一括表示

　というほどのものではありませんが。
　でも久しぶりに真剣に考えました。難しいことはしていません。ちょっとした
分岐の入った、マニュアル操作再現のエディタのマクロらしい、マクロです。
　アルゴリズム（仕様）に悩んだ、悩んだ。製作に総計６時間はかかっている。
　２週間ぐらい考えていました。疲れ切った頭で。

\x ^aaa\([0-9]\)\([0-9]\)\([0-9]\)\([0-9]\)zzz$

　のようなタグ付き置換用、検索文字列の上で実行してみてください。
　次行にタグ番号を整理した「置換文字列」が現れます。
　シフトで置換用にＰＳに両文字列を入れてくれます。
　あ、ふつうのファイルの上で実行ね。編集モードオンリーのマクロです。

　nifty初期のころにも、僕はこれを書いてましたね。
　コマンドラインとかtext boxとかって、どうも緊張してしまいます。
　ダミーファイルにとりあえず書き始めてしまうと、落ち着いて考えられます。

　もし、「おい、こういう場合、バグるぜ」とかあったらお教えください。

　あまり意地悪はなしです。正規表現のチェックとかはしていません。タグの
整合性もチェックしていません（カーニハン先生いわく「funny situationの
ことを気にしすぎるな。仕様書〔document〕に最初から *bug欄 を作っておいて
ユーザに注意喚起するもよろし」）。もっとも、僕のばあい、タグ付きとか
キャラクタークラスとかの正規表現はマクロで出力してますから、まず、変な
ミスはないのですが。
　僕の頭が悪いというミスが、ミスの代表格。
　そして、これでいいのか？　みたいな、いつもの自信なし状態です。

　このところ、けっこうテキストファイルをごにょごにょしてる時間が長いのですが、
そしてプログラミング関係本をそこそこ眺めてはいるのですが（Software Tools, 
__ in Pascal by Kernighan）、やっぱ、８０ｘ２５文字が画面の基本と考えている
のでインデントは少なめな書式になってます。意図です。
　贅沢になれると、MS-DOS画面でつらいです。

　僕的にはふつうですが、"Comment like crazy."というJeff先生の教えも反映させて
ます。訳すと、「狂ったようにコメントを入れよ」。

　ＶｚマクロはＶｚマクロで、if...elseがあるとはいっても、ラベルジャンプだなぁ、
と進歩のないことになってます。そっちが読みやすいのだもの。

=== tag_rplp by B ===; Tag Replacement Prep

\x ^aaa\([0-9]\)\([0-9]\)\([0-9]\)\([0-9]\)zzz$
aaa\1\2\3\4zzz

* M
50 ^^ "tag_rplp"

?.
i=1,		;replace tag num (\i; \1, \2, \3 etc)
k=ks&1,

&s
#k #i		;duplicate line
#x

	; ----- del top&tail \x , ^, $  -----
#<
(cd=='\')? #g		;del \x 
 	 ? { &m("\x missing. Regex?") >z }
(cd=='x')? #g		;
(cd==' ')? #g		;
(cd=='^')? #g		;del ^
#> #s
(cd=='$')? #g		;del $
#<

	; ----- main loop -----
:a
(ct==1)? >z

	; ----- srch \( -----
(cd=='\')? {
	#d (cd=='(')? 
		{ #g &?("%d",i) i++, >b }	;\( found, del (
	}					; & put \1 (\2,\3)
	#d >a

	; ----- srch \) ----- ; now in delstring = DELing
:b
(cd=='\')? {
	#d (cd==')')? 
		{ #g #h }			;\) found, del \)
	}					;stop deleting
	? { #g >b}				;deleting the inside
>a

	; ----- if shift, get 2 strings in PS -----
:z
	(k)? {	#< #b #> #G		;2nd line, repl str
		#e #< #b #> #G }	;1st line, srch str
	#< &d .

