X
Regular Expression(正規表現) Part15
■ このスレッドは過去ログ倉庫に格納されています
0001デフォルトの名無しさん
垢版 |
2019/09/16(月) 22:25:11.87ID:enU8we0d
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) Part14
https://mevius.5ch.net/test/read.cgi/tech/1489511075/


次スレは>>980宜しく
天ぷら等>>2以降
0362デフォルトの名無しさん
垢版 |
2020/08/02(日) 10:46:18.27ID:WI1GGX9r
>>357,358,359
全部だめでした
ちなみにmeryです
いつもいい忘れます
ごめんなさい
0363デフォルトの名無しさん
垢版 |
2020/08/02(日) 10:54:32.92ID:WI1GGX9r
>>357
これでいけました
しかし順番にマッチするんですね
0364デフォルトの名無しさん
垢版 |
2020/08/02(日) 10:55:57.37ID:WI1GGX9r
順番に置き換えていくならいいですが、全て置き換えを行う場合
>>357だと出来ないですね
0367デフォルトの名無しさん
垢版 |
2020/08/03(月) 03:15:13.61ID:/ZQCQ5dx
>>365
ありがとう
むずかしい
0368デフォルトの名無しさん
垢版 |
2020/08/05(水) 13:11:50.02ID:zXYtyxDC
●Regular Expressionの使用環境
サクラエディタ

●検索か置換か？
置換

●説明
空白を除去するのに\sで検索してますが
アルファベットの文字間では空白を残したい

●対象データ
ジャッキー チェン：Jackie Chan
●希望する結果
ジャッキーチェン：Jackie Chan
0369デフォルトの名無しさん
垢版 |
2020/08/05(水) 14:03:13.77ID:xp5DSzK/
スペースの直前直後が[a-zA-Z]ならマッチせず
それ以外ならマッチするという正規表現でいいのかな？
もうちょっと仕様を詰めたほうがいい気がする

John Paul IIの2つ目のスペースは削除？
George W. Bushの2つ目のスペースは削除？
0371デフォルトの名無しさん
垢版 |
2020/08/05(水) 16:38:08.92ID:zXYtyxDC
>>369
スペースの前後ともアルファベットならマッチせず、それ以外ならマッチするです。
その他の条件はありません。ちなみに行頭と行末のスペースにはマッチさせたいです。

>>370
ありがとうございます。行頭が残るようですが希望のことができました。
0377デフォルトの名無しさん
垢版 |
2020/08/06(木) 11:59:29.23ID:04L3Tvl2
\s(?!(?<=[A-Za-z].)[A-Za-z])
肯定先読み要らないよね。ある方が見やすい気がしなくもないけど
0378デフォルトの名無しさん
垢版 |
2020/08/06(木) 16:39:38.24ID:LCybI18e
374の「選択子がゼロ個」と「集合の否定」の話じゃなければアサーションを入れ子にする必要もないのですよ
\s(?>(?![A-Za-z])|(?<![A-Za-z].))
0379デフォルトの名無しさん
垢版 |
2020/08/10(月) 00:32:29.15ID:foQnjRqn
●使用環境
RegEx Lab(iOSアプリ,ICU Regex)
iOSショートカットアプリ

●検索か置換か？
検索

●説明
以下の2パターンのデータから"あいうえお"を取り出す正規表現を教えてください。
自分なりに考えたのですが↓ではうまくいきませんでした。
名前(?:：<.+?>|：)(.*?)(?:</a>|$)
ちなみにCotEditorでは↑の正規表現でも検索できました。

●対象データ1
〜
<div class="abcde_abcde">
名前：あいうえお
</div><!--abcde_abcde-->
〜

●対象データ2
〜
<div class="abcde_abcde">
名前：<a href="https://www.google.com";>あいうえお</a>
</div><!--abcde_abcde-->
〜

