コンピュータの基礎第１４講
進んだ検索と置換
【第１４講のポイント】
本講では、検索と置換についてのより進んだ手法を紹介する。
【第１４講の目標】学習後、以下のことが身についたかチェックしよう。
- 論理式検索が行えるようになる
- WORDのワイルドカードを利用して検索と置換が行えるようになる
- 正規表現について理解する
- 正規表現とグラフモデルの関係を理解する
【第１４講の構成】
- 論理式検索
- WORDの検索と置換
- 正規表現による検索と置換
- 正規表現とグラフモデル
本書の見方
- ページをめくる
- 左(右)ページの左(右)端クリックまたはドラッグする
左(右)矢印キーを押す - １ページ分の移動
- 左右上端にある[Next]、[Previous]タブをクリックする
- 章の頭に移動
- 右上の【章の移動】タブをクリックし、現れた章を選ぶ
- ページのジャンプ
- 右上のページ番号表示タブをクリックし、現れたページを選ぶ
- 画像の拡大およびリンク先への移動
- 画像やリンク先をクリックすれば、別ウィンドウ(タブ)で表示される
この教科書はBookletを利用して作成しています。
第１節 論理式検索
通常の検索ではいくつかのキーワードを並べ、それらがすべて含まれるWebページや文書を検索する。しかし、検索サイトでは、いくつかのキーワードを 積(and)、和(or)、差(not)で(必要なら括弧も使って)組み合わせて検索できる。集合・論理モデルで議論したように、各キーワードの現れる･現れないを含めた組み合わせはすべて、積(and)、和(or)、差(not)を用いて表せる。| A and B | キーワード A、Bがともに現れるページを検索する。 |
| A or B | キーワード A、B のどちらかが現れるページを検索する。 |
| A not B | キーワード A が現れるページから、 B が現れるページを除外する。 |
Googleの｢検索オプション｣で現れる画面では、以下の指定ができる。
- ｢すべてのキーワードを含む｣： and に対応
- ｢完全一致｣
- ｢いずれかのキーワードを含む｣：or に対応
- ｢キーワードを含めない｣：not に対応
フレッシュアイでは、簡単なガイドに従って積(&)、和(|)、差(~)の演算子を使った論理検索式の作成ができ、その仕組みがよくわかる。
注意! 以下の実習にあたっては、半角文字と全角文字の違いに留意せよ。とくに、全角の空白は思わぬ働き(悪さ)をすることがある。
| 実習．以下の論理式検索をフレッシュアイで試してみよ |
|
| 問１４．１．次のページを検索する論理式を答えよ。 |
|
第２節 WORDの検索と置換
進んだ検索
キーワード検索では、論理式を用いたとしてもキーワードの組み合わせによる検索しかできないが、WORDの検索・置換機能では、ワイルドカードを用いたパターン指定による検索・置換が可能である。WORDで文書ファイルを開き、編集タグの置換を選択すると、｢検索と置換｣ウィンドウが開く。そこで【オプション】から｢ワイルドカードを使用する｣にチェックを入れると、ワイルドカードを利用した検索が可能になる。
詳しくは、WORDのヘルプで｢ワイルドカードを使って検索または置換する｣や｢使用できるワイルドカード｣を見よ。
使用できるワイルドカード
| 目的 | 記法 | 使用例 |
| 任意の 1 文字 | ? | "s?t" で、"sat" や "set" を検索できる。 |
| 任意の文字列 | * | "s*d" で、"sad" や "started" を検索できる。 |
| 単語の先頭 | < | "<inter" で、"interesting" や "intercept"は検索できますが、"splintered"は検索できません。 |
| 単語の末尾 | > | "in>" で、"in" や "within" は検索できますが、"interesting"は検索できません。 |
| 指定した文字のいずれか | [ ] | "w[io]n" で、"win" と "won" の両方を検索できます。 |
| 指定した範囲内の任意の 1 文字 | [-] | "[r-t]ight" で、"right" や "sight" を検索できます。範囲は昇順で指定します。 |
| 括弧内の範囲に含まれる文字を除く任意の 1 文字 | [!x-z] | "t[!a-m]ck" で、"tock" や "tuck" は検索できますが、"tack" や "tick"は検索できません。 |