*

　題　＋　「と思う」

　いちおうワークファイルに検索文字列を写して、置換を基本に同じ結果を
得られるよう、やってみました。
　頭を使うことも悩むこともありませんでしたが、\(, \) をカーソルを動かし
ながら探す、という最初の案に１票という結果になりました。

aaa\([0-9]\)\([0-9]\)

を

aaa\([0-9]\)
\([0-9]\)

としてしまえば、処理が楽というのは、まあ、正しかったとは思いましたが。


　以下は、骨の部分だけです。


----- testfile.txt -----

aaa\([0-9]\)\([0-9]\)\([0-9]\)\([0-9]\)zzz

------------------------


=== Macrotmp by B ===;　も、大変。字がいっぱい。
* M
50 ^^ "Macrotmp"

	; --- tag pair num check	; \(, \) 整合性チェック
#56 "\(" #m "\(" #m "AY"
m=r,
#56 "\)" #m "\)" #m "AY"
n=r,
(m==n)?? {&m("\( \) tag pair num, incorrect").}


	; --- cut each  ...\), for REGEX replacement below
#56 "\)" #m "\)\n" #m "AY"		; \(, \) ペアを１行に一個にする
					; 次のregex置換（文字列削除）のため
	; --- del ...\) tail
#56 "\x \\(.+$$" #m "\(" #m "AY"	; \(...\)の　...\)を削る（行末）
					; 途中文字列は、行末には来ていないはず。

	; --- renumber \1, \2, \3 by looping
i=1,					; \1, \2, \3 の番号振り
#F "\(" #m				;
:a					;
	#c (r)? >b			;
	#d #g &?("%d",i) i++,		;
>a					; ここまで


	; --- get the original & correct 1-line form
:b
#56 "\n" #m "" #m "AY"			; 複数行だったのを１行に戻す

&m("finished") .

*

めざらさん

　以下２点は、わりと最初から考えていたことでした。

>なるほど。ぶった切っちゃうというのは一案でしたね。

　\(.....\)..\(....\)..\(......\)
  <----------------------------->
  最長一致で上全部にヒットしてしまい、これではダメだな、と。
  これを回避するためにぶった切ることを最初に思いつきました。
  .....\)　の処理が楽、は、後知恵というか副産物でした。
  
>しかも整合性チェックまで入れるとは，少しやりすぎ(笑)ではありませんか。
　最終的に捨てましたが、正規表現チェッカー機能を少しは入れたら？　
という考えはありました。
　ただ、自画自賛ですが、最初の解決案では、テキスト上の次行に結果が
でます。そこで変なことが起こっていないと確認できるから、それでいい、と。
　その後、「\x 」がなければマクロを止める、というのは外しました。
sedでも使えるじゃん、これ、と。

　そうだ！　ssedには、Perl-like な「最短文字列」しか食べない
「*?」というnon-greedyな演算子があるじゃないか、と思い出してしまい……。
（onigsed については、調べません）

　以下のような悲惨なことになりました。
　正規表現のメタ文字をエスケープするの、嫌いです。好きな人はまず
いないと思うけど。だから、置換に失敗したくない！

　sedに数を数えさせるのは、えーと、ふつう、ムリです。下のように
なります。そのうち数を数えはじめそうで、自分が怖いです。
　ホールドスペースに最初、"0123456789"（文字列！）を入れておくなど、
やり方がないわけじゃありません。