●希望する結果
あいうえお
0381デフォルトの名無しさん
垢版 |
2020/08/10(月) 01:16:40.29ID:rwR0rEzu
>>379
$が行末にマッチしてないだけなら、単に改行\Rに置き換えてみてもいいし正規表現の頭におまじない(?m)を足してみてもいい
置換じゃなくて検索なら
(?<=名前：<[^>]{0,99}?>).*?(?=</a>)|(?<=名前：)(?!<).*+
0382デフォルトの名無しさん
垢版 |
2020/08/10(月) 01:36:35.46ID:foQnjRqn
>>380
>>381
こんなに色々なやり方があるんですね……勉強になります。
無事検索できるようになり本当に助かりました。
ありがとうございました！
0383デフォルトの名無しさん
垢版 |
2020/08/11(火) 13:59:29.59ID:JW3Ec0IY
grepのperl正規表現オプションを使ってURLのホスト名を抽出したいです

https://mevius.5ch.net/test/read.cgi/tech/1568640311/l50
http://www.google.co.jp/

このスレだったら”mevius”
googleなら”www”
「https://」or「http://」と「.」に挟まれた文字列の最短一致でできそうなのですがなぜか上手くいきません

1文字に挟まれたパターンは検索して出てくるのですが、複数文字に挟まれたパターンはあまり出てこなくて、この際はっきりしたいので「〇〇〇と△△△に挟まれた文字列の中身のみを最短一致で抽出」パターンも教えてください
0384デフォルトの名無しさん
垢版 |
2020/08/11(火) 14:15:33.95ID:47EO3/0I
>>383
/https?:\/\/([^./]+)/
grepもperlも知らないけどこんな感じでどうや
△△△が一文字なら△を含まない文字の連続で取るといいと思う
複数文字の場合は知らない
0386デフォルトの名無しさん
垢版 |
2020/08/11(火) 14:33:07.25ID:JW3Ec0IY
>>384
早速ありがとうございます
ですがそのやり方ですとgrepでは抽出できませんでした

△△△は複数の種類の文字ですね言葉足らずでした
正しくは「ABC」と「DEF」に挟まれた文字みたいなものですね
0388デフォルトの名無しさん
垢版 |
2020/08/11(火) 14:37:41.53ID:47EO3/0I
>>386
できなかったか、すまん
これは自分には無理だわ
知識もないのにでしゃばるべきじゃなかったな
0389デフォルトの名無しさん
垢版 |
2020/08/11(火) 14:45:43.81ID:giB5l2E5
pcregrepならキャプチャグループを番号指定して出力可能

$ pcregrep -o1 ':\/\/(.+?)\.' input.txt
0390デフォルトの名無しさん
垢版 |
2020/08/11(火) 15:47:36.92ID:JW3Ec0IY
>>388
いえいえ

>>387
>>389
おー、これでできました
pcregrepのやり方もありがとうございます
0391デフォルトの名無しさん
垢版 |
2020/08/11(火) 20:17:56.42ID:Uga1WByL
Javaで

setMethod();
getMethod();
setBake();

みたいなgetter,setterは検出したくなく、

Methoda();
Methodb();
bake();

みたいなset, getで始まっていない()付きの文字列を含む
行を正規表現一行で検出するするのはどうしたらいいのですか?
0393デフォルトの名無しさん
垢版 |
2020/08/11(火) 21:55:37.51ID:Uga1WByL
申し訳ありません。

Methoda() {
Methodb(){
c = z.Methoda().Methodb(a,b)

みたいな行は検索の対象にいれたいのですが
よろしくお願いします。
0394デフォルトの名無しさん
垢版 |
2020/08/11(火) 22:14:19.40ID:giB5l2E5
もうちょい目的と仕様をはっきりさせたほうがいいんじゃない？

get/setではじまってない()付きの文字列を含む行なら問題ないけど
get/setではじまってないメソッド定義やメソッド呼び出しをもれなく抽出したいということなら
正規表現だときつい気がする

後者ならコードをパースして使ってるメソッド一覧を出力するようなツールを探したほうがいいかも
0397デフォルトの名無しさん
垢版 |
2020/08/11(火) 22:52:10.25ID:Uga1WByL
引数が無い and setter, getterではないメソッドを含んでいる行です
ひょっとして正規表現内では表現できないかもしれません。
文脈自由レベルでしょうか?
0398デフォルトの名無しさん
垢版 |
2020/09/20(日) 19:06:52.11ID:shjW7F5c
5chのスレタイはこん感じで入っている

