frei

旧「anney's room」からブログ「frei」だけ引っ越し&残しました

(?-x:。

先日の Text::ParseWords が遅い件

正規表現を少し追ってみてたら、

訳わかんない箇所があって、

会社でオライリーな本達で調べたので、メモ。

Text::ParseWords

($quote, $quoted, undef, $unquoted, $delim, undef) =

$line =~ m/^(["']) # a $quote

((?:\\[\000-\377]|(?!\1)[^\\])*) # and $quoted text

\1 # followed by the same quote

([\000-\377]*) # and the rest

| # --OR--

^((?:\\[\000-\377]|[^\\"'])*?) # an $unquoted text

(\Z(?!\n)|(?-x:$delimiter)|(?!^)(?=["']))

# plus EOL, delimiter, or quote

([\000-\377]*) # the rest

/x; # extended layout

この中の (?-x:$delimiter) が、わかんなかったんだけど

(?-x: は拡張コンポーネントで、

正規表現全体にかかってる、最後の x(空白文字とコメントを許す)を

この (? から ) の間だけ、打ち消してるんだねー。

ついでに [\000-\377] は8進数のASCII文字コード

"aaa","bbb",

なんて行を処理すると、以下のような結果に。

1回目: $quote が "、 $quoted が aaa、 $unquoted と $delim は空。

2回目: $quote と $quoted が空、 $unquoted が , で $delim は空。

3回目: $quote が "、 $quoted が bbb、 $unquoted と $delim は空。

4回目: $quote と $quoted が空、 $unquoted が , で $delim は空。

・・・・・。んー、この正規表現が良い物なのか、どうなのかすらわからない orz

と言うか、こんな風に書かないといけない理由が、よくわからない orz

うーーーーーーーーーーーむ。

広告を非表示にする