　ま、バカです。

　Perl-like regex がある awk。聞いたことがありません。\(...\)を
１個１個分解して、配列に入れるのでしょうか。

　「素直にPerlでやれよ！」。Perl regexが使えるPerlを所有しておりません。
厚い厚い日本語の壁があるのです。


　Ｖｚマクロはとてつもなく偉い、という結論です。


--- input.txt
\x ^aaa\([0-9]\)\([0-9]\)\([0-9]\)\([0-9]\)\zzz$
-------------

--- output.txt
aaa\1\2\3\4\zzz
-------------

--- detag.sed ---
#ssed -R (Perl-mode) -f detag.sed

s/^\\x \^//
s/^\\x //
s/\$$//

s/\\(.*?\\)/\\1/
s/\\1\)/\\1/			#泥縄です。訳が分かりません。

s/\\([^1]*?\\)/\\2/		#悲しくなる
s/\\2\)/\\2/			#同

s/\\([^12]*?\\)/\\3/		#悲しい
s/\\3\)/\\3/

s/\\([^123]*?\\)/\\4/		#さらに悲しい
s/\\4\)/\\4/

s/\\([^1234]*?\\)/\\5/		#もっと悲しい
s/\\5\)/\\5/

s/\\([^12345]*?\\)/\\6/		#以下同文
s/\\6\)/\\6/

s/\\([^123456]*?\\)/\\7/
s/\\7\)/\\7/

s/\\([^1234567]*?\\)/\\8/
s/\\8\)/\\8/

s/\\([^12345678]*?\\)/\\9/
s/\\9\)/\\9/
-----------------

　上、それほど時間はかかっていません。
　が、作業途中、とんでもない虚しさが心の中でどんどん巨大化していった
のは事実です。

\(aaa\)bbb\(ccc\)ddd\(eee\)fff
↓
\1bbb\2ddd\3fff

　アルゴリズム的には進歩なし。
　えーと、そこは数えられないっす。ほぼ文字列定数なので、"str"
　「最短」は正規表現ですなおに実現できました。技を使っていません。

　しかし、こうは言いたい。
　見よ、この気持ちの悪い正規表現を！！！　くらえっ！！！　って誰が食うの？
　たぶん、分身の術をやったらめったらに使ったバルタン星人だと思う。

----- t.awk -----
# jgawk -f t.awk t.txt

{
sub(/\\\([^)\\]+\\\)/,"\\1");
sub(/\\\([^)\\]+\\\)/,"\\2");
sub(/\\\([^)\\]+\\\)/,"\\3");
sub(/\\\([^)\\]+\\\)/,"\\4");
sub(/\\\([^)\\]+\\\)/,"\\5");
sub(/\\\([^)\\]+\\\)/,"\\6");
sub(/\\\([^)\\]+\\\)/,"\\7");
sub(/\\\([^)\\]+\\\)/,"\\8");
sub(/\\\([^)\\]+\\\)/,"\\9");
print
}
-----------------

C:\>jgawk -f t.awk t.txt
\1bbb\2ddd\3fff


　いちおう書いておきましょうか、明日の自分のために。バルタン正規表現。
　１行で十分。２行目以下は反復なので。


/\\\([^)\\]+\\\)/　を　"\\1"　に置換する。


\\			;literal \					-- A --
\(			;literal (  あわせて　\(

[^)\\]+		;否定　) でもなく \ でもない。[ ]内でも、\\ で \

\\\)		;-- A -- にほぼ同じ
			;literal \
			;literal )			literalはエスケープされましたの意味。


"\\1"		;literal \1 は、""内でもこうなる。awkの本にはよく書いてあります。


たぶん、

2022/07/05  21:25           446,464 gawkw.exe
C:\>gawkw -W version	;for Win32 (Japanized)
GNU Awk 3.1.5

　あたりでは実装されていると思いますが、ふつうのawk (jgawk)で使う、sub(), gsub()
以上に強力な、gensub()というのがあり、ここでは、タグ付き置換ができるはずです。
GNU extention だと思います。

　前に気になることがあったので覚え書。簡単に。
　VWX の正規表現は立派です。ERE (Extended Regular Expression)で awk 並です。
　多くの日本語対応ＤＯＳスクリプティングツールの時期には、ふつう、EREを搭載
させていると思いますが。grepな連中とか。
　ただ、sedは過去との互換性がありますから、「+」がありません。ですから、
しょうがなく「*」で代用します。２個重ねて代用します。


あ+　は　ああああああ
にヒット

あ*　は　すべての文字のヒットになるので（０個以上だから）、代用するには

ああ*　とします。これで、　ああああああ　にヒット。

　ふつう VWX で置換する場合、「あ+」になります。「*」を使うのは例外中の例外です。
　sedには、「+」がないから、「*」を使うしかないのです。

　付けたし（例外）はありますが、ＶＷＸではふつう「+」と覚えておいて良いと思います。


　例外？

Chapter 1
Chapter1
 どっちでも削除したい。s/Chapter *1//

特殊な事例（英文etext処理）だと思いますが、僕は、よくこんなのを使います。
s/ *Chapter *1 *//		;(1)

