ruby-list

5.5 です。

文字列 S の中で，正規表現 R にマッチする部分とそれ以外の
部分をそれぞれ取得したいときに，どうもうまい方法が見つか
りません。

以下のような String#each_segment メソッドがあると嬉しい
です。（この例は非実用的です）

result=""
"ab12cd".each_segment /\d+/ do |str, match|
  result << (match ? "<#{str}>" : str.upcase)
end

result # => "AB<12>CD"

ここで，二つめのブロックパラメーター match は MatchData
オブジェクトです。
str が非マッチ文字列のときは match は nil とします。

マッチ部分とそれ以外の部分を取り出すには，String#split
に括弧付きの正規表現を与える方法もありますが，

"ab12cd".split(/(\d+)/) # => ["ab", "12", "cd"]

正規表現中にグルーピングのための括弧があるとダメですし，
マッチ部分かそうでない部分かをもう一度判定しなければなり
ません。


そこで，strscan を使う方法を考えました。

s=StringScanner.new("ab12cd")

result=""
while offset=s.exist?(/\d+/)
  len=offset-s.matched.size
  result << s.peek(len).upcase unless len.zero?
  result << "<#{s.matched}>"
  s.pos=s.pos+offset
end
result << s.rest.upcase unless s.rest.empty?

これ以上簡潔な書き方が思いつきませんでした。
マッチ文字列の間を取り出す手段が無いからです。

いかにも回りくどいですし，非マッチ文字列に対する処理が
二箇所に書かれていて DRY ではありません。

また，pre_match，post_match を使うケースで，元テキストが
非常に大きく，マッチ箇所が多数ある場合には，大量の文字列
ゴミが生じると思います。


汎用性のあるもっとうまい書き方があるのか，それとも提案し
たようなメソッドの導入に意義があるのか，どんなものでしょ
うか。

-- 
5.5@moji.gr.jp