rubyで日本語文の抽出

　Twitterのつぶやきを収集することはできましたが、現実には日本語以外の文は必要ありません。

　そこで、rubyを使って日本語の文だけを取り出します。
　日本発信の文でも日本人の書いた文でもなく、日本語で書かれた文を抽出するのです。

　ここでは、「ひらがな」と「カタカナ」の含まれている文だけを抽出する方法を紹介します。

　rubyの「=~」メソッドによるマッチングの戻り値を利用して、ひらがなまたはカタカナを含んでいるかどうかを判定します。

• マッチング成功　→　マッチングした文字の位置を返す
• マッチング失敗　→　nil を返す

■サンプルコード

while line = gets
 pos_h = ( line =~ /\p{Hiragana}/) # ひらがなの位置（なければnil）
 pos_k = ( line =~ /\p{Katakana}/) # カタカナの位置（なければnil）

 if pos_h || pos_k then
  puts line
 end
end

■参考ページ

• 「=~」メソッドによるマッチング
• rubyで平仮名、カタカナの正規表現マッチをする方法

2014/11/28 typoを修正