Shift_JIS漢字を削除したい

質問

Shift_JISファイルの中の漢字を削除したいですが、
以下のスクリプトがうまく行きません（なにも削除してくれない）。

while ( <IN> ) {
chomp();
tr/[\x81-\x9F][\x40-\xFC]//;
tr/[\xE0-\xEF][\x40-\xFC]//;
print OUT "$_\n";
}

どう書けばよいでしょうか？

回答No.4

Tacosan

本当に「文字単位でマッチしている」んだったら, いくらバイト表現しても無駄です. つまり, 文字単位でマッチするときには
s/[\x81-\x9F][\x40-\xFC]//g;
は「文字コードが 0x81～0x9F の文字」の直後に「文字コードが 0x40～0xFC の文字」が来るパターンを削除します. でも, Shift_jis にはそんな文字はないのでこの正規表現は無意味ですよね.
スクリプトを Shift_jis で書いて,
s/ぁ-ん//g;
とやったらひらがなが消えたりして.

補足

[\x81-\x9F][\x40-\xFC]は二つの文字とされることでしょうか？

x9F40はひとつの漢字を表わしていると思いますが、これを削除するのにどう書けばよいでしょうか？

回答No.3

Tacosan

本当にバイトごとにマッチしてますか?
前後がないので全く分からないんですが, 実は文字単位でマッチしてたりしませんか?

お礼

おっしゃる通り、以下のスクリプトはバイトごとではなく、文字単位となっていると思います。

tr/0-9a-zA-Z\-\'\:\.\,\!\? //cd;

しかし、以下のようにバイト表現でいろいろ試したが、

s/[\x81-\x9F][\x40-\xFC]//g;
s/[\xE0-\xEF][\x40-\xFC]//g;

どうしても反応してくれません。
たぶん、このスクリプトの問題ではなく、前後その他の部分の問題かもしれませんね。

他の部分を注目してもう少しテストしてみます。

回答No.2

t-okura

> s///g でもNGでした。やはり何も削除されませんでした。

えぇっと、まさか s///g とそのまま書いていないでしょうね。
s/[\x81-\x9F][\x40-\xFC]//g;
s/[\xE0-\xEF][\x40-\xFC]//g;
などに直してますよね(^^)。

それと、IN, OUT は、どこかでオープンしていますよね。
標準入力、標準出力を使うのでしたら、それぞれ <> と、
print "$_\n"; でよく、IN, OUT はいらないです。

お礼

t-okuraさん

もちろん以下の通り書いていました。
s/[\x81-\x9F][\x40-\xFC]//g;
s/[\xE0-\xEF][\x40-\xFC]//g;
なにも削除してくれません（泣～）

IN,OUTはテキストファイルを読み込んでます。

面倒くさいから、以下で無理やりに対応しました。
tr/0-9a-zA-Z\-\'\:\.\,\!\? //cd;

とりあえず、一段落と致します。
ありがとうございました。

回答No.1

Tacosan

えぇと, tr の意味は理解されてますでしょうか?
バイトごとにマッチするなら s///g でいけると思う.

補足

s///g でもNGでした。やはり何も削除されませんでした。