Symfoware

Groovy学習４　正規表現を使用し、データをまとめて取り出す

GroovyをUbuntuにインストールして勉強中。

Ubuntu 12.10にGroovy 2.1.9をインストールする(GVM:Groovy enVironment Manager使用)
Groovy学習１　groovyシェル、Hello, World、変数、リストとマップ
Groovy学習２　クロージャ、ファイル処理、文字列処理
Groovy学習３　正規表現


チュートリアルを試した時のメモを残しておきます。

Japanese Tutorial 5 - Capturing regex groups
こちらを参考に進めて行きました。

データをまとめて取り出す

よくわからなかったので、いきなり実践で試してみました。


例えば、こんな文字列があるとします。


A1の後にカンマ区切りでB1と続き、半角スペースが入ってC1。

「A1」「B1」「C1」という値を取得したい時は、こんな正規表現を使えばよいようです。
※()でくくった中にマッチする正規表現が取得できる


「=~」演算子を使用して、Matcherを取得。得られたデータを表示してみます。

locationData = 'A1,B1 C1'
myRegularExpression = /([A-Z0-9]+),([A-Z0-9]+) ([A-Z0-9]+)/
matcher = ( locationData =~ myRegularExpression )
println matcher[0][0]
println matcher[0][1]
println matcher[0][2]
println matcher[0][3]

sample.grvという名前で保存し、groovy sample.grvを実行してみると、こんな結果が得られました。




・結果は二次元配列で返される。
・match[0][0]は、マッチした文字列そのもの
・match[0][1]以降に()内の正規表現にマッチする結果が入っている。

というルールの模様。



match[1]ってどういう時に使用するんだろう？ということで別のサンプルを考えてみます。
例えばカンマ区切りの文字列


「A1」「B1」「C1」という値を取得したいので、こんな正規表現にしてみました。



以下のプログラムを実行してみます。

locationData = 'A1,B1,C1'
myRegularExpression = /([A-Z0-9]+)/
matcher = ( locationData =~ myRegularExpression )
println matcher[0]
println matcher[1]
println matcher[2]

想定通りの結果です。




htmlファイルの中でリンクの文字列を抽出するってことが簡単に行えますね。
雑なプログラムですが、http://symfoware.blog68.fc2.com/blog-entry-1170.htmlからリンクを取得するには
こんな感じになるかと思います。

data = new URL('http://symfoware.blog68.fc2.com/blog-entry-1170.html').text
myRegularExpression = /<a href="([^"]+)/
matcher = ( data =~ myRegularExpression )
matcher.each{ println it[1] }

実行してみると、いい感じの結果が得られました。



これは便利。

データの一部を除外して取り出す

正規表現の指定に一味加えることで、データの一部を除外して取得することができます。
まだ完全には理解していなのですが「?:」という指定がミソの模様。

例えば、

というカンマ区切りのデータがあるとして、A1(最初)とD1(最後)だけ欲しい。

そんな時は、こんなプログラムで取り出せました。

data = 'A1,B1,C1,D1'
myRegularExpression = /([A-Z0-9]+)(?:,.+)+,(.*)/
matcher = ( data =~ myRegularExpression )
matcher.each{ println it[1] + 'と' + it[2] }

実行結果は以下のとおり。

データの置換

例えばこんなデータがあるとして


ABC、まはたabcの部分ををXXXに置換してみます。
まずは、ABCとabcの部分だけ取得するプログラム。

data = 'ABC123abc123ABC'
myRegularExpression = /(ABC|abc)/
matcher = ( data =~ myRegularExpression )
matcher.each{ println it[1] }

実行してみると、狙い通りの箇所が取得できているようです。





これを置換するには、「matcher.replaceAll([置換する文字列])」を使用します。

data = 'ABC123abc123ABC'
myRegularExpression = /(ABC|abc)/
matcher = ( data =~ myRegularExpression )
matcher.each{ println it[1] }
excerpt = matcher.replaceAll('XXX')
println excerpt

ちゃんと狙った位置の文字列が置換出来ました。

関連記事

• Groovy学習６　色々なループの方法
• Groovy学習５　使用できる演算子まとめ
• Groovy学習４　正規表現を使用し、データをまとめて取り出す
• Groovy学習３　正規表現
• Groovy学習２　クロージャ、ファイル処理、文字列処理