Regular Expression(正規表現) Part14

1 名前：デフォルトの名無しさん [2017/03/15(水) 02:04:35.47 ID:e01p03UP.net] Regular Expressionスレです。 質問する場合は必ず実装言語や処理系ソフトウェア名を示してください。 前スレ Regular Expression(正規表現) Part13 echo.2ch.net/test/read.cgi/tech/1415149975/ 次スレは>>980宜しく 天ぷら等2以降 504 名前：デフォルトの名無しさん mailto:sage [2018/04/09(月) 17:44:25.66 ID:4vJW9Ikj.net] ただし↑は、コメント文はないものとしてのこと 505 名前：デフォルトの名無しさん mailto:sage [2018/04/09(月) 19:00:46.18 ID:4vJW9Ikj.net] さっそくダメだった "\\" 506 名前：デフォルトの名無しさん [2018/04/10(火) 00:21:39.82 ID:oEQHPFsL.net] 仕様を確定させるのが難しい。 単なるテキストには、ルールが無いだろ XML とか、プログラム言語には、仕様があって、 ルール違反の書き方を許さないから、プログラムで判定できる だから、まずこう書いたらエラーにする、という仕様を決めるべき 507 名前：デフォルトの名無しさん mailto:sage [2018/04/10(火) 01:17:02.18 ID:IM3kTV8x.net] >>493 https://ronsavage.github.io/SQL/sql-2003-2.bnf.html こいつのcharacter string literalとか読め ちゃんと規格化されてるんだからさ その上で正規表現で書くのは難しいって話 508 名前：デフォルトの名無しさん [2018/04/11(水) 13:14:45.93 ID:p/bo/Ju1.net] 試しに Perl でやってみた。最も楽観的な想定ならこのくらいまでは手抜きできる。 use strict; my $comment = qr/(?:--.*?\n)/ ; my $literal_ch = qr/(?:\'\'|[^\'])/ ; my $ch_str_literal = qr/(?:\'(?>$literal_ch*)\')/ ; my $other_ch = qr/[^\';]/ ; my $some_str = qr/(?:$comment|$ch_str_literal|$other_ch)/ ; my $statement = qr/(?:$some_str*;)/ ; my $text = ''; while (<>){ $text .= $_; while ( $text =~ s/^$statement// ){ print("Found:$&\n") }} 文字列リテラルの中の文字の記法に特に対処すべき拡張があるなら $literal_ch に加えれば良い。 " は識別子を書くためのものだが '、;、-- のどれかが入る可能性があるなら $other_ch と $some_str に加えればいいだろう。 多分、問題はそこではない。この例では行単位の入力だから面倒な問題を回避できているが、そうでない場合の問題だ。 たとえばコメントの始まりの - までしか読まれていないという場合。もっと読まなければコメントかどうか判断できない。 あるいは文字列リテラルの中で ' が現れた場合。それは文字列リテラルの終わりなのか、それともリテラルの ' を表す '' の 1 文字目なのか。 こういう処理を自分で書くのは難しくはなくても面倒だし、処理速度も遅い。だから結局 flex を使ったりする。 509 名前：デフォルトの名無しさん mailto:sage [2018/04/11(水) 14:19:31.82 ID:jfPKheqL.net] 仕様通りのParser とか、構文解析ツールが必要 それらを使って出力された、抽象構文木を使うのがよい 510 名前：デフォルトの名無しさん mailto:sage [2018/05/04(金) 19:16:13.25 ID:kVAlpXQV.net] ★タイトル ★★タイトル 上のものにマッチさせたいのですが、 ^★.*$ としてしまうと、下まで含まれるのですが、どうしたらいいでしょうか 511 名前：デフォルトの名無しさん mailto:sage [2018/05/04(金) 19:36:12.61 ID:eD01Afe2.net] >>497 ^★(?! ★).*$ 512 名前：495 mailto:sage [2018/05/04(金) 21:14:35.89 ID:L0LZvRGB.net] 半角SP紛れ込んだわ ^★(?!★).