Regular Expression(正規表現) Part15

**デフォルトの名無しさん** · 2019/09/16(月) 22:25:11.87

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

**デフォルトの名無しさん** · 2021/03/27(土) 08:17:02.42

>>573
そういう話ではない
>>559のリンク先の正規表現から浮動小数点数の指数部である
末尾の([eE][+-]?[0-9]+)?を除いてるからおかしいだけ
そしてリンク先によると.123は意図的に含めてる

**デフォルトの名無しさん** · 2021/03/27(土) 09:50:47.60

>>572
.0 にマッチするのは正しいよ
0.0.0 にマッチするのがおかしいって話ね

**デフォルトの名無しさん** · 2021/03/27(土) 10:05:58.69

マッチしない行を正規表現で抽出したいとき、
必ず、^(?!.*残したい文字).*、この書き方になってしまいます、
必ず^(?!.*と).*で残したい文字を包むという書き方です。

ほかの書き方があれば教えてください。

例えば、以下のようなログファイルでerrだけ残したい場合は
^(?!.*err).*
と書いてerrを残します

[日付] warn メッセージ
[日付] info メッセージ
[日付] err メッセージ
[日付] info メッセージ

特段、これ以外の書き方が出来ず困ったという例も無いのですが、
ほかの表現を（あれば）知ることで、もっと知識を増やせるのではないとおもいお伺いします
よろしくお願いいたします。

**デフォルトの名無しさん** · 2021/03/27(土) 10:12:04.85

>>567 のリンク先を確認したが
([0-9]+(\.[0-9]*)?|\.[0-9]+) が
0.0.0 の全体にマッチしているわけではない

**デフォルトの名無しさん** · 2021/03/27(土) 10:24:10.55

>>576
最後の.*は要らないんじゃないかな

**デフォルトの名無しさん** · 2021/03/27(土) 10:53:48.21

>>576
>例えば、以下のようなログファイルでerrだけ残したい場合は

in-placeで置換するより、残したいものを抽出して新しいファイルを作成したほうがよくないか？
用途によっては日付とログレベルを指定してログファイルに直接クエリを投げてもいい

**デフォルトの名無しさん** · 2021/03/27(土) 12:12:53.22

>>578
>>579
すいません、めっちゃ肝心なことが抜けてました。
使用している環境は主にサクラエディタです。

**デフォルトの名無しさん** · 2021/03/27(土) 12:42:16.84

>>576
(.*err.*)|.* → $1
https://regex101.com/r/5BF9AH/1

それか鬼雲の非包含オペレータで ^(?~err)$

**デフォルトの名無しさん** · 2021/03/27(土) 15:07:28.25

>>580
余計なお世話なんだろうけどログファイルをわざわざエディタで開いて
マッチしない行を正規表現で置換して保存するのは無駄じゃないのって話

↓例えばgrepならこれでよくて指定も簡単だし自動化もしやすい
$ grep 'err' all.log > err.log

マッチしない行を正規表現を使いそうな例として
たまたま思いついただけならならいいんだけど

**デフォルトの名無しさん** · 2021/03/27(土) 17:09:38.08

マッチしない行は-v付ければ取り出せるからな

**デフォルトの名無しさん** · 2021/03/27(土) 18:55:12.69

そもそもサクラエディタにはマッチしない行を抽出する機能あるからあまり真剣に考えたことない

**デフォルトの名無しさん** · 2021/03/27(土) 22:37:04.08

ログの加工をエディタでやろうとするのは筋が悪いわな

**デフォルトの名無しさん** · 2021/03/28(日) 00:36:09.11

加工というか、ログは必要な部分だけ抽出して見たいという需要はある

**デフォルトの名無しさん** · 2021/03/28(日) 01:38:45.00

たまにトラブルシューティングとかで検索する程度ならLog Parserみたいなやつでそれなりに捗るよ
検索はリニアなので量が増えると遅いけどgrepに比べれば条件指定がしやすい
https://www.microsoft.com/en-us/download/details.aspx?id=24659

速度を求めるならBigQueryとかの検索/分析系のDBに突っ込む

**デフォルトの名無しさん** · 2021/03/28(日) 19:46:40.79

>>580
サクラエディタ(bregonig.dll 4.10以降)使ってるなら
>>581も書いてるけど非包含オペレーターが使えます

鬼雲およびbregonig.dllの作者さん（
@k-takata）自身がQiitaに使い方とかも載せてます
https://qiita.com/k-takata/items/4e45121081c83d3d5bfd

**デフォルトの名無しさん** · 2021/03/31(水) 03:07:25.18

regexエンジンって皆さんどういう基準で選んでますか？
ちょつとググるとcommon lispのcl-ppcreがダントツというベンチが出てきますが本当でしょうか？（このスレで言及が見当たらないもので…）
perl風なのがちょっと気になりますが

**デフォルトの名無しさん** · 2021/03/31(水) 03:15:02.21

(試せばいいんだけど、環境構築で折れました…)

**デフォルトの名無しさん** · 2021/03/31(水) 07:27:06.36

特に制限なきゃ俺の採用基準は
・使おうとする言語で楽に使える奴
だな
あとダントツの基準や何を対象にするかは人によって違うから君の考えるダントツを説明しないと回答しようがないと思うぞ

