正規表現入門 (3)

前回までのあらすじ。EREに入門したはずなのに、Localeの隘路にはまりこんでいた。

今回のあらすじ。不正 (invalid) と未定義 (undefined) の隘路にはまりこむ。

正規表現クイズ！

1. a{4,2}
2. a{4}{2}
3. ^$
4. $^
5. ^{0}$
6. ${0}^

答えあわせタイム！

1. a{m,n}はmがn以下でなければならないので不正
2. 未定義（GNU実装ではa{8}と等価になる。エラーになる実装もある）
3. 空文字列にマッチする
4. 空文字列にマッチする
5. 未定義（GNU実装では空文字列にマッチする。エラーになる実装もある）
6. よく判らない（GNU実装では空文字列にマッチする。エラーになる実装もある）

よく判らないのはEREの文法がウンコだから。歴史があるンだろう。経緯があるンだろう。実装を拾いあつめ、最大公約数を求めたら、ウンコがあった。きっと、そういうことなんだろう。

One or more ERE_dupl_symbols appearing first in an ERE, or immediately following '|', '^', or '('

だいたい、^や$に結合の優先順位が定められているのも良く判らない。^foo|bar$が、(^foo)|(bar$)であって^(foo|bar)$でないことを明確にしたいという思いがあるンだろう。思いなんて知ったことか。（PCREやECMAScriptがそうであるように）ゼロ幅表明として扱ったほうがスッキリする。

続くだろうか。