*$ 513 名前：デフォルトの名無しさん mailto:sage [2018/05/05(土) 05:47:27.14 ID:iaqxNbgL.net] ↑解答どうも できなかったです ちなみにmeryというテキストエディタの正規表現です 何の言語かはわかりませんが 514 名前：デフォルトの名無しさん mailto:sage [2018/05/05(土) 06:26:09.87 ID:O3up5M1Q.net] https://regex101.com/r/YyXfr8/1 鬼雲みたいだし動くと思うんだけど, 先頭とか末尾に余計なスペース入ってない？ 515 名前：デフォルトの名無しさん mailto:sage [2018/05/05(土) 19:07:12.77 ID:iaqxNbgL.net] ↑ありがとうございます。行けました。 .*の前に否定を入れればいいんですね 516 名前：デフォルトの名無しさん [2018/05/05(土) 21:57:45.66 ID:+tF+3NSL.net] 鬼雲…だと…？！ 517 名前：デフォルトの名無しさん mailto:sage [2018/05/07(月) 13:28:13.91 ID:XtvW294Z.net] 正規表現をちゃんと論理的に導きたいと思って参考になる本を 買ったら必要な予備知識に群とか環が出てきて即諦めた 正規表現周りの開発をしてる人達はすごい人達なんだなぁ すごさを直で実感出来た 518 名前：デフォルトの名無しさん [2018/05/07(月) 14:59:22.19 ID:QMgv+0U5.net] 用語に慣れてないだけだろ やってることは大したことじゃない 519 名前：デフォルトの名無しさん mailto:sage [2018/05/07(月) 18:08:31.65 ID:XtvW294Z.net] まぁ膨大な時間と労力をかければ自分にも分かるんだろうけど 現実的じゃないんだよなぁ(人の何倍も時間かかるだろうし) これからは正規表現技術者の努力に感謝しながら正規表現を 使おうと思います(＾＾)＞ 520 名前：デフォルトの名無しさん mailto:sage [2018/05/14(月) 07:31:45.21 ID:0PI4I4+g.net] JavaScriptによる正規表現チェッカー くっそ長いので短縮 https://goo.　gl/CE3aZ8 https://fatiherikli.github.io/fil/#eyJwYXRoIjoiSmF2YVNjcmlwdFRlc3QxLmpzIiwic291cmNlIjoiLyog5q2j6KaP6KG o54++44Oe44OD44OB44OG44K544OIICovXG5cbi8vIOato+imj+ihqOePvlxudmFyIHJlID0gbmV3 521 名前：IFJlZ0V4cCgv XFxkKy9nKTtcblxuLy8g44OG44Kt44K544OIXG52YXIgdGV4dCA9IChmdW5jdGlvbiAoKSB7LypcbmFhYVxuYmIx MmJcbmM1NjdjYzg5XG4qL30pLnRvU3RyaW5nKCkuc3BsaXQoL1xcbi8pLnNsaWNlKDEsLTEpO1xuXG5jb25zb2x lLmxvZyhcIlJlZ0V4cDpcIiwgcmUudG9TdHJpbmcoKSlcbmNvbnNvbGUubG9nKFwiVGV4dDpcIiwgdGV4dCk7XG5c bnRleHQuZm9yRWFjaChmdW5jdGlvbihsaW5lKSB7XG4gICAgY29uc29sZS5sb2coXCJsaW5lOlwiLCBsaW5lKTtcbiA gICB2YXIgcmVzdWx0ID0gbGluZS5tYXRjaChyZSk7XG4gICAgaWYocmVzdWx0KVxuICAgICAgICBjb25zb2xlLmxv ZyhcInJlc3VsdDpcIiwgcmVzdWx0KTtcbiAgICBlbHNlXG4gICAgICAgIGNvbnNvbGUubG9nKFwicmVzdWx0OlwiLCBcIm51bGxcIik7XG59KVxuIn0 [] [ここ壊れてます] 522 名前：デフォルトの名無しさん mailto:sage [2018/05/15(火) 21:31:31.85 ID:xchMEgzc.net] ちょっと修正 https://goo. gl/M2Fn68 523 名前：デフォルトの名無しさん mailto:sage [2018/05/19(土) 02:57:37.83 ID:F73VBvr9.net] Linuxに触れるまで正規表現に方言があるなんて知らなかった 基本正規表現だの拡張正規表現だの vimの置換で悩んでたら原因がエスケープの有無が原因とかもうね ある程度は使えるが先読みとか後読みとか僅かでも深入りすると余計に混乱する 524 名前：デフォルトの名無しさん