文字列 メモ †
v0.6.x と v0.7.0 の間で仕様変更された部分が多い.
characterとsrting †
Julia では,文字列の種類に character と srting がある.
- character
単一の文字を character としている.シングルクォートで表す.
julia> typeof('A')
Char
julia> typeof('あ')
Char
改行(\n)や,タブ(\t)も文字として扱われる.
julia> typeof('\n')
Char
- string
文字列の並び(Vector{UInt8}).ダブルクォート""で囲われる.
julia> typeof("A")
String
複数行に跨がるときはダブルクォートを3つで囲む.
julia> typeof("""Hello
World
""")
String
文字列が全て ASCII で表現できれば ASCIIString になり,それ以外なら UTF8String になるらしい.
これらの文字列は immutable である.変更する場合はコピーするか置換するかで別の変数とする.
また,s[n:m] のようにして文字列を抜き出すことができる.
文字列の結合,繰り返し †
複数の文字列を結合するには * または string(arg1, arg2, arg3)を使う.
julia> "abc"*"def"
"abcdef"
julia> string("abc","de","f")
"abcdef
同じ文字配列の繰り返しは ^ で行う.
julia> "%d,"^5
"%d,%d,%d,%d,%d,"
上記のように,Julia での文字列の結合・繰り返しは数学の演算に近い.
ディレクトリやファイルを繋ぐときは,join か joinpath が良い.
Julia の join は Python と少し違う.joinpath が Python でいう join,MATLAB でいう fullfile.
julia> join(["dirname","filename"],"/")
"dirname/filename"
文字列の長さ †
length または lastindex (以前は endof) で長さを取得する.ただし,lastindex は複数バイトで表現される Unicode 文字を含むときは注意が必要.
length が無難だと思う.
julia> length("COMME des GARÇONS")
17
julia> lastindex("COMME des GARÇONS") # "Ç"が2つとしてカウントされる
18
文字列の検索・検出・抽出 †
search → findfirst, findlast, findnext
search はなくなり findfirst, findlast, findnext になった.
julia> findfirst("a","abad")
1:1
julia> findlast("a","abad")
3:3
julia> findnext("a","abad",1) # 3番目の引数は開始位置
1:1
julia> findnext("a","abad",2)
3:3
julia> findnext("a","abad",3)
3:3
julia> findnext("a","abad",4)
julia> findnext("a","abad",4) === nothing
true
contains → occursin
含まれているかどうか,true(=1) か false(=0) で返す.
. をつけて配列の全要素に対して判定すると便利.
julia> s = ["COMME","des","GARÇONS"]
3-element Array{String,1}:
"COMME"
"des"
"GARÇONS"
julia> occursin.("O",s)
3-element BitArray{1}:
true
false
true
- occursin (正規表現)
occursin は正規表現にも対応しているが,配列のパターンマッチを行う場合,上記と同様の"."によるブロードキャストが(正規表現が含まれると)できない.
julia> s = ["COMME","des","GARÇONS"]
3-element Array{String,1}:
"COMME"
"des"
"GARÇONS"
julia> occursin.(r"O",s)
ERROR: MethodError: no method matching length(::Regex)
正規表現では,map (または broadcast) を使う必要がある点に注意.
julia> map(x->occursin(r"O",x),s)
3-element Array{Bool,1}:
true
false
true
julia> broadcast(x->occursin(r"O",x),s)
3-element BitArray{1}:
true
false
true
- match,
ismatch,
正規表現を使って,パターンマッチを行う.
ismatch はなくなって occursin に.
# match はマッチした部分を返す
julia> m = match(r"[A-Z]{5}\s[a-z]{3}\s\p{Lu}{7}\s[a-z]{5}\s\d{4}$","COMME des GARÇONS since 1969")
RegexMatch("COMME des GARÇONS since 1969")
この戻り値 m は RegexMatch という構造体になり,正規表現の部分に()で括ると,それぞれを抽出できる.
(\d{n}) のように正規表現で数値として抽出しても,String で抽出されることに注意.
# スペースとsince以外の部分を()で括る
julia> m = match(r"([A-Z]{5}\s[a-z]{3}\s\p{Lu}{7})\s[a-z]{5}\s(\d{4})$","COMME des GARÇONS since 1969")
RegexMatch("COMME des GARÇONS since 1969", 1="COMME des GARÇONS", 2="1969")
#capturesをそれぞれを表示
julia> Printf.@printf("Wikipediaによれば%sは%s年設立", m.captures[1], m.captures[2])
WikipediaによればCOMME des GARÇONSは1969年設立
文字列の置換 †
置換は replace で行う.正規表現でも使える.
julia> replace("COMME des GARÇONS",r"[A-Z]{5}" => "")
" des GARÇONS"
大文字,小文字の変換もできる,
julia> replace("COMME des GARÇONS","O" => lowercase) # Oを小文字に
"CoMME des GARÇoNS"
julia> replace("COMME des GARÇONS",r"[a-z]" => uppercase) # 小文字を大文字に
"COMME DES GARÇONS"
配列から特定の文字列を含む要素を抽出 †
Vector{String} に対して,ある文字列が配列の何番目の要素に含まれているかを求める.
# txt::Vector{String} から "hoge"::String が含まれる配列を探す
findfirst(x->occursin("hoge", x), txt)