-アルゴリズムを使うPHPProgramming
第3章 便利なアルゴリズム
01
迷路の自動生成
棒倒し法による迷路の自動生成 - maze1.php -
Parse error : parse error in D:\xampp\htdocs\sample\c3\maze1.php on line 32 - 全く分からず、断念しかないかも
穴掘り法による自動生成 - maze2.php -
Parse error : parse error in D:\xampp\htdocs\sample\c3\maze2.php on line 36 - 全く分からず、断念しかないかも
02 暗号化について
シーザー暗号について - caesar.php - Parse error : parse error in D:\xampp\htdocs\sample\c3\caesar.php on line 21
07
Webｻｲﾄのｽｸﾚｲﾋﾟﾝｸﾞ
Webｻｲﾄからのﾃﾞｰﾀ収集 -
標準的なPHPのｽｸﾚｲﾋﾟﾝｸﾞ - test1.htmlのﾃﾞｰﾀをscraping_test1.phpで取り出す
素のPHPをScraping - SimpleXMLを使う - scraping_test2.phpで取り出す
Goutteﾗｲﾌﾞﾗﾘで手軽にScraping - goutte.pharをまずInstallしておく
Goutteのｲﾝｽﾄｰﾙ - scraping-mmlbbs2.php - 例題どうりにﾃﾞｰﾀが得られず失敗 - WebﾌﾞﾗｳｻﾞのDeveloperToolも役立つ - GoogleChrome/addressbarのみぎにある三ｱｲｺﾝからその他のﾂｰﾙ->DeveloperTool->Elements
ﾛｸﾞｲﾝが必要なWebｻｲﾄにAccessする - http://uta.pw/sakusibbs/ - お気に入りの一覧を取得 - scraping-sakusibbs-getfav.php - 失敗、原因不明
０1 正規表現を覚えよう
正規表現について
PHPの正規表現エンジンについて -
PCREで正規表現 - 文字列の置換 re-pcre.php
鬼車で正規表現 - 文字のEncodingを指定して文字列の置換 re-oni.php
PHPで正規表現を扱うときの注意 - 変数を展開する文字列""ではなく、展開の無い文字列''を利用すること
正規表現の基本的なメタ文字について
特殊文字「￥」- \\「\を表す」、\n「改行」、\t「ﾀﾌﾞ」、\d「数字」、\D「数字以外」、\s「ﾀﾌﾞやｽﾍﾟｰｽなどの空白文字」、\S「空白以外の文字」、\w「ｱﾙﾌｧﾍﾞｯﾄﾞや数字」、\W「単語構成文字以外」- $pat = '([0-9]+)\:([0-9]+)\:([0-9]+)';
位置を表す正規表現「＾」「＄」- 先頭と末尾 たとえば 「^p」は先頭のpianoやpoolはﾏｯﾁする - $pat = '#\.png$#'; pngで終わるかを判定 .はﾒﾀ文字なので\でｴｽｹｰﾌﾟ
任意の一文字「.」- $pat = '\^s..y$\'; sから始まり、..の任意の2文字をはさみ、yで終わる4文字の単語
文字集合「[xyz]」- [a-d]は[abcd]と同じ、｢0-9｣は数字のいずれか
文字集合の否定「[^xyz]」- 記述された文字以外の文字にﾏｯﾁさせる、｢^0-9｣は数字以外を表す
直前のn回以上の繰り返し -「*」0回以上の繰り返し、「+」1回以上の繰り返し、「?」0か1回以上の繰り返し、「{n,m}」n回以上m回以下の繰り返し
部分ﾏｯﾁｷｬﾌﾟﾁｬ「(re)」- ｷｬﾌﾟﾁｬｰした文字列をreで記録し、全体または部分が一致した部分を返す - re-capture.php & re-capture2.php
選択「(aa|bb)」- (台湾|中華)の両方を選択できるように記述 - re-select.php
パターン修飾子について - ｍパターンが複数行として扱えるようになるので重要
02 日本語の文章を扱うための知識
文字ｴﾝｺｰﾃﾞｨﾝｸﾞ -