mailto:sage [2018/05/19(土) 11:08:45.44 ID:rxs2hai/.net] 小さい世界で囲い込まれてれば楽だよな ただし何かの拍子ではみ出した時に世界の広さを知って己の無力さを痛感する よくあるパターン 525 名前：デフォルトの名無しさん [2018/05/23(水) 19:28:29.89 ID:Au5e7VGg.net] 僕の知り合いの知り合いができたパソコン一台でお金持ちになれるやり方 役に立つかもしれません グーグルで検索するといいかも『ネットで稼ぐ方法　モニアレフヌノ』 QBPEH 526 名前：デフォルトの名無しさん mailto:sage [2018/05/24(木) 10:47:44.54 ID:cPlRxlDn.net] QBPEH 527 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 13:52:01.06 ID:X/Hngdv+.net] HTMLの解析を正規表現でやりたいのですが <a href="xxxxx"><img src="yyyyy" /></a> という風に、<a> で括られた img の src だけを抽出したいんですけど どうしたらいいのでしょう。 <a> で括られてない <img src="yyyyy" /> は除外したいのです。 528 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 13:53:08.12 ID:X/Hngdv+.net] あ、すみません <a href="xxxxx"><img src="yyyyy" /></a> <a href="xxxxx">あああ<img src="yyyyy" /></a> <a href="xxxxx"><img src="yyyyy" />いいい</a> <a href="xxxxx">あああ<img src="yyyyy" />いいい</a> <a href="xxxxx"><img src="yyyyy" /><div>あああ<div></a> みたいに、<a> の中は <img> 以外のゴミも入ってきます。 ※ゴミは無視したい 529 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 14:10:36.40 ID:dgrSTrid.net] >>514 ^<a\b.+<img src="([^"]+)".+</a>$ ↓ $1 530 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 16:20:05.07 ID:fgSfMucA.net] >>515 <a href=""></a><img src="1.jpg"><a href=""></a> 531 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 20:00:28.32 ID:OUvr9ihJ.net] 頑張ってみてもこの程度が限界 https://regex101.com/r/VYrYNO/1 で, >>513がHTMLの解析を正規表現だけでやる理由は何だ？ Pythonのhtml.parser, RubyのNokogiri, PHPならGoutter, それ以外の言語でも間違いなくHTMLパーサは誰かしら作ってる そんな中で何故正規表現だけで？ぶっちゃけこういう用途には向いてない, というかHTMLの構文規則は正規言語を超えるんだけど, 分かってる？ 532 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 20:29:09.95 ID:rhJz1xPv.net] パーサかましてXPathで 533 名前：必要な情報だけ抜くのが基本だしな どうしても使えないっていう理由があるなら仕方ないけど [] [ここ壊れてます] 534 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 21:21:37.93 ID:lQiYp+1p.net] 鬼雲限定 <a (?~</a>)<img src="([^"]+)"[^>]*>(?~<a )</a> 535 名前：デフォルトの名無しさん [2018/05/25(金) 22:28:52.14 ID:Cqv+6nk2.net] ■変更前 004a34 A521n2 785b66 ■変更後 0049934 99521992 7859966 ---------------------- 数値以外を99に置換したいです お願いします 536 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 23:31:17.71 ID:gd/oxjVv.net] 木構造のものは、正規表現じゃ無理 1< 2< abc 3> 4> 2<からの最短マッチで、対応する3>を取れるけど、 1<からの最短マッチで、対応する4>を取れない。 