| 直前の文字または式を n 個 | {n} | "fe{2}d"で、"feed" は検索できますが、"fed" は検索できません。 |
| 直前の文字または式を n 個以上 | {n,} | "fe{1,}d" で、"fed" や "feed" を検索できます。 |
| 直前の文字または式を n ～ m 個 | {n,m} | "10{1,3}" で、"10"、"100"、および "1000" を検索できます。 |
| 直前の文字または式を 1 個以上 | @ | "lo@t" で、"lot" や "loot" を検索できます。 |
例えば、数字列を検索するには
[0-9]{1,}、小文字列の検索には、[a-z]{1,}とすればよい。また、20世紀の年号(1900以上1999以下の数)を探したければ
19[0-9]{2} とする。
検索する文字列：(米国)(*)(日本)
は、｢米国…日本｣と合致し、\1＝米国、\2＝…、\3＝日本となるので
置換後の文字列： \3\2\1
は、文書中の「米国」(\1)とその後方にある「日本」(\3)を入れ替える。
進んだ置換
次に、進んだ置換機能について説明しよう。ワイルドカードを使用した検索式の一部を括弧"("、")"で括ると、その部分の検索が優先されるがそれだけでなく、その部分と合致した文字列を \n (nは数)で表すことができる。 ここで \n はn番目の括弧対で括られた式に合致した文字列を表す。例えば検索する文字列：(米国)(*)(日本)
は、｢米国…日本｣と合致し、\1＝米国、\2＝…、\3＝日本となるので
置換後の文字列： \3\2\1
は、文書中の「米国」(\1)とその後方にある「日本」(\3)を入れ替える。
| コラム．ワイルドカード |
| ワイルドカードは、トランプ等のカードゲームにおいて、ジョーカー等他のカードの代わりとして使えるカードをさす言葉であるが、情報科学においては他の文字(列)の代わりに使える(マッチする)特殊な文字を指し、一般に、任意の文字列を表す * と、任意の1文字を表す ? が使われる。 例えば、ファイルの｢開く｣や｢名前をつけて保存｣のウィンドウで｢ファイルの種類｣を指定する欄には、すべてのファイル(*.*)、Word文書(*.doc)が指定できる。 *.doc を指定すれば、vb.doc、perl.doc、文書.doc のような・・・.docの形をしたすべてのファイル名を意味し、このパターンに合致する名前のファイルだけが、一覧表示される。 |
| *問１４．２．以下の実習を行い、問に答えよ |
| WORDを起動し、以下の４行を文書にコピーして、 山田 太郎 (Taro Yamada) 金岡 健二 (Kenji Kanaoka) 田中 正一 (Syouichi Tanaka) 文書中の「米国」をその後方にある「日本」と入れ替える。 次の実習を行い、そのときの検索文字列や置換文字列を答えよ
|
第３節 正規表現による検索と置換
前節で学んだWORDの検索・置換はWORDでしか使えないが、一般のテキスト(文字列)に対してより強力なパターンマッチング機能を提供するものに正規表現がある。正規表現はテキスト処理に威力を発揮するとともに、インターネット上でも正規表現による検索が可能なサービスが多数存在する。ここでは、正規表現による検索・置換について学ぼう。例：インター?フ[エェ](イ|ー)ス は、インターフェイス、インターフェース、インターフエイス、インターフエース、インタフェイス、インタフェース、インタフエイス、インタフエース、の８種類の文字列と合致する。 ?、[ ]、|、の意味については以下を参照せよ。
正規表現の記法
赤字の部分は、WORDのワイルドカードとは異るものなので、注意せよ。(１)基本演算：正規表現の基本演算は次の３種類の演算である。
| 記法 | 説明 | 使用例 |
| 連接 | 正規表現を続けて書けば、それらを続けた文字列と合致 | abc と def の連接は abcdef |
| | | 和(または)。どちらかのパターンと合致すれば合致。 | (this|that) is a sample → this is a sample、that is a sample と合致 |
| * | 直前の文字(文字列)の0回以上の繰り返しと合致 | 12* → １、12、122、・・・ と合致。 (ab)*a →a、aba、ababa、・・・と合致。 |
