秀丸での検索、置換、grep（正規表現の利用）

検索、置換、grep

秀丸に限らず、テキストファイルから特定の文字列を検索したい場合はよくあります。また、検索された文字列を別の文字列に置き換える、置換という作業は、検索の延長とも言えます。

grepとは聞き慣れない言葉かも知れませんが、UNIXではよく使われるコマンドの一つです。検索と同様に、特定の文字列を含む行をファイルから抽出してくれます。特定の文字列をパターンとしてパターンマッチングとも呼ばれます。そのgrepが秀丸では使用することができますので、grepを使用した演習も下記に用意してあります。

パターンマッチングおよびgrepに関する説明がこちらのページにあります。また、UNIXのgrepの使い方に興味がある人はこちらのページを参照してください。

秀丸での正規表現

正規表現とは、テキストデータを処理する際に非常に重要な機能と言えます。正規表現という言葉は、regular expressionという英語が訳された言葉で、一定の規則性（パターン）を符号で表現することを指します。

UNIXの世界の正規表現と、秀丸の正規表現では若干異なる面もあります。以下に、秀丸における正規表現の例を示します。秀丸のへルプからも参照することができますが、ここでは重要なものだけを紹介します。

メタキャラクタ	意味
[ ]	キャラクタクラス例：本[屋店] → 「本屋」「本店」の言葉を検索
\|	パターンの論理和例：本屋\|本店 → 「本屋」「本店」の言葉を検索
( )	パターンのグループ化例：社会(人\|生活\|学部) → 「社会人」「社会生活」「社会学部」の言葉を検索
`.`	改行を除く任意の1文字
*	直前のパターンの0回以上の繰り返し注意：`.`* と組み合わせて、任意の長さの文字列として使われることが多い例：東`.`*駅 → 「東京駅」「東神奈川駅」などの言葉を検索
+	直前のパターンの1回以上の繰り返し
?	直前のパターンが0回または1回出現
^	行頭注意：[^a]のような場合、否定の意味になる（左の例では、"aでない"という意味になる）
$	行末
\w	英単語
\<	英単語の始まり
\>	英単語の終わり

上記の(や?は、特別な意味を持つ記号として使われます。そのような記号そのものを検索したい場合には、エスケープ文字\をつけて、 \(や\?のように指定する必要がありますので、注意してください。

秀丸での正規表現を踏まえた検索、置換、grep

それでは、上記で学習した秀丸での正規表現を実際に試してみましょう。下記の「コンピュータリテラシ─のシラバス」のリンク先のファイルをコピーして、秀丸での新規作成画面に貼り付けてください。そして、「検索での指定」にしたがって、検索してみてください。

題材：コンピュータリテラシ─のシラバス
目的：シラバスのテキストファイルから

	各目的	検索での指定
論理和の検索	「Linux」も「Windows」も検索したいとき	Linux\|Windows
	「情報学部」も「情報学科」も検索したいとき	情報学[部科]
	「コンピュータ社会」以外の「コンピュータ****」という言葉を検索したいとき	コンピュータ[^社会]
数字の検索	2桁の数字だけを検索したいとき	[0-9][0-9]
数字の検索	1桁か2桁の数字だけを検索したいとき	[0-9]+
ローマ字の検索	英単語だけを検索したいとき	\w
	ローマ字（小文字だけ）1字を検索したいとき	[a-z]
	ローマ字（大文字だけ）1字を検索したいとき	[A-Z]
	ローマ字（大文字・小文字関係なく）1字を検索したいとき	[A-Za-z]
	ローマ字（大文字・小文字関係なく）3字で構成される英単語を検索したいとき	\<[A-Za-z][A-Za-z][A-Za-z]\>
その他	<演習名>のように< >で囲まれた言葉だけを検索したいとき	<`.`*>

注意：

検索画面の様子を下記の画像に示しますが、検索を正常に機能させるための注意点として下記の2点がありますので、うまく検索できないときには確認してください。

「正規表現」をチェックする
検索（置換）を実行する前に、カーソルをファイルの先頭に移動させておく（Ctrl + Homeで移動します）

検索のやり方は身についたでしょうか？検索ができれば、置換もできるはずです。また、メニューバーの

検索 → grepの実行

を指定し、検索条件を入力して実行させることで、検索条件に合致する言葉を含む行が別のファイルに出力されます。上記の検索の指定を、このgrepに対しても試してみてください。

課題

これまでに学習した正規表現を置換において使用して、下記の目的を達成せよ。
1. 題材：情報大の教員リストのWebページ →[こちらをクリック]
  目的：
  （この問題の解答はこちらに）
2. 題材：情報大の環境情報学科1年生のリストのWebページ →[こちらをクリック（学内のみ閲覧可）]
  目的：
  1. Webページのコピー → 学生のリスト（氏名のみ）の作成
  2. Webページのコピー → 学生のリスト（氏名＋学籍番号）の作成
  3. Webページのソースのコピー → 学生のEDUのEメールアドレスのリストの作成
「鶴亀メール」では、既存のメールに対しては、
- 題名(Subject)
- 送り先/送り主(To/From)
- 送り主(From/Reply-To)
- へッダ
- 本文
などを対象に、複数の条件を設定して検索することができる。これまでに届いたメールを対象に、適当な検索を実行してみよ。正規表現を利用した検索を実行する場合には、「正規表現」をチェックすることを忘れないように。

課題の解答（Iのみ）

題材：情報大の教員リストのWebページのHTMLソース [下記の部分のみを対象とする]