3>にマッチしてしまうから 1< 2< 3< abc 4> 5> 6> これでも、2<と5>をマッチさせられない。 最長・最短マッチでも、マッチしない CSS セレクターを使う、jQuery, RubyのNokogiri などを使え。 これらの使い方は、ほぼ同じ 537 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 23:43:29.83 ID:OUvr9ihJ.net] >>520 数値以外と簡単に言うが改行文字や空白等の扱いはどうするんだ 変換対象文字をちゃんと明示しないと /[^0-9]/99/g こんなもんが欲しいわけではあるまい とりあえずASCII印字可能文字に限るなら /[\x21-\x2F\x40-\x7E]/99/g だが当然マルチバイト文字は対象外 538 名前：デフォルトの名無しさん mailto:sage [2018/05/25(金) 23:44:35.69 ID:OUvr9ihJ.net] \x40じゃなくて\x3Aだわ 539 名前：デフォルトの名無しさん mailto:sage [2018/05/26(土) 10:42:28.41 ID:oqQZJpqn.net] >>519 非包含オペレータか 540 名前：デフォルトの名無しさん mailto:sage [2018/05/26(土) 17:59:00.22 ID:xbMfHZm2.net] >>521 再帰を使えば、対応する括弧のネスト対応ぐらいならできるらしいよ（鬼雲、PCRE） <([^<>]++|(?R))*> 　　　# [^<>]++は(?>[^<>]+)としてもよい（どっちもバックトラックしないと思う） 　　　# (?R)は、(?0)とも書ける 　　　# (<([^<>]++|(?1))*>) \g<-ｎ>を使ってもできる（鬼雲だけ？) (<(?:\g<-1>|[^<>])*>) 　　　# \g<-1>は(?-1)とも書ける 　　　# ここでは\g<-1>を先に書いたが上と同じく後ろに書いても同じ 541 名前：デフォルトの名無しさん mailto:sage [2018/05/26(土) 19:07:35.21 ID:vUfk79H6.net] https://regex101.com/r/VYrYNO/1 なぁこれメンテしたいか？というか出来るか？なぁ？ (?i:<a(?:\s+[a-z][a-z0-9]*(?:=(?:"[^"]*"|'[^']+'))?)*>) ((?: (?i:<img(?:\s+(?:src="([^"]+)"|[a-z][a-z0-9]*(?:=(?:"[^"]*"|'[^']+'))?))*(?:\s*\/)?>) |(?i:<([a-z][a-z0-9]*)(?:\s+[a-z][a-z0-9]*(?:=(?:"[^"]*"|'[^']+'))?)*>(?1)<\/\3>) |(?i:<[a-z][a-z0-9]*(?:\s+[a-z][a-z0-9]*(?:=(?:"[^"]*"|'[^']+'))?)*\s*\/>|.*?))*) (?i:<\/a>) 542 名前：デフォルトの名無しさん mailto:sage [2018/05/26(土) 19:08:54.60 ID:vUfk79H6.net] アップデートするの忘れてたわ https://regex101.com/r/VYrYNO/2 543 名前：デフォルトの名無しさん mailto:sage [2018/06/23(土) 01:47:09.94 ID:19kQ7FFf.net] のりこめー 【IT】プログラマーが正規表現を使いこなすメリットとは？ https://egg.5ch.net/test/read.cgi/bizplus/1527843649/ 544 名前：デフォルトの名無しさん mailto:sage [2018/06/24(日) 13:33:59.68 ID:wSHpLaLO.net] 文字列の中から数字13桁（それ未満でも超えてもNG）を抽出するにはどうしたらいいでしょう JANコードらしきを抜き取りたいのです。 候補を抽出してから後でチェックデジット計算しますので 数字13桁のみで大丈夫です。 545 名前：デフォルトの名無しさん [2018/06/24(日) 15:06:08.45 ID:F1zD07yq.net] 数字40桁くらい連続してたらどうする？ 546 名前：デフォルトの名無しさん mailto:sage [2018/06/24(日) 16:56:18.47 ID:wSHpLaLO.net] 40桁はJANコードじゃないので除外したいです 547 名前：デフォルトの名無しさん mailto:sage [2018/06/24(日) 17:16:44.02 ID:1DBcJ9cD.net] \b[0-9]{13}\b とか (?