UTF-8の正規表現での取り扱い
Rubyにて，正規表現で，UTF-8の文字コードにマッチするようにしたい時，どのようにすれば良いか．
正直，どういう状況でUTF-8の文字コード限定でマッチさせたくなるのか，理解に苦しむ所ではありますが，Rubyで無駄に頑張りながらやってみることにしま．
例えば，ボクが，以下のような
のように整形され，文字コードがUTF-8のファイルから，曲名，ジャンルだけを取り出し，標準出力したいとする．その時，無駄に頑張ったRubyのコードは以下のようになります．
曲名[tab]アーティスト[tab]時間[tab]ジャンル[tab]レート
char_utf8でUTF-8の文字コードを全て指定し，それを正規表現(この場合，適用しているのはsub)に埋め込んでいます．あと，(?:...)で，正規表現に埋め込んだ時に後方参照されないようにしています．char_utf8は，例えば，文字コードについてなんかを見ると，解読できますよ．
#! /opt/local/bin/rubychar_utf8 = '(?:[¥x00-¥x7f]|[¥xc0-¥xdf][¥x80-¥xbf]|[¥xe0-¥xef][¥x80-¥xbf]{2}
|[¥xf0-¥xf7][¥x80-¥xbf]{3})' # 注)長過ぎるので，改行入れていますf = File.open(ARGV[0],"r")
while f.gets
$_ = $_.chomp.sub(/^(#{char_utf8}*)¥t#{char_utf8}*¥t#{char_utf8}*
¥t(#{char_utf8}*)¥t#{char_utf8}*/, # 注)長過ぎるので，k(ry
"¥¥1¥t¥¥2")
puts $_
endf.close
あと，他に参考したページなんかでは，[¥x80-¥xbf]の繰り返しを5回までやってましたが，どんな意味があるんだろう．
実際に試してみるぞ，入力ファイルは，こんなかんじ．
たぶん実在しません．んじゃ実行．
オブジェクトはRuby もち 4:20 ロック 4
Pythonを超えて hkb 5:31 演歌 3
Perlの1・2・3 CPANオールスターズ 4:24 ロック 2
Railsブギ カナディアンズ 4:23 ポップ 5
なんだか，ちゃんと曲名とジャンルが抜き出せてるみたいです．よかったよかった．あの意味不明な呪文が，ちゃんとマッチしてくれているみたいです．正直，この場合だと.*で適当にマッチさせれば良いですから，こんな文字コードで頑張る必要は無い！可読性も糞悪いし！
$ ruby foo.rb music.txt
オブジェクトはRuby ロック
Pythonを超えて 演歌
Perlの1・2・3 ロック
Railsブギ ポップ
