Regular Expression(正規表現) Part14 [無断転載禁止]©2ch.net

**デフォルトの名無しさん** · 2017/03/15(水) 02:04:35.47

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
http://echo.2ch.net/test/read.cgi/tech/1415149975/

次スレは>>980宜しく
天ぷら等2以降

**デフォルトの名無しさん** · 2018/01/02(火) 20:13:20.96

>>390
半角文字ばかり調べて盲点でした
ありがとうございました

**デフォルトの名無しさん** · 2018/01/06(土) 20:03:46.61

社外に情報を持ち出せず脳内再生ですみませんが、
以下の抽出条件を教えてください

●Regular Expressionの使用環境
Excel/VBAの参照設定で5.5

C#からのソースを移植中に、
Executeメソッドで（おそらく後読みができず）エラーとなっているが、
正規表現初心者で手も足も出ず…

●検索か置換か？
検索

●説明
複数行の
任意のホワイトスペースhostname: 後の文字列を検索し、
直後のドメイン名を取得したい。ただし、IPアドレスは除外したい。

●対象データ
hostname: hogehoge.com改行
hostname: mogemoge.com改行
hostname: 192.168.1.1改行

●希望する結果
hogehoge.com
mogemoge.com

よろしくお願いします。

**デフォルトの名無しさん** · 2018/01/06(土) 20:08:09.69

●対象データ
△△hostname:△hogehoge.com改行
△△△△hostname:△mogemoge.com改行
△hostname:△192.168.1.1改行

のようにスペースが入っています。

Janeでカキコするとスペースが消えたので補足します。

**デフォルトの名無しさん** · 2018/01/06(土) 21:13:44.07

ホスト名の条件が分からんからドメイン名と同等と仮定する
マルチラインモードで

^\s*(?:[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?\.)*[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?:[^\S\x0A\x0D]*((?:[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?\.)*[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?)$

としてグループ1のキャプチャを見る, とか
つうかVBAなら正規表現で頑張るより改行文字と:でそれぞれsplitしてループ回しながらtrimするのが自然だと思うけど

**デフォルトの名無しさん** · 2018/01/06(土) 22:13:51.90

>>394
なるほど、hostnameを検索して後読みするのではなく、
ドメインで合致させつつ、IPアドレスを除外するというわけですね。

理解のために改行してみました。
^\s*
(?:[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?\.)*[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])
?:[^\S\x0A\x0D]
*(
(?:[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?\.)*[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])
?)$
のうち、
[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?\.)*[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])
がドメイン、
[^\S\x0A\x0D]
がIPアドレス除外ですね。

私もVBAならInstrとMIDを駆使したほうが可読性も生産性も上がると思うのですが、
過去のC#とPerlの正規表現コードを再利用しつつ、将来的にはPythonとかにも応用できるように
正規表現でがんばれ、との指示を受けたのですが、
いきなりVBAでは後読みできないとか、まわりに有識者のいない罠にはまり難儀しています。

**デフォルトの名無しさん** · 2018/01/06(土) 22:25:41.73

> がIPアドレス除外ですね
違う
\Sは空白文字以外だから[^\S\x0A\x0D]は空白文字以外とCR, LFの「何れでもない」場合, つまり空白文字からCRとLFを除外したもの
そもそも(先頭が英字でなければならない)ドメイン名でマッチングしてるんだから先頭が数字で始まるIPアドレスを後から除外する必要はない

再利用性に関しても, 後読み出来るエンジンかそうでないかで既に失われてるんじゃないかね
キャプチャの取得方法なんぞ言語ごとに大分違うしな

仕事で使うなら尚更メンテし辛い上に遅い正規表現を使わにゃならん積極的理由は無い
splitでループ回せば入力のサイズに対して線型時間で終わることが保証される上に保守性も高い