<![0-9])[0-9]{13}(?![0-9]) とか 携帯だから試してない 548 名前：530 mailto:sage [2018/06/24(日) 20:41:43.34 ID:LPLL+qJx.net] 先頭と末尾も考慮すると https://regex101.com/r/xT760t/2 549 名前： (?:(?<=[^0-9])|^)[0-9]{13}(?:(?=[^0-9])|$) ただかなりバックトラックするから性能は悪い どうせチェックディジット確認するなら13桁以上で全抽出して桁数チェック追加した方がマシに見える https://regex101.com/r/xT760t/4 [0-9]{13,} [] [ここ壊れてます] 550 名前：デフォルトの名無しさん mailto:sage [2018/06/24(日) 23:39:40.09 ID:chBT6m1a.net] 結構、難しい A <13桁の数字> B A の部分が、文字列の先頭か、数字以外で、 B の部分が、文字列の末尾か、数字以外 551 名前：デフォルトの名無しさん mailto:sage [2018/06/25(月) 07:16:09.30 ID:HTnjHonA.net] 文字列操作可能なら両端に数字以外の文字を付加して [^0-9][0-9]{13}[^0-9] かな 552 名前：デフォルトの名無しさん [2018/06/25(月) 08:32:20.35 ID:g3low2hV.net] >>533 先読み後読みは先頭や末尾にも一致するからそういうのは無駄 >>532の二つ目で完成している 553 名前：デフォルトの名無しさん mailto:sage [2018/06/25(月) 09:21:19.58 ID:9/L2g6Oc.net] >>536 せやな, 否定前後読みならそのままでよかったわ(肯定で試しちゃった) ただどのみちバックトラック多くて無駄だから正規表現だけでやるのでなければ13桁以上でマッチングして桁数判定入れるべきだと思う 554 名前：デフォルトの名無しさん mailto:sage [2018/06/25(月) 21:12:44.36 ID:lRi8bnr9.net] 13桁を超えていても候補として受け取っておいて チェックデジットの計算の手前で落とします。 どうもありがとうございました。 555 名前：デフォルトの名無しさん mailto:sage [2018/06/26(火) 18:51:05.99 ID:PFtq6YS9.net] 文字列の先頭の文字以外を*に変換する というのはどう書けばいいでしょうか？ 556 名前：デフォルトの名無しさん [2018/06/26(火) 20:16:27.74 ID:IMFKH44M.net] こういうこと? $perl -pe 's/(?!^)./*/g' alpha a**** beta b*** gamma g**** $ 良い方法かどうかはわからないが。 557 名前：デフォルトの名無しさん [2018/06/26(火) 20:22:51.32 ID:IMFKH44M.net] perl -pe 's/(?<!^)./*/g' とすべきだったかな。 558 名前：デフォルトの名無しさん [2018/07/04(水) 22:06:49.23 ID:gFgZc5FG.net] J1Q 559 名前：デフォルトの名無しさん mailto:sage [2018/07/05(木) 16:31:37.58 ID:AeL6VB/V.net] J1Q 560 名前：デフォルトの名無しさん [2018/07/16(月) 14:08:24.67 ID:80hpbb9v.net] 1 2 3 の3つの文字を、順番不同で、必ず各々、1つ以上含む a23b1 → 真 1a2 → 偽 これは順番の組み合わせだから、正規表現で出来ますか？ 561 名前：デフォルトの名無しさん [2018/07/16(月) 14:41:45.67 ID:/+vnEc6c.net] >>544 先読みが使えれば ^(?=.*1)(?=.*2)(?=.*3) 562 名前：デフォルトの名無しさん [2018/07/25(水) 19:56:10.60 ID:1XdhMp/e.net] サクラエディタで <>で囲まれていないaaaをあああにしたいです <aaab>aaa<caaadaaa>baaadeaaa<ccc>baaad<baaa>aaabaaadaaa<ee> ↓ <aaab>あああ<caaadaaa>bあああdeあああ<ccc>bあああd<baaa>あああbあああdあああ<ee> >([^<>a]*?)(aaa)([^<>a]*?)< >$1あああ$2< だと「>aaa<」や「>baaad<」は置換できるけど「>baaadeaaa<」や「>aaabaaadaaa<」が置換できずに残る そこで >([^<>a]*?)