パターンマッチ処理

与えられたデータを自動的に処理するプログラムの必要性と有用性は高い。 そのことを見越して、自動処理しやすい形式でデータファイルを 作成しておくことが重要である。

テキストを処理するプログラムは，その入力パターンに応じて処理を 決定する。入力パターンの照合は対象となるの書式を元に決める。

カンマ「,」やタブ文字などの特定文字列による分解(例: csvファイル)

splitメソッドで分解

特定キーワードで分解

正規表現を用いて解析

splitによる処理

ある特定の文字でフィールドを区切られている書式(DSV; Delimiter-Separated Value)で，フィールド値に区切り文字が現れないようなものは split で簡単に解析できる。csvファイルの処理例を示す。

yamagata.csvは， 文字列もクォートなしで書かれたcsvファイルで，

となっている。これを split で分解して， 市町村と総人口のみの集計出力を得るには以下のようにする。

#!/usr/bin/env ruby
# coding: euc-jp
while line=gets
  data = line.chomp.split(",")
  printf("%-20s%s\n", data[5], data[8])
end

正規表現を用いた処理

固定区切りでないものは正規表現でパターンマッチを行ない， 後方参照を用いてマッチした一部を取り出す。

電子メイルのファイルから差出人を抽出してみる。 差出人はメイルヘッダの Return-path か，From の値から取得する。電子メイルのヘッダは，1行目から始まり，空行で終わる。 行頭(先頭カラム)から始まり，コロンまでのものがフィールド名， その後ろがフィールド値である。

メイルのヘッダ部分のみを繰り返す処理は，

while line=gets
  break if /^$/ =~ line
  〜処理〜
end

のように書ける。この間で，Return-pathまたは Fromを得る処理は以下のようにする。

while line=gets
  break if /^$/ =~ line
  if /^(return-path|from): *(.*)/i =~ then
    from = $1
  end
end

これを応用して，1通のメッセージを含むファイルから差出人などの 情報をサマリ表示するプログラムを作ると以下のようになる。

headervalue.rb

#!/usr/bin/env ruby
# coding: euc-jp
# Parse rfc2822 header and display summary

while line=gets
  break if /^$/ =~ line
  if /^(return-path|from): *(.*)/i =~ line then
    from = $2
  elsif /^subject: (.*)/i =~ line then
    subj = $1
  elsif /^date: (.*)/i =~ line then
    date = $1
  end
end

printf("%s: %sさんからの「%s」というメイルです。\n", date, from, subj)

本日の目次へ