**デフォルトの名無しさん** · 2018/01/07(日) 12:17:55.91

>>392
ここでドメイン名文字種チェックせにゃならんの
IPアドレスではないで判断でけんの

**デフォルトの名無しさん** · 2018/01/10(水) 23:41:51.90

>>397
現仕様だとまさにIP除外なんだけど、123.comとかが入ってくるので、あとで除外しているという。。

>>396
今日、やっと開発場所で試しました。
ドメインは見事マッチしました！が、
△△domain:△hogehoge.com改行
の行までマッチしてしまうので、
^\s*
(?:[A-Za-z]～
のところを
^\shostname:*
(?:[A-Za-z]～
にしてみましたが、今度はすべてマッチしなくなりました。
スペース連続shostname:*を除外したつもりなんですが…教えてくだされ。

**デフォルトの名無しさん** · 2018/01/11(木) 10:30:10.40

^[△]*hostname:[△]*([0-9.]*[A-Za-z\-][0-9A-Za-z.\-]*)$
^[△]*hostname:[△]*([0-9.]*[^\s0-9.]\S*)$

hostname:△mevius.5ch.net
hostname:△86886.jp
hostname:△日本語.jp
hostname:△はじめよう.みんな

**デフォルトの名無しさん** · 2018/01/11(木) 12:30:44.58

>>398
要件は満たしたつもりだが, その行がマッチしちゃならん理由は？
それともキャプチャの意味が分かってないのか？

**デフォルトの名無しさん** · 2018/01/11(木) 13:56:21.29

>>398
あと申し訳ないけど, 正規表現を全く理解してないよね？
何でその書き換えで除外出来たと思ったのか教えてくれる？

**デフォルトの名無しさん** · 2018/01/11(木) 17:51:18.77

あぁ, hostnameは固定文字列なのか
なら

^\s*hostname:[^\S\x0A\x0D]*((?:[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?\.)*[A-Za-z](?:[A-Za-z0-9\-]{0,61}[A-Za-z0-9])?)$

だけど

**デフォルトの名無しさん** · 2018/01/16(火) 12:15:21.97

正規表現の書き方教えてください。

CentOS 7のサーバーにURLを要求した際、下記のような余計な文字が付きます。付くことがあります。
/ディレクトリ/ファイル名.拡張子%01
/ディレクトリ/desktop.inib%01
/ディレクトリ/desktop.inie%01

またファイル名の後に、
%EE%81%9F%E2%81%80%EE%81%97%C9%84とか
%E6%89%B8%E7%A8%B7%E4%99%BA%E5%A5%97%E3%8D%95%E4%BD%8C%E6%A1%B2%01とか
ファイル名の語尾に不特定の文字が勝手に付く場合もあります。
ディレクトリを要求したときも
ディレクトリの語尾に%E4%84%B7など(これも不特定)が付いてしまうことがあります。

これを除外するには、
正規表現でどのように書けば良いのでしょうか？

よろしくお願いします。

**デフォルトの名無しさん** · 2018/01/16(火) 13:31:33.72

https://social.technet.microsoft.com/Forums/ja-JP/5debbbcd-1def-42f8-a495-f655ebd58c4b/windows10-1709-webdav-?forum=win10itprogeneralJP

コレか？
URLエンコード文字だけなら簡単だがASCIIが入るとなると容易ではない(どこまでがファイル名か判別出来ない)

クライアント側のアップデートを待つ方が賢明な気がする

**デフォルトの名無しさん** · 2018/01/16(火) 13:45:59.33

あと忘れてたけどWebDAVならクライアントにWinSCP使うとか

**403** · 2018/01/16(火) 14:48:31.79

ありがとうございます。
自分の場合「空」にはなってませんが似てますね。
便利なクライアントアプリケーション探してみます。

**デフォルトの名無しさん** · 2018/01/16(火) 17:00:43.44

pattern = /^(.*)(?!%)/

p pattern.match('abc%123')

Ruby で否定先読みを使ったら、「abc」だけ取れない。
すべての文字列にマッチしてしまう

なんでやねんw

**デフォルトの名無しさん** · 2018/01/16(火) 17:14:43.11

なんでやもなにも、.* だから全体にマッチするよ。1文字ごとにチェックするか、文字クラスを使いなさい。

**デフォルトの名無しさん** · 2018/01/16(火) 18:31:44.93

Ruby では、先頭から、% を探して、それ以降を削除する

str = '/dir/desktop.inib%01%EE%81'
pos = str.index('%')