(aaa)([^<>a]*?)(aaa)([^<>a]*?)< >$1あああ$2あああ$3< と変換するわけですが当然「>aaabaaadaaa<」が残り… <>に囲まれていないaaaが沢山あるので変換しきれません 何とかならないでしょうか 563 名前：デフォルトの名無しさん mailto:sage [2018/07/25(水) 20:31:56.63 ID:AmPlbSPQ.net] []内のa取っ払って ぜんぶ変換できるまで何回もやったら？ (>[^<]*?)aaa([^>]*?<) 564 名前：デフォルトの名無しさん mailto:sage [2018/07/25(水) 20:46:43.74 ID:AmPlbSPQ.net] aaa(?=[^>]*<) 前後に必ずタグがあるならこれなら一回 565 名前：デフォルトの名無しさん [2018/07/26(木) 09:15:37.25 ID:4NbdqkDU.net] >>547>>548 できた！できました！ ありがとうございます 566 名前：デフォルトの名無しさん mailto:sage [2018/07/29(日) 09:53:04.64 ID:JxpitKP8.net] ● パターン1, (\d+)月(\d+)日 パターン2, (\d+)月(\d+)数字以外(\d+)日 これを一回で取得したい ●対象データ 7月1日 7月2〜4日 7月6から10日 7月12・13日 ●希望する結果 7,1 7,2,4 567 名前： 7,6,10 7,12,13 お願いします [] [ここ壊れてます] 568 名前：デフォルトの名無しさん mailto:sage [2018/07/29(日) 10:18:20.53 ID:kCYuy8BN.net] 取得って何だよ変数に入ればいいのか置換結果として取得したいのか 569 名前：デフォルトの名無しさん mailto:sage [2018/07/29(日) 10:49:28.56 ID:TzC7zb5n.net] >>550 ほんまにそれが希望する結果？ 数字とりだしてるだけなんだけど。 570 名前：デフォルトの名無しさん mailto:sage [2018/07/29(日) 10:59:44.43 ID:JxpitKP8.net] 取り出すだけでいいです。 571 名前：デフォルトの名無しさん mailto:sage [2018/07/29(日) 11:42:16.30 ID:kCYuy8BN.net] 数字取り出して変数に入れるだけなら /(\d+)月(\d+)(?:\D+(\d+))?日/gu で仕舞いだが 572 名前：デフォルトの名無しさん mailto:sage [2018/07/29(日) 11:45:23.47 ID:JxpitKP8.net] >>554 完璧です。 ありがとうございました。 573 名前：デフォルトの名無しさん mailto:sage [2018/07/29(日) 11:49:24.17 ID:kCYuy8BN.net] 変数にキャプチャしたいのか置換で取り出したいのかくらい書こうな 574 名前：デフォルトの名無しさん mailto:sage [2018/07/29(日) 11:57:08.75 ID:JxpitKP8.net] 失礼しました 575 名前：デフォルトの名無しさん mailto:sage [2018/08/12(日) 20:55:52.79 ID:MOc1ccj1.net] C#で正規表現を使ってHTML内から文字コードをとってきたいのですが 以下の場合だと"UTF"としか取得できません。 "UTF-8"と取得する場合どうすればいいでしょうか？ <[^>]*\bcharset\s*=\s*[""']?(?<charset>\w+)\b <!DOCTYPE html> <html lang="ja"> <head> <meta charset="UTF-8"> 576 名前：デフォルトの名無しさん mailto:sage [2018/08/12(日) 21:30:40.27 ID:mMH07JtW.net] >>558 HTMLは扱いが難しいからパーサ使った方がいい どうしても正規表現だというなら, 1. とりあえず的な修正 https://regex101.com/r/sIUmzD/2 /<[^>]*\bcharset\s*=\s*(?:([^\s"'=><`]+)|'([^']*)'|"([^"]*)")\b/$1$2$3/i 2. もう少し気合の入れた修正 https://regex101.com/r/sIUmzD/1 |<meta (?:\s+[^\s"'>/=]+(?:\s*=\s*(?:[^\s"'=><`]+|'[^']*'|"[^"]*"))?)