<a href="1599110613/l50">1: ぶっちゃけ始めるのにいい言語て何　part3 (78)</a>
<a href="1545032904/l50">2: 文字コード総合スレ Part12 (95)</a>
<a href="1598112455/l50">3: Rust part9 (198)</a>
<a href="1598336253/l50">4: 小6におすすめな言語 (32)</a>
<a href="1594528940/l50">5: C++相談室 part152 (404)</a>
<a href="1596690797/l50">6: Xamarin Part7 (97)</a>
<a href="1598527450/l50">7: くだすれPython(超初心者用) その50【まず1嫁】 (423)</a>

ここからたとえば「言語」とついたスレタイだけ抽出するのは無理だった

<a href="1599110613/l50">1: ぶっちゃけ始めるのにいい言語て何　part3 (78)</a>
<a href="1598336253/l50">4: 小6におすすめな言語 (32)</a>
0400デフォルトの名無しさん
垢版 |
2020/09/20(日) 23:02:18.72ID:ylbIOeZ5
JavaScript では、これで複数行マッチ(g)できた
/<a[^>]+>.*言語.*<\/a>/g

<a で始まって、> 以外の文字が、1文字以上続いて、>
言語の前後に、.*
<\/a> で終わる

他には、Ruby でスクレイピングすれば？
0401デフォルトの名無しさん
垢版 |
2020/09/21(月) 00:25:21.75ID:18fwmJUF
>>400
おかしいな、それでうまくいかなかったのに

と思ったら入ってくるHTMLソースに改行がないようだ
</a>のあとに改行入れるとうまくいくように見えるけど、HTMLソースがおかしくなる

正規表現以前の問題だったわ
0402400
垢版 |
2020/09/21(月) 02:18:58.27ID:+seX53Ud
別に抜き出すだけなら、
一旦、</a> の後ろに、改行を追加してから、正規表現を使えば？

それか、HTML をコピーしてから、やるとか
0405400
垢版 |
2020/09/21(月) 05:27:30.09ID:+seX53Ud
Ruby, Nokogiri で、スクレイピングしたら、

require 'open-uri'
require 'nokogiri'

# プログラム技術@スレッド一覧
url = "https://mevius.5ch.net/tech/subback.html";

doc = Nokogiri::HTML( open( url ) )

# 「言語」という単語が含まれる、タイトルを表示する
ary = doc.css( "#trad > a" ).map { |elem| elem.content }
.select { |title| title.include? "言語" }

puts ary

出力
6: 次世代言語21 Go Nim Rust Swift Kotlin TypeScript (330)
10: 日本語プログラミング言語『なでしこ』スレ6.1c2ch.net (108)

以下略
0406デフォルトの名無しさん
垢版 |
2020/09/21(月) 15:36:21.19ID:K0hBqhJG
冗談抜きでそんな無駄な努力するよりxpathとかそっち系おすすめするぞ
0408400
垢版 |
2020/09/21(月) 22:36:13.18ID:+seX53Ud
>>405
のopen-uri を、下のように、外部コマンドのcurl にも出来るけど、
普通は、わざわざ外部コマンドを呼ばない

url = "http〜"
doc = Nokogiri::HTML( open( url ) )

html = `curl http〜`
doc = Nokogiri::HTML( html )
0410デフォルトの名無しさん
垢版 |
2020/09/22(火) 16:23:41.31ID:hefdb5Yb
こんなもんでもよろしいでしょうか。
あんまりうまくないと思いますが。
よろしくお願いいたします。

置換前
^(?!http)([0-9]{4})(/)

置換後
$1年
0413デフォルトの名無しさん
垢版 |
2020/09/25(金) 14:10:58.84ID:3NF+8528
●Regular Expressionの使用環境
Linux
awkとか、sed。
目的が置換なので、コマンドはなんでも構いません。