もっと文脈を強めると
s/^ *Chapter *[0-9][0-9]* *//	;(1)より、どう強力か？
となります。

　つまり、１字だけを対象にするから「あ*」が怖くなるんですね。他にアンカーが
あるのが普通なので、「+」がないsed でも「*」を怖がらなくていいんです。

　というわけで、ＶＷＸでは、ふつう、「a*」ではなく「a+」となります。
１字だけのとき注意、ということです。

　難しいですよ。

パターン：【\x 信じら*れる】
(d) 信じられる信じられる
(e) 信じれる信じられる

　さあ、どこにマッチするでしょう？
　マッチ調査は頭から。
　自信なかったけど、うん、これで正しい。



see #5196

パターン：【\x \\(.+\\)】		;\\ はリテラル\にする

\(aaaaa\)aa\(aaaaa\)aa\(aaaaa\)

パターン：【\x \\([^\\]+\\)】		;否定内でも[^]、\\する

\(aaaaa\)aa\(aaaaa\)aa\(aaaaa\)

>（１）「\x あ*」は何にでも当たる。

--- t.sed ---
s/a*//g		# aa*のつもりですね
-------------

--- t.awk ---
{
gsub(/a*/,"")	# /aa*/のつもりですね
print
}
-------------

　とはいえ、上は何をしようとしているのでしょうか？
　他に間違いがないといいのですが。

　ＶＷＸ置換の場合、「\x あ*」（１字のみ）であのように振舞うのをバグと
呼んでもいいし、ユーザのインストラクションがバグってると言ってもよいで
しょう。そもそも意味不明な命令です。

　「何にでも当たる」。そう見える。しかし、これは、無条件に無文脈で「あ*」
が「.」と同じ意味になるわけではない。前か後ろに何かあれば、予定通りに、
期待通りに振舞ってくれます。

　「*」は、「あってもなくても、いっぱいあってもいいよ」という意味の修飾語。
ただし、ふつう文脈が、あるいは前後が、必ずある。
　「Chapter *1」のように。ＯＣＲでは、スペースがよく飛んでしまうのです。
あるいはスペースがなぜか３つになっていたり……。
　（しつこいですが、上の例でｒと１の間には、スペースがなくても良いという
意味であって、何がきても良いという意味ではない。きっと正確にいえば、存在
しない、あるいは単数・複数存在するスペース以外はダメです。普通でしょ？　
で、ｒと１が文脈を作っている。）

　いらぬお節介というか不要な一言かもしれませんが、#5266の（３）をよーく
考えてみてください。そっちが普通です。その考え方が普通です。

　ふてました？　むくれて寝てやる、となってるのかなぁ、と。
　お陰様で、僕のほうはすっかり整理がついてしまいました。

　く、くだらないクイズです。以下は何でしょうか？


)  i
\x )  \([a-z]\)
) \1

e  (
\x \([a-zA-Z]\)  (
\1 (

. T
\x \. \([A-Z]\)
.  \1

\x \([a-z]\)  ,		;以下、サンプル文字列なし
\1 ,

\x \([a-z]\)  \(['"]\)	; ditto
\1 \2

\x \([a-z]\)  \([A-Z]\)	; ditto
\1 \2

\x ^ \([A-Z]\)		; ditto
\1

----------------------------------------------------
　（ま、僕は、〈そんなこと〉をしている、という近況報告です）
　（下らなさすぎるので、以下は省略バージョン）

)  i			;これが現実的な文字列で目標パターン
\x )  \([a-z]\)		;VWX用の正規表現に一般化すると、こうなる
) \1			;置換文字列では、こうしたい。

e  (			;パターン１に同じ。「文字列」が写されて
\x \([a-zA-Z]\)  (	;いない場合もある。
\1 (			;半角スペースを２→１にしたいのだな。

. T
\x \. \([A-Z]\)		;ピリオドのあとのスペースを２つに
.  \1			;したがっているのだろう。

　（もちろん、久しぶりの真剣マクロ、大活躍です！　という報告も
　　含まれました。ゲームの季節では、ない、かな、僕のばあい、、、。
　　これが、僕のゲームなんだ、、、。
　　もちろん、上はメモファイルです。c:\aaa.txt）