* (?:\s+charset(?:\s*=\s*(?:([^\s"'=><`]+)|'([^']*)'|"([^"]*)"))?) (?:\s+[^\s"'>/=]+(?:\s*=\s*(?:[^\s"'=><`]+|'[^']*'|"[^"]*"))?)*\s*/?>|$1$2$3|i ぐらいか でもこれ後で読むのしんどいでしょ 577 名前：デフォルトの名無しさん mailto:sage [2018/08/12(日) 21:47:08.19 ID:L571MbNB.net] >>559 神だ 578 名前：557 mailto:sage [2018/08/12(日) 21:53:09.85 ID:mMH07JtW.net] 2.の方を若干修正, charsetには値が必要ですわ https://regex101.com/r/sIUmzD/3 |<meta (?:\s+[^\s"'>/=]+(?:\s*=\s*(?:[^\s"'=><`]+|'[^']*'|"[^"]*"))?)* (?:\s+charset\s*=\s*(?:([^\s"'=><`]+)|'([^']*)'|"([^"]*)")) (?:\s+[^\s"'>/=]+(?:\s*=\s*(?:[^\s"'=><`]+|'[^']*'|"[^"]*"))?)*\s*/?>|$1$2$3|i 579 名前：デフォルトの名無しさん mailto:sage [2018/08/12(日) 22:00:37.17 ID:MOc1ccj1.net] >>559 ありがとうございます！ 当方がやりたかったことは、HTMLをテキストデータとして大量に取得して、その中から特定のワードでの絞り込みです。 正しい文字コードでHTMLを落としてからパースしようと思ったのですが、確かにパーサでやる手もありそうですね 正規表現は今まで避けてきたので、読むのがシンドイっていうかチンプンカンプンですが 求めていた動作です。とても助かりました。 使わせてももらいます。ありがとうございました。 580 名前：デフォルトの名無しさん mailto:sage [2018/08/12(日) 23:56:24.69 ID:2UQfVx23.net] HTML のように、要素に親子関係があるもの・構造化されたものは、正規表現じゃ無理 <1><x></x><y></y></1> 開き・閉じタグで、前から一致させると、 <1></x> が対応してしまう ネストも無限にできるから、対応させるのは無理。 パーサを使うべき 581 名前：デフォルトの名無しさん mailto:sage [2018/08/13(月) 00:16:51.60 ID:06GD6VnQ.net] キーワードと構成次第だろ 582 名前：デフォルトの名無しさん mailto:sage [2018/08/13(月) 00:22:13.35 ID:LXDaPxOa.net] rubyキチやぞ 583 名前：デフォルトの名無しさん mailto:sage [2018/08/13(月) 03:34:58.19 ID:EnLsbSTB.net] >>563 一部の環境では括弧等のネスト構造を取り扱いをサポートした正規表現があるよ PCRE(Perl 5.10以降)やruby(鬼雲)、Python,PHPなどでも C#の.NET Framework環境でもあったんじゃないかな 584 名前：デフォルトの名無しさん mailto:sage [2018/08/23(木) 19:11:59.52 ID:4kav5HXR.net] .* 何にでもマッチさせることができる最強で万能な正規表現 585 名前：デフォルトの名無しさん mailto:sage [2018/08/23(木) 19:26:33.22 ID:FR6Db0Vc.net] 改行にはマッチしないけどね [\s\S]* 586 名前：デフォルトの名無しさん mailto:sage [2018/08/24(金) 02:29:36.02 ID:cgE41D9D.net] >>563 > HTML のように、要素に親子関係があるもの・構造化されたものは、正規表現じゃ無理 そういうこともできるように拡張した正規表現があればいいのに さらに階層、treeも可 587 名前：デフォルトの名無しさん mailto:sage [2018/08/24(金) 03:56:55.93 ID:k/tOxHF9.net] >>569 鬼雲使ってみれば？ 