perlで記号除去を行いたいのですがうまく行かない

質問

perlで記号除去を行いたいのですがうまく行かず困っています。
文字列はEUCです。そこから$patternのような記号を削除したいのですが・・・。

http://www.din.or.jp/~ohzaki/perl.htm#Character
正しくパターンマッチさせる
を参考に

$ascii = '[\x00-\x7F]';
$twoBytes = '[\x8E\xA1-\xFE][\xA1-\xFE]';
$threeBytes = '\x8F[\xA1-\xFE][\xA1-\xFE]';

$pattern=q([\!！\#＃\%％\-－―ーー・・\/／\;；\?？\\￥_＿`‘\{｛\}｝\+＋\(（\)）\[［\] ］\*＊@＠\$＄&＆\:：\>＞\<＜\~￣\^＾\"”\'’ 　\,，\.．\=＝\|｜\、、\。。]);

if ($data =~ s/((?:$ascii|$twoBytes|$threeBytes)*?)(?:$pattern)/$1/mg) {
print "マッチした $& \n";
}
print $data;

として$dataに下の2つを与えてみました。

サンプル1
【あいうえお】
サンプル2
【aaa】

ところが・・・

サンプル1
(出力なし)

サンプル2
旻aaa桿

何が悪いのかわかりません・・・

ためしにパターンに【】を追加したところサンプル2はうまく行きましたが
サンプル１に変化がありません。（あいうえお　も消えてしまう）

何か思い当たる点がありましたら教えてください。よろしくお願いいたします。

回答No.3

mtaka2 · ベストアンサー

正規表現の[～] の中で全角文字を使っているのが原因でしょう。
たとえば、％はEUCで \xa1\xf3 ですから、[%％] は、「\x25 か \xa1 か \xf3」という1バイトにマッチします。
そういう場合は、
正規表現を [\!\#\%\-…]|！|％|－|… といった感じで、
全角文字は | で並べる形にするのがいいでしょう。

あるいは、一手間かかりますが、エンコーディングの処理をして、
スクリプトはuse utf8しておけば、
$ascii|$twoBytes|$threeByte みたいな文字の境目チェックは不要で、
$data =~ /[！＃％]/ と書くだけでも全角文字にマッチさせられます。

補足

おおおおお！！！！
うまくいきました！！

ただ、性能はものすごく悪いみたいです（泣

やはり泣き別れ防止の
?:$ascii|$twoBytes|$threeBytes
のあたりがよくないみたいですね。
あまり文字列が長いとコアダンプするし・・・
#　ただし、最近のlinuxではコアダンプしないみたいです。

でも　できてすっきりしました！

ありがとうございました！！

回答No.2

Tacosan

もちろん Perl でもできます＞#1.
というか, その方が普通.

回答No.1

A88No8

こんにちは
　たぶん、UNIX系の環境ですよね。
　なかなかメッセージが付かないようなのでにぎやかしということで(^^;

　難しく考えないで $pattern の文字があったら繰返し削除じゃだめですか？
　例えば、sed だったら 「s/$pattern//g」という雰囲気 (sedですから、当然 $pattern は展開して記述しますけど)。
　perl でも同様にできないでしょうかね。　コードを眺めたらできそうな気がしましたので。

　それと\でエスケープするメタ文字ってそんなに多かったですか？
/*+.,?$\[]^{}|() ←16文字よりありましたっけ？

　外してたら、ごめんなさい。

補足

回答ありがとうございます。
展開して書くということは、
1文字ずつ書くということでしょうか？