●検索か置換か？
置換

●説明
= 任意の文字列 :
を置き換えたい
※前後に半角スペースあり。

●対象データ
hogeghoe = type: furagura
mogemoge = syntax: mojamoja

●希望する結果
hogeghoe type: furagura
mogemoge syntax: mojamoja
※スペースで置き換えた例


よろしくお願いいたします。
0414デフォルトの名無しさん
垢版 |
2020/09/25(金) 14:14:55.55ID:3NF+8528
>>413
取り消します。精査する前に書き込んでおり
間違いがございました。すいません。



●Regular Expressionの使用環境
Linux
awkとか、sed。
目的が置換なので、コマンドはなんでも構いません。

●検索か置換か？
置換

●説明
= 任意の文字列 :
を置き換えたい
※前後に半角スペースあり。

●対象データ
hogeghoe = type: fuga:fuga
mogemoge = syntax: moja:moja
※置換目的のコロンの後ろにさらにコロンがある場合があります。
　=から「次の最初のコロン」までが置換対象です。

●希望する結果
hogeghoe fuga:fuga
mogemoge moja:moja
※スペースで置き換えた例

よろしくお願いいたします。
0417デフォルトの名無しさん
垢版 |
2020/09/25(金) 21:14:34.14ID:9rvIESf7
>>416
そんなに難解ではないぞ
: でない文字が0個以上続いて
その後に一文字だけ : があるパターンを
すべてスペースに書き換えるというだけの意味
0418デフォルトの名無しさん
垢版 |
2020/09/25(金) 22:49:57.38ID:rXEBHfdh
●使用環境：RegEx Lab(iOSアプリ,ICU Regex)
●検索か置換か？：検索
●説明：時間毎の内容を取り出したいです。自分でも考えてみたのですが、(?m)(?<=\d{1,2}:\d{2}\r)([\s\S]*?)\r ではAt〜Mediaまで取得できませんでした。
補足として、各内容の前後には必ず時間と空白行が挿入されています。ただし、テキストにも空白行が挿入されている場合があります。ちなみに日付毎にファイルが分かれているため、対象データ最上部の日付が途中に挿入されることはありません。

●対象データ

25 September 2020
=================

8:05
テキスト1

10:44
テキスト2
At: スポット名: 位置情報・座標
Tags: タグ1, タグ2
Media: 123abcdefg.jpg
Media: hijklmn456.png

●希望する結果
○マッチ1
テキスト1

○マッチ2
テキスト2
At: スポット名: 位置情報・座標
Tags: タグ1, タグ2
Media: 123abcdefg.jpg
Media: hijklmn456.png
0419デフォルトの名無しさん
垢版 |
2020/09/26(土) 02:18:28.42ID:Xs9MiFl7
とりあえず鬼雲なら
\d\d?:\d\d\n(([^\n]+\n)+)
で\1なり$1なりで取り出せるけど

どー使うのかしらねーけど改行に続く時刻消せばいいんじゃねw
0420デフォルトの名無しさん
垢版 |
2020/09/26(土) 07:24:38.50ID:QW/S7GaB
\d\d?:\d\d\n\K((.(?!^\d\d?:\d\d))+\n)+
マッチに時間の直前の空行まで含めるのか？含まないのか？
テキスト終端(例だとテキスト1\n 456.png\n)の改行文字を含めるのか？含まないのか？
マッチがどこまでなのか曖昧
2段階になるけど一旦時刻をテキスト中に現れない文字に置換すれば簡単に出来る
^\d\d?:\d\d → ★
[^★]+
時刻の直前の空行を含まないのなら
\n\d\d?:\d\d → ★
テキスト終端の改行を(ry
\n\n\d\d?:\d\d → ★
0421デフォルトの名無しさん
垢版 |
2020/09/26(土) 19:21:20.61ID:aEJhlUXF
>>419
>>420
ありがとうございます！
試してみたところ、Meryでは問題なく動作しているようでしたがRegEx Labでは動作しませんでした…