if pos
str = str.slice(0...pos)
end

puts str

結果
/dir/desktop.inib

**409** · 2018/01/16(火) 19:25:09.57

正規表現でも、できた。
Ruby では、先頭から、% 以外の文字を探す

pattern = /^[^%]+/
str = '/dir/desktop.inib%01%EE%81'

puts pattern.match str

結果
/dir/desktop.inib

**デフォルトの名無しさん** · 2018/01/16(火) 20:18:43.79

要件には書いてないけど, .iniまでが正しいファイル名だと思うよ
その後ろのbとかeもゴミ

**デフォルトの名無しさん** · 2018/01/16(火) 22:39:12.31

どういう法則性でb,eが付いたのかがわからないと、
b,eの他にも付くのがあるのか、また付かないこともあるのかもわからん
例えば、hoge.exee%01とかになるのか？

**403** · 2018/01/17(水) 15:18:31.78

皆さんありがとうございます。

>>412
それ以外にも幾つか変な文字の時もあり、
問題なく何も付かない時もあります。
決まったパターンは無いと思った方が良いですね。

すべてが1byte文字の時は

**413** · 2018/01/17(水) 17:17:53.77

最後に変な文章を残してしまいました。
すべてが1byte文字を要求するときは、
そんな変なゴミは付きにくいと書こうと思ったのですが、
まだ確証が無いので無視して結構です。

**デフォルトの名無しさん** · 2018/02/07(水) 23:42:01.50

●Regular Expressionの使用環境
桜エディタ（テキストエディタ）

●検索か置換か？
置き換え

●説明
文字数、文字種はいろいろです。ただしすべて半角（１バイト文字）です。
結果として、<>内の文字だけにできればどんな方法でも構いません

必要な情報かわかりませんが、<>の外には、<>があることはありません。
asqa>w3e<a>s98<as897kja>　←こんな感じの行はありません。
行末は必ず、>で終わり、必要な文字は必ず<>でくくられたものの中にあります。
いらない文字<必要な文字>ここに改行が入る　という書式は絶対です。

●対象データ
R&^&*(!TYUIKM<slihfd>
BA%(*&%ASAS<asdlikh>
TF^(VB(*&N<a09sfyighkljn>

●希望する結果
slihfd
asdlikh
a09sfyighkljn

よろしくお願いいたします。

**デフォルトの名無しさん** · 2018/02/08(木) 00:23:12.83

^[^<>]*<([^<>]+)>$
$1

**デフォルトの名無しさん** · 2018/02/08(木) 23:06:15.86

[^<>^] サンクス

**デフォルトの名無しさん** · 2018/02/08(木) 23:24:13.78

>>416
ありがとうございます。うまく抽出できました。

**デフォルトの名無しさん** · 2018/02/08(木) 23:37:41.58

このぐらいの正規表現なら基本だし, 覚えると正規表現の載ってるエディタでの編集が楽になるよ
とりあえずPerl互換を勉強してみるといい

**デフォルトの名無しさん** · 2018/02/14(水) 13:35:37.03

C#なんですが

[ああ]おおおおお
[いいい]こここここ
[うう][ええ]そそそそそ
ととととと[たた]

↓

おおおおお
こここここ
そそそそそ
ととととと[たた]

にしたいんですが、どうしたらいいでしょうか。
※先頭じゃない文中の[はは]は残したい

**デフォルトの名無しさん** · 2018/02/16(金) 13:56:45.89

\[[^\]]*?\](?!$)
ところによっては\[[^\]]*?\](?!(?:\n|$))

**デフォルトの名無しさん** · 2018/02/16(金) 14:10:38.80

マルチラインモード

^(?:\[([^\[\]])\1*\])+

マッチ部分を除去

**420** · 2018/02/16(金) 14:11:39.72

１行目でバッチリ
感動しました！！！

**デフォルトの名無しさん** · 2018/02/16(金) 14:15:41.25

それ文末以外消えるけどええのん

**421** · 2018/02/16(金) 15:30:22.93

>>424
文中は消えていいんじゃない？

>>420に
> [うう][ええ]そそそそそ
> そそそそそ

ってあるし
あ、

> ※先頭じゃない文中の[はは]は残したい

この[はは]はマッチしたらダメなのか
これ例の中においてくんないかなー
というか定義がよくわからんちん

^\[.*\](?!$)
ところによっては(?<=(?:^|\n))\[.*\](?!(?:\n|$))

