連載(R-Script10周年 第3回) [ 3/ 5]

第3回 正規表現

公開日：2011/12/25

メリークリスマスでございます。

クリスマスでありますが、僕ができることと言えば、皆様に文章をお届けすることくらいかと思いますので、今日も相変わらず文章をお届けしようかと思います。

さて、R-Script開発において、開発を経て得ることのできた貴重なプレゼントの１つが「正規表現」と言っても過言ではありません。今思うと、正規表現を知っていた場合と、知らなかった場合では、人生の豊かさに、何段階かの差があったんじゃないかなぁと思うほど。

正規表現といえば、比較的最近、R-Scriptの関数としても正規表現を扱うための関数群が実装されましたが、今回の話はそれではなく。

ソースコードをダウンロードして展開すると出てくる、「token.l」とか「interprete.y」とかに記述した、R-Scriptの言語自体の定義のための正規表現です。それぞれ「lex」と「yacc」という、字句解析プログラム生成ソフト・構文解析器生成ソフト向けの定義ファイルになっています。

実は2002年頃、R-Scriptを作るにあたって、lex, yacc向けの定義ファイルを書くために初めて正規表現を知り、勉強しました。

それ以降、テキストエディタを扱うときや、ファイル検索ソフトを扱うとき、あちこちで正規表現が利用できることを知り、正規表現って便利だなぁと思い続けています。こんな便利な正規表現、世間の人たちはどうやって知り、使い始めることになるのかなぁ…なんて思っていたんですが、実は知らない人が多いんですよね。

僕はIT系な会社に勤めておりますが、IT系な会社の中でも、知らない人がけっこう多かったりするみたい。あんなに便利なのに。知らないことで、仕事時間を無駄に過ごしている部分もあるかも知れません。

そんな正規表現ですが、R-Script言語定義をする上では、

• 数字とは何か … 0[bB][01]+, 0[xX][0-9a-fA-F]+, 0|([1-9][0-9]*)
• シンボル(変数名や関数名などのキーワードとして使用可能なモノ)とは何か … [A-Za-z_][A-Za-z0-9_]*, [A-Za-z_][A-Za-z0-9_]*\$
• 文字列とは何か … @\"[^"]*[\"], @\'[^']*[\'], \"([^"\\]+|\\.)*[\"], \'([^'\\]+|\\.)*[\']
• 　　：
• 　　：

のような感じで、言語の要素定義のために使っていたり、「関数呼び出しとは何か」「足し算とは何か」のような要素羅列の定義のために使っていたりします。興味のある方は、「token.l」や「interprete.y」を覗いてみて下さい。

ところで interprete.y は、kmyaccというフリーソフトを用いてコンパイルしていたのですが、これ、MS-DOS用のプログラムなんですね。MS-DOS用のプログラムは16bitプロセスであり、Windows 7(x64)では16bitプロセスのサポートが打ち切られましたから、現在の僕の環境では、kmyacc が使えないんです。

まぁ、今更 R-Script の構文を変更することはありませんが、リビルドしたいときには困ってしまうわけで。

その場合は仕方なく、interprete.y を処理するときだけ、「Windows XPモード」を呼び出して処理させています。まさかこんなところでWindows XPモードを使うことになるとは。