<tr><td align="center">井上貞明</td></tr>
<tr><td align="center">内田治</td></tr>
<tr><td align="center">岡本眞一</td></tr>
<tr><td align="center">菊池豊彦</td></tr>
<tr><td align="center">Kevin Short</td></tr>
<tr><td align="center">櫻井尚子</td></tr>
<tr><td align="center"><a href="http://www.edu.tuis.ac.jp/~susaki/lab/">須崎純一</a></td></tr>
<tr><td align="center">鈴木英男</td></tr>
<tr><td align="center"><a href="http://www.rsch.tuis.ac.jp/~sekiguch/prof_sekiguch/">関口益照</a></td></tr>
<tr><td align="center">高仲實則</td></tr>
<tr><td align="center">中尾宏</td></tr>
<tr><td align="center">林正康</td></tr>
<tr><td align="center">原朗</td></tr>
<tr><td align="center"><a href="http://www.rsch.tuis.ac.jp/~hara/">原慶太郎</a></td></tr>
<tr><td align="center"><a href="http://www.rsch.tuis.ac.jp/~higashi/">東山定生</a></td></tr>
<tr><td align="center">前林行雄</td></tr>
<tr><td align="center"><a href="http://www.rsch.tuis.ac.jp/~yamasaki/">山崎和子</td></tr>

教員氏名のリストの作成

まず、教員氏名の前にあるHTMLタグを除去したい。そのタグも全員分同じではなく、

<tr><td align="center">
<tr><td align="center"><a href="http://www.rsch.tuis.ac.jp/~yamasaki/">

のように長さが異なる。このようなタグを一度に取り除くために、共通するルールを考える。すると、<で始まり、">で終わるという共通項が見える。この点を考慮して、秀丸の「検索 → 置換」では、下記のように指定する。

検索 <.*">
置換（空白のまま）

この結果、下記の通りとなる。

井上貞明</td></tr>
内田治</td></tr>
岡本眞一</td></tr>
菊池豊彦</td></tr>
Kevin Short</td></tr>
櫻井尚子</td></tr>
須崎純一</a></td></tr>
鈴木英男</td></tr>
関口益照</a></td></tr>
高仲實則</td></tr>
中尾宏</td></tr>
林正康</td></tr>
原朗</td></tr>
原慶太郎</a></td></tr>
東山定生</a></td></tr>
前林行雄</td></tr>
山崎和子</td></tr>

正規表現を用いた検索、置換では、最長パターンが検索される。 <.*">に該当するパターンは、

という表現においては、

<tr><td align="center">
<tr><td align="center"><a href="http://www.rsch.tuis.ac.jp/~yamasaki/">

と2種類存在するが、最長パターンが検出されるために、2番目の表現が置換の対象となり、名前の直前までの表現が全て消去されたというわけである。ちなみに、名前の後ろにも">というタグが存在する場合には、教員氏名そのものも置換されてなくなってしまうので、別の指定が必要となる。

つぎに、教員氏名の後ろについているタグを除去したいが、これも長さが2種類ある。この場合には、

検索 <.*>
置換（空白のまま）

と指定することで、全てのタグが消去され、下記の結果のようになる。

井上貞明
内田治
岡本眞一
菊池豊彦
Kevin Short
櫻井尚子
須崎純一
鈴木英男
関口益照
高仲實則
中尾宏
林正康
原朗
原慶太郎
東山定生
前林行雄
山崎和子

学科名＋教員の氏名＋先生という表現のリストの作成

上記の結果を利用して、まずは「学科名」を教員氏名の前に挿入したい。正規表現では、行頭を「^」と表現するので、

検索 ^
置換環境情報学科：

と指定することで、「環境情報学科：」という文字列が、全行の先頭に挿入される。

環境情報学科：井上貞明
環境情報学科：内田治
環境情報学科：岡本眞一
環境情報学科：菊池豊彦
環境情報学科：Kevin Short
環境情報学科：櫻井尚子
環境情報学科：須崎純一
環境情報学科：鈴木英男
環境情報学科：関口益照
環境情報学科：高仲實則
環境情報学科：中尾宏
環境情報学科：林正康
環境情報学科：原朗
環境情報学科：原慶太郎
環境情報学科：東山定生
環境情報学科：前林行雄
環境情報学科：山崎和子

そして、今度は行末に「先生」という文字列を挿入したい。正規表現では、行末を「$」と表現するが、秀丸で実際に指定してみると希望通りに動作しなかった。したがって、下記のように、改行文字 \nを利用して、

検索 \n
置換先生\n

と指定することで、下記の結果に至る。

環境情報学科：井上貞明先生
環境情報学科：内田治先生
環境情報学科：岡本眞一先生
環境情報学科：菊池豊彦先生
環境情報学科：Kevin Short先生
環境情報学科：櫻井尚子先生
環境情報学科：須崎純一先生
環境情報学科：鈴木英男先生
環境情報学科：関口益照先生
環境情報学科：高仲實則先生
環境情報学科：中尾宏先生
環境情報学科：林正康先生
環境情報学科：原朗先生
環境情報学科：原慶太郎先生
環境情報学科：東山定生先生
環境情報学科：前林行雄先生
環境情報学科：山崎和子先生

[文書作成（秀丸）のページに戻る] [コンピュータリテラシー演習のホームに戻る]

須崎純一　東京情報大学総合情報学部環境情報学科
susaki@rsch.tuis.ac.jp