マッチ
[ああ]おおおおお
[いいい]こここここ
[うう][ええ]そそそそそ
[たた]ななはは[まま]やや
→[たた]ななはは[まま]
[たた]ななははまま[やや]
→[たた]

アンマッチ
ととととと[たた]
ちち[はは]ぱぱまま

**421** · 2018/02/16(金) 15:30:54.45

>>425
[たた]ななはは[まま]やや
の[まま]を含めずマッチしたい（[たた]）ならかなり複雑になりそうでちょっといますぐは思いつかないや

それってつまり
　行頭[
　行頭から括弧が繋がり、且つ、行末]を含めない範囲
なら
[たた][なな][はは][まま][やや]
のマッチが
→[たた][なな][はは][まま]
でいいのか、それとも行そのものがアンマッチなのかよーわからんし

**デフォルトの名無しさん** · 2018/02/16(金) 15:55:42.80

>>425
カッコ内も同じ文字が重なるように読めるしなー
まぁこういう仕様をちゃんと書けるならそもそも正規表現で困らんのだろうけど

**デフォルトの名無しさん** · 2018/02/16(金) 15:57:06.09

orz...
試したら確かに

>>422 だと先頭が残りますネ

**デフォルトの名無しさん** · 2018/02/16(金) 16:00:32.77

すみません

[ああ]おおおおお　　　　→　おおおおお
[あああ]おおおおお　　　→　おおおおお
[ああ][いい]おおおおお　→　おおおおお
あああああ[いい]　　　　　→　あああああ[いい]
あああ[いい]うう　　　　　　→　あああ[いい]うう

です。
先頭付近の [] は消したいけど、それ以外は残したい、って風です。

**421** · 2018/02/16(金) 16:24:42.64

>>429
[たた]ななはは[まま]やや
は？
[たた][なな][はは][まま][やや]
はどーなんの？

[あいう[かきく]たちつ]
[あいう[かきく]]たちつ
とか括弧内包の場合どーなんのとかも

あと行末も係わるんだから、例の同じ行に余計な文字列入れないで（たぶんこの件では大過ないと思うけど）

**421** · 2018/02/16(金) 16:25:23.31

>>430
内包無視するとしたら
(?<=^)(?:\[[^\[]*?\])+(?!$)
ところによって(?<=(?:^|\n))(?:\[[^\[]*?\])+(?!(?:\n|$))
かね

>>429を満たし、
[たた]ななはは[まま]やや
→[たた]
[たた][なな][はは][まま][やや]
→[たた][なな][はは][まま]
となるし

たぶん
　行頭[ および行頭[に対応する]までマッチ
　行頭[ および行頭[に対応する]から括弧が繋がり、且つ、行末] および行末]に対応する[までを含めない範囲
あたりなんだろうなー
ぱっと思いつくのはちょめちょめしたダウンロードファイルのリネームをしたいようなかんじかね

**デフォルトの名無しさん** · 2018/02/16(金) 16:26:09.97

仕様に不備があると作る方は大変だな

**デフォルトの名無しさん** · 2018/02/16(金) 17:00:58.65

正規表現の使いどころってどんなところですかね？
普通レベルのプログラマから見ると可読性低くて保守性も悪い気がする
タグの要素を最初にバッと配列に入れやすいとか？

**デフォルトの名無しさん** · 2018/02/16(金) 17:11:19.84

>>433
可読性低くて保守性も悪いっていうのは本当にその通り
プログラミングで使うならまずは(正規表現が非常に直感的でない限りは)正規表現以外の選択肢を考えるべきで, それが可読性や保守性を上げないとなった上で正規表現が選択されるのがよい
勿論保守性や可読性を気にしないワンライナーとかであれば気にする必要はないが

あとはエディタやgrepなんかだと他に有力な選択肢がないから正規表現になる

**デフォルトの名無しさん** · 2018/02/16(金) 17:18:48.02

単純に、
(?m)^\[.*\](.*)
じゃだめなん？

**デフォルトの名無しさん** · 2018/02/16(金) 17:23:34.33

>>435
全然ダメ
入力が

[abc]def[ghi]

