正規表現で文字クラスの引き算

質問

• 正規表現の文字クラスについてお聞きします。
• [0-6]の中から3～5を除いた指定方法について、Perlと.NETの違いを教えてください。
• Perlにおいても同じような引き算の指定方法はあるのでしょうか。

回答No.3

_--_--_-_- · ベストアンサー

.NET 正規表現とは違ったアプローチになりますが、一応あることはあります。
(.NET 正規表現互換も、package Something; use overload; sub import { overload::constant qr => \&substraction } sub substraction { #... } みたいなことをすればできるかもしれませんが――私はよく知りません)

本題に戻りますが、Unicode ブロック属性を用いれば目的は果たせると思います。
例えば:

use utf8;
print 1 if 'あ' =~ /\p{InHiragana}/;

このように、\p{InHOGE} という形の文字クラス (と呼ぶのでしょうか) が utf8 プラグマの機能として (自信なし) 用意されています。
ちなみに、CJK 統合漢字の属性は \p{InCJKUnifiedIdeographs} だったと思います。
さらにこの属性を自分で作ることもでき:

sub InKana {
return <<'EOF';
+utf8::InHiragana
+utf8::InKatakana
EOF
}

まあこんな感じで、+ から始まる属性は追加、- から始まるやつは削除という風に定義できるらしいです。
応用すれば CJK から J を引いたクラスも作れると思います。
文字のバイト列を調べて平仮名かどうか調べる――といったテクニックの現代版と言えるのでしょうか。分かりません。

`perldoc perlunicode' で more details を得ることができると思います。
なお、この回答は全般的に「自信なし」です。

お礼

ありましたね、文字プロパティのユーザー定義！
これで行けると思います。

#! perl
# regtest.pl -- 正規表現のテスト

while(<DATA>) {
chomp;
print "$_ matches /\\p\{p01256\}/\n" if /\p{p01256}/;
}

sub p01256 {
return<<'EOF';
+0030 0036
-0033 0034
EOF
}

__DATA__
0
1
2
3
4
5
6
7
8
9

＝＞

0 matches /\p{p01256}/
1 matches /\p{p01256}/
2 matches /\p{p01256}/
5 matches /\p{p01256}/
6 matches /\p{p01256}/

でバッチリです。
どうもありがとうございます！

補足

下のお礼の続きです。
文字プロパティが定義できることは知ってたんですが、マイナスで削除できるところは知りませんでした。
ややこしいですが便利ですね。
本当にありがとうございます。