----------------------------------------------------

　僕は何をしているのか？
　はい、主にFortranの参考書のetextを作っています。インド製の教科書なので
ｐｄｆ＆ＯＣＲすると、変なことがいっぱいおこるので、修正しながら読んで
います。

_Programming in FORTRAN_, Second Edition, by P.V.S. RAO, Bombay, NEW DELHI
　なんての。

　（Fortranの参考書・教科書は少ないです。あ、あそこなら！　とうちの図書館を
みたら、あるある、でした。）

　そんなふうにして探し回ったあげく、ようやくたどりついたのが

黒瀬ヨシノブ著『パソコンによる Fortran90: MS-Fortran Ver.5.1 入門』
（１９９２、啓学出版）。

　これ、すごくいい本です。MS-Fortran Ver.5.1 もゲットできました！
　（Fortranは古い言語なので、その歴史を追うのは、とても面倒でした）

　Ver.5.1は、もちろん、DOS/Win9x 汎用版。つまり英語のみ。上の本では、日本語も
通るしNECだし。
　英語用Ｖｚを年末年始につくります。
　vze.com/vze.def/vzfle.def etc ...。DOS/Win9x 機用。

　材料工学とか、とにかく正確な計算！　という分野では、まだまだFortran、
需要があるようでした。NASAでもスパコンでも使うらしいし。
　僕の需要は、文字列処理のfilterなんですけどね。む、向かない！

　もちろん、Kernighan, _Software Tools_ (for Fortran) & _ST in Pascal_
から来ています。
　こっちに関しては、どこまで真剣か真面目か、は分かりませんが、楽しいです。
grep, sed, regex engine, editor まで、作ってますねぇ。Fortran と Pascalで。

　ふと、Ｖｚソースの話は？　と自問することはありますが、どうせ、今日しか
生きられないのだから、いいの、いいの、となってます。うちのＶｚは、今日も
元気に仕事をしてくれています。

　あい変わらずヘロヘロです。
　喜ぶべきか悲しむべきか、今年も、ゴールが見えてきました。
　今年も、いろいろと、ありがとうございました。m(_B_)m

　もう、ここに繋げちゃう。

　えーと、記念に報告しておきます。
　ＯＣＲでｐｄｆからetext素材を得るとですね、へんな文字が入るのです。
95h という文字。9は青色。発泡酒の缶の色ではなく。

　以下のようにしてください。僕は、新出さんのあと、NT用に再移植された
unix-like toolsを使っているようなのですが、ｔｒで削除できます！
　（ＤＯＳ環境だと新出さんにお出ましいただくのでしょう）

　以下のごとく。

>tr -d \x95 < c:\test.txt >kek.txt	;-d = del option ゼロ置換でない。

　前にも登場したことがあるｔｒですが、これがけっこうな曲者でして、
なかなか思ったとおりにいかない。最初８進数（オクタル）で指定できるのか！
とやったのに、敗退したり。

　コマンドラインの書き方に、けっこうクセがあります。
　必要になったら実験してみてください。>tr "chr1" "chr2" というほど甘くない、
場合があるはずです。

　Ｖｚのゼロ置換でも消せないし、どういう文字化けなのかもよく分からなくて、
手で消してました。

　95h, extended ascii character なはずです。


追記：どうでもいいことですが、「 95 」という文字列になっている場合（前後の
文字はなんでもよい）、Ｖｚ置換で消せます。行頭、行末、あるいは行内単独（のみ）
のときに、手を焼いていました。

追記２：\manディレクトリのtr.txtを読むと、ツールズのというか引数展開ルーチンの
というか、コマンドライン解釈のというか、ひぃえ〜〜なぐらいに深い世界ですねぇ、
と思うと思います。UNIXでもDOSでも。

追記３：としきさんに課題を出されたときも、ｔｒの使い方で、おたおたしたんだ。
できましたよん！　>tr [a][b] < object.txt しかダメって珍しいですよね。ま、
こうしかなれんのでしょう。