なら全文がマッチする(量化指定子*はgreedyだから末尾手前まで全部食う)

**デフォルトの名無しさん** · 2018/02/16(金) 17:34:31.04

>>433
実行環境によってだけどコンパイルされて速くなったりするので
さくっと一行で書けるならメリットはあるよ
プログラム書いた方が良い場合もある
ケースバイケース

**デフォルトの名無しさん** · 2018/02/16(金) 18:30:54.06

>>434
>>437
レスサンクスコ
今Pythonで作られているパッケージを保守してるんだけど、お約束のように最初に正規表現で抜いて後で編集してる
最初のパフォーマンスを考慮してるのかもだけど、読みにくくて一般人にはいいことないよ

**デフォルトの名無しさん** · 2018/02/16(金) 19:13:24.69

>>433
ワンライナーで可読性保守性とか気にしない
ストリームエディタで検索、ログの抽出が最たる用途じゃないか

**デフォルトの名無しさん** · 2018/02/16(金) 20:46:56.42

>>420
$# 「行頭部分にある 1 個以上の \[[^\]*\] を削除」と初見で思ったのだが、違うのか?
$# それとも C# でどうやるかわからないという話? 申し訳ないが C# は知らない。
$
$cat a_in
[ああ]おおおおお
[いいい]こここここ
[うう][ええ]そそそそそ
ととととと[たた]
[ええ]あああ[いい]うう
$perl -pe 's/^(\[[^\]]*\])+//' < a_in
おおおおお
こここここ
そそそそそ
ととととと[たた]
あああ[いい]うう
$perl -0777 -pe 's/^(\[[^\]]*\])+//gm' < a_in
おおおおお
こここここ
そそそそそ
ととととと[たた]
あああ[いい]うう
$

**デフォルトの名無しさん** · 2018/02/16(金) 21:24:08.90

>>436
Non-greedy（最短）なマッチ使えばいいだけじゃね？
使えない環境なの？

**デフォルトの名無しさん** · 2018/02/17(土) 05:30:35.08

何を望んでいるのかを明確にする方が先かと……

**デフォルトの名無しさん** · 2018/02/17(土) 11:13:15.50

>>441
none-greedyじゃ先頭しかマッチしない

[abc][def]ghi

の[abc]しか除去出来ない
反復適用すればいいというならその通りではあるが

**デフォルトの名無しさん** · 2018/02/17(土) 11:27:08.57

[ab][cd][ef]ああ

これは、繰り返しが入っている。
N回削除する必要がある

[ab][cd][ef]ああ
[cd][ef]ああ
[ef]ああ
ああ

[～] でグループ化すべき

**デフォルトの名無しさん** · 2018/02/17(土) 12:22:01.47

/^\[[^\]]*\]/ =~ "[ab][cd]ああ"
$& #=> [ab]

Ruby で書いた。
行頭が\[ で、\[ 以外の文字が、0以上続いて、\] がある

**デフォルトの名無しさん** · 2018/02/17(土) 12:32:03.69

/^\[[^\]]*\]/ =~ "[ab][cd]ああ"
$& #=> [ab]
$' #=> [cd]ああ

/^\[[^\]]*\]/ =~ $'
$& #=> [cd]
$' #=> ああ

/^\[[^\]]*\]/ =~ $'
#=> nil

Ruby で書いた。
行頭が\[ で、\[ 以外の文字が、0以上続いて、\] がある

$& はマッチした部分で、$' はマッチした部分の後ろを表すから、
マッチを繰り返していけば、出来るけど

**デフォルトの名無しさん** · 2018/02/17(土) 12:42:57.33

/^(\[[^\]]*\])+/ =~ "[ab][cd]ああ[ef]"
$& #=> [ab][cd]

