Haskell で正規表現 (1)

1. Text.Regex

Haskell で正規表現を使うには、Text.Regex を利用する。

Text.Regex.Posix における正規表現は、POSIX regular expression.

Uses the POSIX regular expression interface in Text.Regex.Posix

POSIX regular expression については、

• Rx - Posix Basic Regular Expressions を参照。

POSIX とは Wikipedia によると、

POSIX（ポジックス、Portable Operating System Interface）とは、異なる実装のUNIX OSを始めとする各種OSに共通のAPIを定め、移植性の高いアプリケーションソフトウェアの開発を容易にすることを目的としてIEEEが策定したアプリケーションインタフェイス規格。POSIXの「X」はUNIX互換OSにXがつく名前が多いことからつけられたもの。

ふつうのHaskellプログラミング には、正規表現を使う方法が説明されていない。その代わりに、特定の文字列が含まれるか検査する関数に対して、次のように解説している。、

この関数では行lineに文字列patternが含まれているかを判定したいのですが、意外にも、そのものズバリの関数はHaskellのPreludeモジュールにはありません。(p93)

Haskell では、文字列に対するマッチングを、リスト処理の観点から行うのが普通なのだろうか (?_?)

 

2. matchRegex

mkRegex によって Regex 型の値を生成し、それが対象の文字列にマッチするか matchRegex で調べる。

import Text.Regex
main = do print $ matchRegex (mkRegex "hoge") "hogepiyofuga"
          print $ matchRegex (mkRegex "piga") "hogepiyofuga"

結果は、Just [] と Nothing 。 Nothing の方はいいのだけれど Just [] というのは何だろう (?_?)

Returns: Just strs if the match succeeded (and strs is the list of subexpression matches),

と書かれているがよくわからなかった。 ^^; list of subexpression が空なのはなぜ？ → 以下の 追記(2008.10.24) を参照。

ちなみに、 mkRegex のところの正規表現を ( ) で囲むと、Just [“hoge”] というように返されるようだ。

• cf. Haskellで正規表現

 

subexpression

追記(2008.10.24) : subexpression というのは「部分式」と訳される。

Rx - Posix Basic Regular Expressions によると、

部分式とは、\( と \)とに囲まれた正規表現である。

Regular expression - Wikipedia, the free encyclopedia にも同様に書かれている。

\( \)
Defines a marked subexpression. The string matched within the parentheses can be recalled later (see the next entry, \n). A marked subexpression is also called a block or capturing group.

つまり、上記で引用した通り、matchRegex 関数において Just で包んで返されるものは subexpression にマッチしたものということ。

 

3. matchRegexAll

matchRegexAll を使うと、

「マッチする前、マッチしたもの、マッチした後、 subexpression matches 」

を取得できる。やはりこの subexpression が謎。 (+_+)  → 上記の 追記(2008.10.24) を参照。
case 式を使って場合分けをするコードを書いてみると、

import Text.Regex
main = do putStrLn $ case matchRegexAll (mkRegex "piyo") "123hogepiyofuga" of
                       Just x -> show x
                       otherwise -> "Nothing"

結果は ("123hoge","piyo","fuga",[]) のようにタプルで返される。 例えば、マッチした後の結果だけが必要であれば、 case 式の中で Just (_, _, x, _) –> x のようにマッチを行う。Just の中身についてはドキュメントを見ると、

  Just ( everything before match,
         portion matched,
         everything after the match,
         subexpression matches )

 

後で読む

• 最強のパーザー、Parser Combinator - 純粋関数型雑記帳
• トークン列を扱う正規表現について - Yet Another Diary

うーん、難しくてわからない。 (@_@;) がんばって勉強しよ～。

 

関連記事

• Haskell で正規表現 (2) =~ , Python・Ruby と比較しながら