正規表現では、基本演算の他に便利のために種々の演算・記法が用意される。
(２)繰り返し指定：直前の文字(列)の繰り返し回数を指定する
| 記法 | 説明 | 使用例 |
| + | 1回以上の繰り返し | 12+ → 12、122、・・・ と合致 12+＝122* |
| ? | 0,1回の繰り返し | 12? → 1、12 と合致 12?＝1|12 |
| {n} | n回繰り返し | (ab){3} → abababに合致 |
| {n, } | n回以上繰り返し | a{3,} →aaa、aaaa、…に合致 |
| {m,n} | m～n回繰り返し | a{3,5} →aaa、aaaa、aaaaaに合致 |
(３)文字の集合：1文字指定する
合致する文字列は、通常はパターンに適合する最長の文字列(最長合致)であるが、"?"を付加する事によって最短合致となる。
12+ →1222222222 に対し10桁目の1222222222までと合致
12+? →1222222222 に対し2桁目の12までと合致
(４)特殊な意味を持つ文字
その他特殊な意味を持つ文字
| 記法 | 説明 | 使用例 |
| . | 改行文字を除く任意の1文字 | windows.. windowsの後に2文字続く文字列と合致 |
| [ ] | [ ] 内に並べた文字のどれか | [ab]＝a|b |
| - | 文字の区間。[ ] 内で用いる | [a-z]＝a|b|・・・|z a-zの小文字アルファベット全て [0-9]＝0|1|・・・|9 全角の数字 [0-9A-Z] 大文字のアルファベットか数字 |
| ^ | 否定。[ ] 内で用いる | [^a-z] 小文字のアルファベット以外全て |
合致する文字列は、通常はパターンに適合する最長の文字列(最長合致)であるが、"?"を付加する事によって最短合致となる。
12+ →1222222222 に対し10桁目の1222222222までと合致
12+? →1222222222 に対し2桁目の12までと合致
(４)特殊な意味を持つ文字
| 記法 | 説明 | 使用例 |
| ^ | 行頭 | ^abc →行頭にある abc と合致 |
| $ | 行末 | abc$ →行末にある abc と合致 |
|
|
正規表現による検索と置換
正規表現による検索を用いると、例えば英語の学習に役立つばかりでなく、文書・文献の特徴を数量的に抽出し、著者の異同や時代の推定、思想と文体との関係等を分析することも可能になる。その意味で、正規表現は文体の処理・解析のための重要なツールになっている。| 問１４．３．以下の実習を行い、問に答えよ |
|
| 実習．正規表現による検索・置換 |
| 次ページは Java Script で実装した正規表現による検索・置換アプリである。検索文字列や置換文字列を指定して[検索]、[置換]を押すと結果が下の欄に表示される。これを使用して、Wordで行った実習と同じことを行え。 |
| **問１４．４．以下のパターンの正規表現を求めよ。また、その検索結果を次ページのアプリで確認せよ |
|
第４節 正規表現とグラフモデル
正規表現は、情報の基本モデルであるグラフモデル(ネットワークモデル)と密接な関係がある。グラフは対象を○や□で図示し、その間の関係を矢印(→)や実線(―)で図示したものであった。ここで、特に対象を｢状態｣と呼んで○で表し、関係を｢状態遷移｣と呼んで→で表したグラフを状態遷移図(有限オートマトン)と呼ぶ。右上図はDVDプレイヤーの状態遷移を表現した図である。これに早送りや巻き戻ボタン（機能）がある場合を追加してみよう。右下図は初期状態 0(→○)から0,1の列を入力したとき、それが表す2進数を3で割った余り n を状態 n で表した状態遷移図である。
状態遷移図で、ある初期状態から、ある終了状態への遷移列のパターン(集合)は、正規表現で表されることが知られている。(鉄道路線図で言えば、出発の駅から目的の駅までの経路のパターンは正規表現で表される。)したがって、あるパターンの正規表現を求めようとするとき、そのパターンを表す状態遷移図を考えてみるとよい。また逆に、正規表現に対して、それを遷移列(経路)集合に持つ状態遷移図を作ることもできる。これらの詳細については、言語理論、オートマトン理論に関する書物を参考にしてほしい。
| **問１４．５． |
|