> 時間の直前の空行
>テキスト終端(例だとテキスト1\n 456.png\n)の改行文字
どちらも含めずに取得したいです。
0422デフォルトの名無しさん
垢版 |
2020/09/26(土) 19:40:36.95ID:5brst4gY
(?m)(?<=^\d{1,2}:\d{2}(?:\r\n|(?<!\r)\n|\r(?!\n)))^[\s\S]*?(?=(?:\r\n|(?<!\r)\n|\r(?!\n))+\d{1,2}:\d{2}(?:\r\n|(?<!\r)\n|\r(?!\n))|(?:\r\n|(?<!\r)\n|\r(?!\n))*\z)
0424デフォルトの名無しさん
垢版 |
2020/09/26(土) 20:47:28.01ID:5brst4gY
これでよかったっぽい
(?m)(?<=^\d{1,2}:\d{2}(?:\r?\n|\r))^[\s\S]*?(?=(?:\r?\n|\r)+\d{1,2}:\d{2}(?:\r?\n|\r)|(?:\r?\n|\r)*\z)
0425デフォルトの名無しさん
垢版 |
2020/09/26(土) 20:48:16.86ID:5brst4gY
>>423
どうだろうね、基本的な構造は>>418と同じだけど
データの改行コードがどうなっているのか謎だったのでとりあえず全種類対応しようと欲張ったらこんなことに

\n に置き換えるとこう
(?m)(?<=^\d{1,2}:\d{2}\n)^[\s\S]*?(?=\n+\d{1,2}:\d{2}\n|\n*\z)
0426デフォルトの名無しさん
垢版 |
2020/09/26(土) 20:52:05.12ID:yw3DqGjj
長い短いではなく、試行回数が多い記述（行ったり戻ったり何度もやり直すもの）が遅い
そういうのは逆に記述を詳しくしたりして長くするほうが速い
0428デフォルトの名無しさん
垢版 |
2020/09/26(土) 21:08:10.61ID:GBugeZhr
>>416
正規表現のデフォルトは、貪欲・greedy・最長一致だから、
非貪欲・reluctant・最短一致にしたい場合に使う。? と同じ

[^x]*、x以外の文字を、0個以上
[^x]+、x以外の文字を、1個以上

Ruby では、

src = "12x34x56"

p src[ /.*x/ ] #=> 12x34x

p src[ /.*?x/ ] #=> 12x
p src[ /[^x]*x/ ] #=> 12x
0431デフォルトの名無しさん
垢版 |
2020/09/27(日) 04:53:12.79ID:ICi3HfJX
\d{1,2}なら\d\d?
\d{2}なら\d\d
の方が短く済むから2桁以下なら無駄
0432デフォルトの名無しさん
垢版 |
2020/09/27(日) 05:56:53.69ID:nMBRMM6J
それは見易さと短さのどちらを優先するかによる
短いだけが正義では無い
2つ程度で見易いもクソも…と思うかも知れないが慣れない者にとっては数字の方が見易いらしい
俺は断然\d\d?派だが

でもこれは(?:\r?\n|\r)→(?:\r\n?|\n)
同じ意味だが
\r
\r\n
　\n
をどう表すか?ってことだから後者のように前方を固定した方が分かり易いと思う
RtoLが関係してたりするのだろうか?
0434デフォルトの名無しさん
垢版 |
2020/09/27(日) 20:03:40.48ID:+P5c8fwT
●Regular Expressionの使用環境

c# .net Framework 4.8

●検索か置換か？
検索

●説明
「,」区切りの2桁の文字列を全て取得したい（Split関数でなく）。


●対象データ
04,05,28

●希望する結果
04
05
28

●補足
現在使っている正規表現は右です　(\d{2})(?:,(\d{2}))*
これを使うと、対象となる2桁の数字のうち、最初と最後のものしか取得できません
対象データが4個以上でも同様です
0435411
垢版 |
2020/09/27(日) 20:26:03.04ID:qo22866j
以前 >>409 で質問し解答を頂いた者です。
内容は同じなんですが、この置換を他のパターンでも応用したく再度質問致します。