やったー。Ruby で出来た

\[ があり、\[ 以外の文字が、0以上続いて、\] がある。
これをグループ化して、1回以上繰り返す

ただし、グループ外に、先頭からを指定する

**デフォルトの名無しさん** · 2018/02/18(日) 07:04:41.40

正規表現で使用される記号があるとワケわからなくなってくるから
適当な記号、例えばQなどに置き換えて試行錯誤して最後に元の記号に戻したりする

**デフォルトの名無しさん** · 2018/02/18(日) 11:53:19.92

余計なバックトラックを防ぐために
$s = qr/(?>\s*)/
ってやってパターンに埋め込むことならある。

**デフォルトの名無しさん** · 2018/02/23(金) 22:29:48.73

(?s:^(?=.*ｽ)(?=.*ﾌﾟ))
CHmateで使う正規表現らしいんだけど最初の

(?s:"

の意味が検索してもわからないのですが教えていただけないでしょうか

**デフォルトの名無しさん** · 2018/02/23(金) 22:45:42.10

>>450
シングルラインモード
>>348

**デフォルトの名無しさん** · 2018/02/24(土) 00:35:55.07

>>451
ありがとございます
確認してなんとなく分かりました

ところでこの正規表現の場合(?s:)って名前には改行はないので不要じゃないかと思ってしまうのですがどういう目的で使われているのでしょうか

**デフォルトの名無しさん** · 2018/02/24(土) 01:37:05.64

書いたヤツの趣味じゃ？
しかもかなりてきとう

ﾜｯﾁｮｲ名前ならおそらくドコモ判別？でもﾌﾟだけではないhttp://itest.5ch.net/test/read.cgi/mango/1467623805/312
先読みなんてコストかけなくてもKOROKORO AAはSd固定
改行を無理矢理入れ込んでというシチュエーションでｽとﾌﾟでねらい打ちも違和感

本文で^(?=.*A)の類を使うとレス数後半のコストはかなりのもの
これは名前だから大したことにはならないけど

深謀遠慮があるのかも知れんがそれこそ書いた本人へ

**デフォルトの名無しさん** · 2018/02/27(火) 15:54:44.12

C#で、
var rgx = new Regex("(.)+");
var str = "こんにちは。";
Console.WriteLine(rgx.Replace(str, "$1"));
とすると「。」が出力されるのですが、なぜですか？
$1は「。」になるのですか？「こ」だと思ったのですが、違いますか？

**デフォルトの名無しさん** · 2018/02/27(火) 16:08:59.77

>>454
理由はここ読んで
https://www.regular-expressions.info/captureall.html

短い説明は↓ここでも出てくる
https://regex101.com/r/te5DBr/1

**デフォルトの名無しさん** · 2018/02/27(火) 17:03:18.46

どれどれ…
javascript
'こんにちは。'.replace(/(.)+/, '$1');
=> "。"

ほんまや！知らんかった

**デフォルトの名無しさん** · 2018/02/27(火) 19:34:07.35

>>455
配列に入れてくれればいいのに
って思ったことあるわ

**デフォルトの名無しさん** · 2018/02/27(火) 21:09:42.50

Ruby でも、

'こんにちは。'.gsub(/(.)+/, $1)

#=> "。"

**デフォルトの名無しさん** · 2018/02/27(火) 22:02:02.32

>>457
.NETはCaptureCollectionってのに入れてくれるみたいよ

ただフルマッチとキャプチャリンググループと両方1度に必要なければ
/(.){1}/みたいに正規表現変えれば配列に入れられるよね

**デフォルトの名無しさん** · 2018/02/28(水) 21:03:30.09

>>455
すみません。
教えて頂いたサイトを見ても分かりません。
簡単に解説をお願いしたいのですが。

**デフォルトの名無しさん** · 2018/02/28(水) 22:05:09.20

単純に最後にマッチした部分ってことじゃないかな。赤ラクダにそう書いてある。
C# は知らない。誰か翻訳してあげて。

**デフォルトの名無しさん** · 2018/03/01(木) 00:07:23.55

>>460
キャプチャグループに量指定子がついてるとそのキャプチャグループの箇所に複数回マッチする可能性があるよね。
んで複数回マッチした場合は最後にマッチしたやつがそのキャプチャグループに入ってるってこと

"こんにちは。”に対して、/(.)+/でマッチをかけると
最初にピリオドが“こ”にマッチしてそれをグループ1に入れて
次に+を見てまたマッチするか繰り返す
今度はピリオドに”ん”がマッチするからそれをグループ1に入れて、、、
あとは繰り返し
“こんにちは。”が/(.)+/にフルマッチした時点でグループ1に入ってるのは”。”