588 名前：デフォルトの名無しさん mailto:sage [2018/08/24(金) 10:28:37.49 ID:bF2ATmvV.net] BNF使えよ 589 名前：デフォルトの名無しさん mailto:sage [2018/08/24(金) 10:38:07.25 ID:wb3Q/jKx.net] なんか知識が数年前で止まっちゃってる人がちらほらいるな 正規表現がネストに対応したのなんてもう一昔前ってイメージだけど 590 名前：デフォルトの名無しさん mailto:sage [2018/08/24(金) 12:46:08.34 ID:srP6ovAZ.net] 別に正規表現だけを追いかけてるわけじゃないから 591 名前：デフォルトの名無しさん [2018/08/24(金) 12:48:35.65 ID:ZVlysGry.net] なんでも正規表現で済まそうとするひとって 意地でもVBA使い続けてるひとと大差ない 592 名前：デフォルトの名無しさん mailto:sage [2018/08/24(金) 12:49:36.87 ID:yKVFr0CJ.net] 適材適所 593 名前：デフォルトの名無しさん mailto:sage [2018/08/24(金) 16:58:29.09 ID:k/tOxHF9.net] >>569 てか>>563には>>566のレスが既に付いてたじゃんか 594 名前：デフォルトの名無しさん mailto:sage [2018/08/24(金) 18:58:08.09 ID:wb3Q/jKx.net] >>574 賢い人程手段をたくさん知り その中から取捨選択するからな >>573 さすがに勉強不足すぎだろｗ 何年前で知識止まってんだよ 595 名前：デフォルトの名無しさん mailto:sage [2018/08/25(土) 00:03:35.46 ID:r5O9PJUC.net] はいはい、正規表現マスターすごいねー これでいいかな w 596 名前：デフォルトの名無しさん mailto:sage [2018/08/25(土) 00:35:41.84 ID:I7tIpqHO.net] 底辺に行くほど知識自慢はしかたがないだろ、正規表現に限らず ただ掲示板的に質問したいのにバカがしゃしゃり出てきて迷惑だよな 597 名前：デフォルトの名無しさん [2018/08/25(土) 10:52:22.58 ID:J+b/MRtJ.net] 的確な指示されても気に入らない回答だからと人の話を聴かない人は成長しないよ 自分の気に入る回答しかも自分と同じレベルの回答もらって喜んでればいい 598 名前：デフォルトの名無しさん mailto:sage [2018/08/26(日) 15:08:37.66 ID:sCPJIsfv.net] 俺なんか中学の勉強もロクにしなかったのに正規表現を理解したいから 今、大学レベルの数学を勉強してる・・なかなか進まないけどね・・ >>558 の質問からパーサとか出てくるのはちょっと違うと思うよ metaタグ拾えばいいだけだよね？難しく考えすぎだよ あとＨＴＭＬソースのほうが糞で実際の文字コードとmetaタグで指定されてる 文字コードが違うなんてことや、文字コードの指定が複数個所あるなんていう ２ページ分のＨＴＭＬをそのままくっ付けましたなんていうのも稀にあるから そういう糞なＨＴＭＬを相手にする場合は対応を考えないといけないね 599 名前：デフォルトの名無しさん mailto:sage [2018/08/26(日) 15:31:19.41 ID:CE5Lnwmj.net] >>581じゃあmetaタグを拾って来る正規表現をどうぞ 600 名前：デフォルトの名無しさん mailto:sage [2018/08/26(日) 15:37:54.94 ID:zPuf2RGr.net] え？　そんなことマジで聞いてるのか？ 601 名前：デフォルトの名無しさん mailto:sage [2018/08/26(日) 15:40:08.95 ID:CE5Lnwmj.net] マジだからちゃんと教えてくれよ 602 名前：デフォルトの名無しさん mailto:sage [2018/08/26(日) 18:08:41.45 ID:sCPJIsfv.net] 自分用に作るならこんな感じかなぁ、動作確認してないので使わないでね | <meta (?=\s) [^<>]* \s charset \s* = \s* (?:["']\s*)? ([^\s"'<>;]+) |x; こういうのは想定外 　※　 " " の中に > がある <meta comment="a>b" charset="UTF-8"> 603 名前：デフォルトの名無しさん mailto:sage [2018/08/26(日) 18:17:10.61 ID:O4hA/SKg.net] >>585 俺が書いた糞(>>561)より糞なコードが書かれて驚く 素直にパーサ使えよ 604 名前：デフォルトの名無しさん mailto:sage [2018/08/26(日) 18:36:53.61 ID:sCPJIsfv.net] >>585 のほうがスマートなのは一目瞭然でしょ ただ >>585 は　こんな感じ　程度のものなのでツッコミ所があっても知らないよ

---

---

[ 続きを読む ] / [ 携帯版 ]

read.cgi ver5.27 [feat.BBS2 +1.6] / e.0.2 (02/09/03) / eucaly.net products.
担当:undef