Rubyの正規表現まわりで最近知ったことのメモ

URI.regexp

URIの文字列にマッチする正規表現をサクッと取り出せる。

sample1.rb

require "uri"
"hoge http://udzura.jp fuga".scan URI.regexp
#=> [["http", nil, nil, "udzura.jp", nil, nil, nil, nil, nil]]

HTTPだけ、HTTP/HTTPSで、などの場合はそれぞれ URI.regexp("http"), URI.regexp(["http", "https"]) とできる

これはURIライブラリが内部で使っている都合上スキーマやらホスト名やらが分解された形でマッチするので、ただURLっぽい文字列を取り出したい時は URI.extract が使える。

sample2.rb

data = File.read("data.txt")
URI.extract(data, ["http", "https"]).each do |uri|
  puts uri
end

Regexp.union

正規表現で、表現Xまたは表現Yに合致するものを求めたい場合に、各表現すべてにマッチする正規表現を生成してくれる。 | で手動で繋げて再作成するより確実っぽい。

sample3.rb

re = Regexp.union(URI.regexp("http"), %r<(\[.+\]\(.+\))>)
"http://udzura.jp [hoge](fuga)".scan re
#=> [
   ["http", nil, nil, "udzura.jp", nil, nil, nil, nil, nil, nil],
   [nil, nil, nil, nil, nil, nil, nil, nil, nil, "[hoge](fuga)"]
 ]

• http://doc.ruby-lang.org/ja/2.0.0/class/Regexp.html#S_UNION

正規表現内部の &&

正規表現の文字クラス（ [a-z] だとか \w ）はご存知の方も多いだろうが、 && を利用すると文字クラスの共通部分を表現できる。

a ~ g 以外の単語構成文字を表す文字クラスは [\w&&[^a-g]] のようになる。

sample4.rb

"a" =~ /[\w&&[^a-g]]/
#=> nil
"h" =~ /[\w&&[^a-g]]/
#=> 0

• http://doc.ruby-lang.org/ja/2.0.0/doc/spec=2fregexp.html#string