**デフォルトの名無しさん** · 2018/03/01(木) 00:17:03.42

/(.+)/ =~ 'こんにちは。'
$1 は、'こんにちは。'

/(.)+/ =~ 'こんにちは。'
$1 は、'。'

上は、1回しかマッチしていない、最長マッチ。
下は、1文字のマッチで、6回マッチして、最後のマッチが、'。'

**デフォルトの名無しさん** · 2018/03/01(木) 00:55:21.78

>>463
うーん、1文字マッチで6回マッチするのはどっちも同じじゃない？
キャプチャグループに入れる回数の違い

**デフォルトの名無しさん** · 2018/03/01(木) 02:58:48.22

>>462
なるほど。

**デフォルトの名無しさん** · 2018/03/01(木) 05:29:23.47

詳細　○○表現
尼での評価がよかったので買ってみたが全然
リファレンスにもならない
やっぱり海外の訳本はだめだ、すくなくとも自分には良書でなかった

**デフォルトの名無しさん** · 2018/03/01(木) 15:52:15.50

フクロウ本のことかな
中の仕組みを理解するための本であって
リファレンス本でも入門書でもないからね

**デフォルトの名無しさん** · 2018/03/02(金) 09:24:29.36

>>464
そういうマッチャー自分で作る時はスキップするよう作るけど
正規表現エンジンはしないのか
複雑だとやってられないとかか

**デフォルトの名無しさん** · 2018/03/02(金) 13:01:46.53

試しに
for pat in '([cd])+' '(.)+' '.*(.)' ; do perl -Mre=debug -e '$pat = shift; print "abcd" =~ /$pat/ ,"\n" ;' "$pat" ; done
ってやってみた。最適化してそうだ。.*(.) は意味的には同じだと思うがバックトラックの分だけ不利。
Perl のソースコードを確認したわけではないので断定はしかねるが。

**デフォルトの名無しさん** · 2018/03/03(土) 08:34:43.98

今はサンプルだからいいけど
長大な文章じゃスキップで最適化しないとやってられないよな

**469** · 2018/03/03(土) 13:47:58.16

個人的には (.)+ と書くべき理由が思い当たらない。

**デフォルトの名無しさん** · 2018/03/04(日) 15:44:40.85

正規表現とギターの速弾きが出来る奴は賢いと尊敬している

**デフォルトの名無しさん** · 2018/04/06(金) 19:38:34.22

複数のSQL文の書かれているSQLファイルから、DBの処理単位でSQL文を逐次取り出す正規表現が書きたいのですがどうしたら良いですか？
厳密なものでは無くても良くて英文字から始まってセミコロンで終わるというもので良いのです。
ただ、SQL分は行頭から始まるとは限らず、セミコロンの直後に次のSQL文が始まったり、空白文字などがあってからSQLの文が始まったりすることもあります。
また、文中に出てくるエスケープされたセミコロンや文字列中のセミコロンは文末の対象になって区切られては困るのでそれはスキップして評価がしたいです。

**デフォルトの名無しさん** · 2018/04/06(金) 22:09:42.71

文字列の内外を判断するの難しい・・・・難しくない？

**デフォルトの名無しさん** · 2018/04/07(土) 12:21:20.06

multilineのオプション付けて
;でsplitしただけじゃだめなん

**デフォルトの名無しさん** · 2018/04/07(土) 12:23:00.56

>>474
それが含まれる時点で無理に正規表現一行で書くのはいつもあきらめる

**デフォルトの名無しさん** · 2018/04/07(土) 12:30:00.76

ちゃんとやるなら文字列中のエスケープされたシングルクォートとかも処理しないとダメだし正規表現でやるのはすごく大変だと思う

**デフォルトの名無しさん** · 2018/04/07(土) 12:57:57.77

正規文法ではかなり厳しい印象で, BNFの管轄だと思うおよね

**デフォルトの名無しさん** · 2018/04/08(日) 06:27:09.85

1. ; で分割して、配列に入れる
2. 配列の各要素から、余分なものを削除する

2 のルールを、厳格に決めればよい

Ruby で作る方が速い

**デフォルトの名無しさん** · 2018/04/08(日) 11:04:16.11

正規表現は置いといて
DB用意して""で囲まれた部分をテキストとしてDBに入れながらID取得
本文側はIDに置き換える
あとは正規表現を使っても使わなくてもいいが;で分割
最後にまたID部分に元のテキストを流し込む

