
「メタキャラクタ」は英語の「Meta-characters」の直訳です。そして「meta」は
ある対象を記述したものがあり、さらにそれを対象として記述するものを、メタな○○、あるいは単にメタ○○と呼ぶ。
とあります。つまり「メタキャラクタ(文字)」は「文字を記述する文字」程度の意味です。例えば\dだったり[0-9]という文字を記述した場合に正規表現としては0~9が該当する、...
4
票
承認済み
リストから日本語以外の要素を削除したい
for文の途中で、forで回しているlistの要素を削除しているため、対象オブジェクトがずれてしまっているのが原因です。
>>> L = list(range(10))
>>> L
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> for l in L:
... print(l)
... L.remove(...
4
票
Python 正規表現の再帰について
結論から先に言いますと,質問者様はほとんど正解に近いところに至っていて,次のパターンを使えば目的の結果を得られると思います.
pattern = r'\)*\s*\{\s*(?:.+(?R))*.*\s*\}'
変更点は最初の \) を「0個以上」に対してマッチするようにしただけです.
\R は pattern 全体を指すので,(?:...) の部分の非終了条件は「) ...
4
票
承認済み
〈 前のenスペースにヒットする正規表現
手近に動作環境がないので確認まではできませんが、InDesignの正規表現についてちょっと調べてみました。
こちらはアドビのフォーラムへのユーザー投稿のようですが、肯定先読み((?=パターン))が使えるようですね。これを使うと、文字と文字の間に立ち止まってその先になにかがあることを確認することができます。(立ち止まっているのでマッチ結果には含まれません)
あと、公式のものではありませんが、...
4
票
承認済み
preg_replaceでマルチバイトを扱う場合は、パターン修飾子uを常に使用した方が良い?
・preg_replaceでマルチバイトを扱う際は、常にパターン修飾子uを付与した方が良いですか?
PCRE正規表現はu修飾がない場合、文字列を単なるバイト列として処理を行います。したがって、あなたの目的が「バイト列の操作」だと言うのでない限り、UTF-8の文字列を操作する場合には、必ずuを付けるべきです。
UTF-8以外のマルチバイトエンコーディングについては、「バイト列の操作」ではなく「...
4
票
正規表現を使った置換
ここでキーとなるのは()と$1です。
正規表現の中で()でくくられた部分をグループ化することができます。
そして、$1は1番目にマッチしたグループを指します。
同じように、$2は2番目にマッチしたグループを指します。
()の数が3つなら$3まで、()の数が4つなら$4までと、いくらでも増やすことができます。
これらを使うことによって、部分置換をできるようになります。
...
4
票
Pythonの正規表現で使用しているパーセント記号は何?
これは文字列をフォーマット文字列として扱って置換しています。%形式の文字列フォーマットです。%s が後から渡された文字列に置換されています。
>>> 'aaa%sbbb' % 'あ'
'aaaあbbb'
>>> 'aaa%sbbb' % 'い'
'aaaいbbb'
このコードの場合は、与えられた文字列の1文字目 character[0] ...
4
票
承認済み
C# 正規表現でテキスト内のタグを見つけようとするとフリーズする
原因そのものは正規表現のバックトラッキングが指数関数的な回数で発生しているため、実行に長時間を要し、フリーズしたように観測されます。
例として
<ul><li>item0</li><li>item1</li></ul>
上記HTMLコード片でなぜ多数のバックトラッキングが発生するかを説明すると
<(?<...
4
票
承認済み
正規表現で特定の記号に挟まれた語を抽出したい
*3個を正規表現で表すと\*{3}です。
1個以上の単語構成文字(下記参照)を正規表現で表すと\w+です。
サクラエディタのヘルプファイルによると、単語の構成文字 [0-9A-Za-z_]と同じであり、bregonig.dll使用時は2バイト文字も含みます。
そのため上記以外の文字列を含むご質問の回答としては @asarikz さんの正規表現が適切です。
以下は囲まれた文字に*...
4
票
承認済み
ruby の regexp において、 /pat/o の機能の仕様とその意図が分からない
/o フラグは再帰するかどうかではなくて、正規表現のリテラル表記を評価する度に展開するかどうか(新しい正規表現オブジェクトを作るかどうか)です。
3.times do |i|
re1 = /#{i}/
re2 = /#{i}/o
p [re1, re2]
end
出力
[/0/, /0/]
[/1/, /0/]
[/2/, /0/]
4
票
承認済み
bashの先頭半角置換の正しい書き方
シェルの挙動
シェルは与えられたコマンドライン文字列に対して変数展開 (variable expansion)、ワード分割 (word splitting)、パス名展開 (pathname expasion) などを実行し、その結果をコマンドとして実行します。
echo ${fuga} がどのように解釈されるかというと:
変数展開が実行され echo string と解釈される
(echo と ...
4
票
承認済み
正規表現の最短マッチについて教えてください。
ダブルクォーテーションで囲んだ文字列と文字列の間のカンマはマッチしないのでしょうか?
正規表現エンジンそのものとしてはマッチします。単に正規表現エンジンを呼び出しているアプリケーション側の挙動にすぎません。
一般的に複数回マッチを行う場合、無限にマッチし続けることを避けるため、一度マッチすると、マッチした終端を開始位置に指定します。
今回の場合、
|"apple", &...
無効化に投票