●Regular Expressionの使用環境
サクラエディタ

●検索か置換か？
置換

●説明
◆を含まない行の▲を■に置き換えたい
◆▲■は任意の文字列で、文字数も決まっていません。

●対象データ
Sst68▲h4◆
DRkPP2▲V
NN▲◆9K12XV▲
G▲RL88▲A7

●希望する結果
Sst68▲h4◆
DRkPP2■V
NN▲◆9K12XV▲
G■RL88■A7

どうぞよろしくお願いいたします。
0438デフォルトの名無しさん
垢版 |
2020/09/27(日) 22:52:42.77ID:+P5c8fwT
>>437
返信ありがと
だけど上手く取得できないです
対象データが　04,05,28　のときにマッチしたグループを全部出力すると
04,
04
となります
0440デフォルトの名無しさん
垢版 |
2020/09/27(日) 23:09:42.50ID:PP0FbEmI
>>436
ちっとも極端じゃないよ
対象テキストが長くて酷いと数sと数msとか何千倍、何万倍も差がつく
もっと極端なことにもなって、だんまり（終わらない）状態になることもある
0441デフォルトの名無しさん
垢版 |
2020/09/27(日) 23:11:27.15ID:PP0FbEmI
あ、そのリンク先の表現でのことじゃなく一般的な話としてのことなので、念のため
0443デフォルトの名無しさん
垢版 |
2020/09/28(月) 00:15:40.71ID:KUcib4mR
数年前に某技術系Q&Aサイト全体が30分以上応答不能になったことがあったけど、アレもbacktrack絡みの正規表現処理(に高負荷をもたらす投稿)がトリガーだったはず
0444デフォルトの名無しさん
垢版 |
2020/09/28(月) 00:39:03.54ID:HqyKtYng
Jane系のNGEx,ReplaceStr.txtの正規表現で酷いものが投稿されることがある
よく吟味しないと
対象スレ（ちょっと長いスレとか）によってはだんまりとか発生する
0446デフォルトの名無しさん
垢版 |
2020/09/28(月) 05:43:11.14ID:9VrOlQkL
バックトラックは対象が簡単に一致するものしか無いのであればそれほど気を使わなくても良いが
一致しないものがある場合 一致しない に至るまでに全パターンを試すから
その挙動を必要最小限に抑えたものとそうでないものとでの試行数は桁違い
対象が長くなれば数倍どころでは済まない
大抵の場合、人が確認する際のロジックを再現するのが1番効率が良い

NGEx.txtを晒すスレ7
http://jane2ch.net/test/read.cgi/community/1497272912/340
(<br>.*){20}　　　　　　　　　　　　　49194006ms　　激重
^(.*?<br>){20}　　　　　　　　　　　　*1570733ms
^(?:(?:(?!<br>).)*<br>){20}　　　　　****2202ms　　軽い
^(?>.*?<br>){20} 　　　　　　　　　　****1784ms　　もっと軽い
0447435
垢版 |
2020/09/28(月) 15:22:21.72ID:R3xf3P8N
>>445
単なるテキストならいいのですが、用途としては
リネーマーソフトReNamerやAdvanced Renamerなどで
バッチ処理にも使いたいので。
0452デフォルトの名無しさん
垢版 |
2020/11/06(金) 11:29:16.13ID:xeNq05z2
oniguruma6.9.6 Windows10のVS2019で64bit版だとtestc.exeが無言で終了する、32bitだと正常。
Winodws7でVS2015U3だと64bitでも32bitでも正常に動作する。

これ、以前からWindows64bitが鬼門だなあ
0453デフォルトの名無しさん
垢版 |
2020/11/10(火) 19:15:09.53ID:aUuUQimA
●PowerShell

●置換

●テキストファイル内の「WrtCookie=」で始まる行の値を「WrtCookie=」に置換する

●「WrtCookie=」で始まる行

現在のコマンド

$input = '^(WrtCookie=).+$'

$replacement = '$1'

$file_contents = $(Get-Content $filepath) -replace $input, $replacement

結果

テキストファイル内の全行が出鱈目な文字列に置換されます
たとえば「$1[$1W$1I$1N$1D$1O$1W$1]$1」など

よろしくお願いします
■ このスレッドは過去ログ倉庫に格納されています
ニューススポーツなんでも実況