**デフォルトの名無しさん** · 2018/04/08(日) 13:00:20.92

そこであきらめんなよ！
正規表現だけで乗り切ろうという気概を見せろよ！

**デフォルトの名無しさん** · 2018/04/08(日) 13:08:05.41

(シングル|ダブル)クオート文字列って正規言語で表せる範囲にあるんかね？
文脈自由言語では表せるけど

**デフォルトの名無しさん** · 2018/04/08(日) 13:27:19.00

どの正規表現がつかえるのかがわからん
環境を明示してくれないとなー

**デフォルトの名無しさん** · 2018/04/08(日) 18:18:43.83

/\"([^\"]*)\"/ =~ 'a"bc"d'
$1 #=> bc

"～" で、～には、" 以外の文字列が入る

**デフォルトの名無しさん** · 2018/04/08(日) 18:28:48.48

"のエスケープや'もあるし
'a"b\"c'd"e'

**473** · 2018/04/09(月) 10:33:55.69

沢山ご回答ありがとうございます。
皆さんのご意見を伺った限り、やはり正規表現一本では難しそうですよね…

はじめは前処理で既成のsqlパーサなどを通して、きれいに整形して別ファイルに保存してから処理する方法も検討していましたが、
できれば現物ファイルを生のまま読み込んで正規表現でなんとか行けないかなと思い試行錯誤していて、
うまい書き方が全然できなくてここに書き込みさせて頂いた次第です。

>>483
使用できる正規表現はPCREです。

具体的にはPHPで省メモリで巨大なSQLファイルを実行する仕組みが作りたくて
相談させてもらいました。自分の頭の中のアイデアでは
　1.fileをbufsize分readして
　2.正規表現でマッチするかチェック
　3.マッチしていたらそのSQLを実行。マッチした文より、先の部分は次の実行のためにバッファに積んで1へもどる
　4.マッチしていない場合は更にbufsize分read、2->4を繰り返す。
こんなイメージでした。

それを鑑みると、>>480さんのアイデアはちょっとありかなとも思います。
スレ違いなっちゃいますが、regexを使わずプログラム上でクオートの始まりと終わりを正しく
処理できれば随分楽できそうな気がします。一考の余地ありですかね？

**デフォルトの名無しさん** · 2018/04/09(月) 12:10:15.13

"'", "\""
'"', '\''

クォーテーション内にクォーテーションがある、入れ子状態が難しい。
クォーテーションを、\ でエスケープしたりもあるし

XML Parser とか、プログラム実行の命令木とか、解析ツールを使わないと無理。
プログラミングで何とかできる、範囲を超えている

そもそも、入れ子状態にどういうパターンがあるのか、
全列挙して考えるのが、非常に難しい

入れ子の入れ子とか、再帰的に入れ子するかも知れないし

**デフォルトの名無しさん** · 2018/04/09(月) 17:17:14.98

>>486
こういう感じでどうだろう
[a-zA-Z](?:\\"|\\'|[^"';]|(["'])(?:\\\1|(?:(?!\1).))*(?<!\\)\1)*;
英数字で始まって、\"や\'は許す;で終わる文字列
頭に^\s*を付けたほうがいいかもしれないけど
文字列は、" ' "、' " '、" \" "、' \' 'は許す( ; もOK)

ところで、" ' " ' "とは書けるんだっけ？
こういう括弧のネストが可能なら、正規表現の方もネスト構文や条件構文を使わないといけないけど
（俺は使ったことはないけど）

**デフォルトの名無しさん** · 2018/04/09(月) 17:44:25.66

ただし↑は、コメント文はないものとしてのこと

**デフォルトの名無しさん** · 2018/04/09(月) 19:00:46.18

さっそくダメだった
"\\"