文字ｴﾝｺｰﾃﾞｨﾝｸﾞの変換 - mb_convert_encoding(string $str[$utf8], string $to_encoding["SJIS"], mixed $from_encoding) - 文字化けが起こっているｱﾌﾟﾘに追加してうまく行くかを試すこと - mb_convert.php - 汎用も作成 mb_covert_encoding.html/php ただしUTF-8で作成しているので、SJISで送ると両方文字化けする
文字ｴﾝｺｰﾃﾞｨﾝｸﾞの特徴を調べよう -
ASCIIについて - ascii.php - 結果を得られず、原因不明
ISO-2022-JPについて - JISｺｰﾄﾞ - iso-2022-jp.php - 改行を入れると表示されないので元へ戻す
Shift-JISについて - "\"(0xSC)がJISｺｰﾄﾞと被る
EUC-JPについて - Unix/Linuxで使われる、Escapeを使わないで、ASCIIが利用してない上位ﾋﾞｯﾄを立てることで、文字を判別
Unicode(UTF-16/UTF-8)について - HTML5では標準のEncoding
Unicodeｺｰﾄﾞﾎﾟｲﾝﾄから文字を得る - 文字ごとにｺｰﾄﾞﾎﾟｲﾝﾄがあり、PHP7ではEscape処理がｻﾎﾟｰﾄされている - mb_unicode.php - PHP7なので扱えない
それ以前のVersionではjson_decode()を使って出力させる - mb_unicode2.php
あるいはUTF-8で1ﾊﾞｲﾄずつ文字列を指定 - mb_unicode3.php
- 汎用はｺｰﾄﾞ文字を表示させる手間があるので現実的ではない
正規表現(PCRE)でUnicodeを利用する - \x(hhh)\の形式でｺｰﾄﾞﾎﾟｲﾝﾄを指定できる - mb_kana.php - 汎用はカナのみを選ぶ用途がないので不要
03 形態素解析について
形態素解析ｴﾝｼﾞﾝについて - MeCabについて http://taku910.github.io/mecab/ ﾊﾞｰｼﾞｮﾝ0.996(2013-02-18) - C:\Program Files\MeCabにInstall済み - 使い方がLinax風なので確認ができず
PHP拡張(php-mecab)を使う場合 -InstallがLinax風なのでできず、これ以降のphpのｱﾌﾟﾘも確認できず
04 頻出語句の抽出と辞書のｶｽﾀﾏｲｽﾞ - 03と同じ
05 検索と置換と抽出と削除
文字列の操作で役立つ命令 - strpos() 文字列の検索 - 比較演算子を使うときは===を使うこと、strpos-test.php
- strstr() 見つけた場所から末尾までを取り出す - strstr-test.php
- substr() 文字列の部分抽出、引数がﾏｲﾅｽのときは後ろから数える - substr-test.php
- 文字列の部分削除 substr()を使って任意のところを削除されるが、結果のつなげて表示ができていないので、もう一つ分からず - substr-delete.php
- 文字列の分割と統合 - explode()とimplode() - ｶﾝﾏ(,)で文字列を分割し、ﾊｲﾌﾝ(-)で連結して表示 - explode-test.php
- 文字列の置換 - str_replace() - explode("-"、$str)をimplode("/"、explode("-"、$str))することと同じ - str_replace-test.php
JSON5のﾊﾟｰｻｰを作る - 検索しても何のｱﾌﾟﾘかよくわからないので省略
06 レーベンシュタイン距離と文章の類似度の検出
文章が似ているかどうか
ﾚｰﾍﾞﾝｼｭﾀｲﾝ距離について -
ﾚｰﾍﾞﾝｼｭﾀｲﾝ距離の計算ﾌﾟﾛｸﾞﾗﾑ - lev-distance.php - どこかに誤りがあるためか表示されず
標準関数のlevenshtein()は使えない?! - ngram-unagi.php -
どこかに誤りがあるためか表示されず
07 マルコフ連鎖で文章の要約
ﾏﾙｺﾌ連鎖について - marcov.inc.php -
どこかに誤りがあるためか表示されず
ﾏﾙｺﾌ連鎖ﾌﾞﾗｳｻﾞ版を作ろう - marcov-web.php -
どこかに誤りがあるためか表示されず