**デフォルトの名無しさん** · 2021/03/31(水) 08:34:08.22

>>591
ベンチって書いてあるから速度でしょ

**デフォルトの名無しさん** · 2021/03/31(水) 11:28:59.80

ユースケースで速度は変わるからそれだけじゃなんとも言えないよね

NGフィルターみたいなものを高速にしたい場合に言語標準以外で考えるなら
re2かhyperscanを候補にするかな

**デフォルトの名無しさん** · 2021/03/31(水) 12:11:49.60

>>591-593
言葉足らずでしたごめん、線形にコードした化学式から部分構造マッチで設計に活かそうかと(古典的だけど)
chemspider.com等から100GB(100万エントリー)のテキストにまとめたが、重複や興味あるデータ以外はawk/sedでメモリに載せずに10GBまでは落とせるかも

コマンドライン引数で正規表現文字列を取り、そのままパイプで渡せる言語(cl、python等)なら速ければ何でもいいかなと
有名なperl/grepもパイプから読むけど、検索効率のためになんかキャッシュしてるようで、すぐメモリが膨らんでクラッシュする

**デフォルトの名無しさん** · 2021/03/31(水) 12:32:32.23

あんまり後処理できないけど、sedのg/re/pはスケーラブルみたい

g/re/commandのcommandでちょっと実験する限り、command中でmatch情報が使われてなければ保持しないのかな？
保持するmatch情報を指定出来き、match情報を得るたびに外部ファイルへ追記できる処理系が必要なのだろうか

**デフォルトの名無しさん** · 2021/03/31(水) 12:57:50.76

なんとなく、パイプ避けたほうが

**デフォルトの名無しさん** · 2021/03/31(水) 13:30:47.96

パイプ自体キューだからメモリ膨らむって理解してるんだけど違うのかな

**デフォルトの名無しさん** · 2021/03/31(水) 13:36:46.22

>>596
メモリに載らないのはパイプ、みたいにバカの一つ覚えしてるんですけど、落とし穴あったりするんですかね？
バッファリングモードには一応気をつけてるつもりですが、詰まらないようにflushを書き加えて再コンパイルしたり
さすがにインタプリタまでは手を入れませんが…

パイプ避けるとなると、
ファイルを100くらいに細かく割り、ループ内で各ファイルを順にメモリマップ、regex掛けて(マッチ情報、ファイル名、行番号)をdbmsに格納
目ぼしいマッチ情報をクエリで拾いながら、(ファイル名、行番号)でシークしてマッチ部分に処理を適用&db書き戻し
って感じになりますかね？

**デフォルトの名無しさん** · 2021/03/31(水) 13:39:03.95

>>597
プロセスの使用メモリ見ながらバッファリングは調整してますが、regex処理系のメモリ使用量がI/Oの収支と合ってないのでキャッシュだと思います

**デフォルトの名無しさん** · 2021/03/31(水) 14:03:15.96

highwayとかであかんの？

**デフォルトの名無しさん** · 2021/03/31(水) 14:18:33.85

いや合ってるのかな…シェルの知識が乏しいので

基本はスループット最大化を目指してエンジンとパイプ前後のバッファリングモードを調整で合ってますよね？

linux/bashだと改行待ちで詰まりやすいのでstdbufが効くならそれで、効かないなら強制フラッシュ
win/pwsh6&7のパイプラインは逆にバッファリング殆ど貯めないようで、pythonだとio.Streamでかなり改善しました

>>600
詳しく！
regex highwayあたりでググってもノイズだらけです

**デフォルトの名無しさん** · 2021/03/31(水) 18:56:13.01

正規表現が向いてる用途かどうか微妙だなぁ
少ないデータ量で目的にあったライブラリを使ってみて性能の最適化はそれ次第だな
https://www.rdkit.org/docs_jp/Supplementary_Text_jp.html#jp-notes-6

データの中身と検索用途にあったデータベースに入れて
速度は並列度を上げるほうが楽でメンテもしやすくて速度も出やすいような

**デフォルトの名無しさん** · 2021/03/31(水) 19:14:36.42

>>602
RDkitもちろん使ってるよー
SMILESの検索性上げたのがInChIで、その辺扱ったり、代表的な特徴量を生成するライブラリは沢山あるんだけど、もうやり尽くされた感じで
既存のデータが正規表現で扱う想定のフォーマットだから、まずは正規表現で引っ掛けて独自フォーマットに変換、という感じです

あと、勝手にオンラインから拾って来てくれたり便利なんだけど、10GB単位のリクエスト送りまくるとアク禁食らいそうだから、こっそりゴッソリ落としてきたw

PowerShellの正規表現がちゃんとコンパイルできる事や、パイプの属性が細かく指定できてかなり速い事に気付いた、灯台下暗し

ちょっとスレチぎみですまなかった
目処が付いたら効率的な正規表現とかまた相談に来ます

**デフォルトの名無しさん** · 2021/03/31(水) 23:36:10.16

正規表現を考えた人にノーベル賞を授与すべきと思うが
まだ生きているのか、何賞がいいのかなどよくわからない

**デフォルトの名無しさん** · 2021/04/01(木) 18:26:16.61

>>604
>>534

**デフォルトの名無しさん** · 2021/04/01(木) 21:17:20.81

ed書いてたよね？あれが最初なのか

**デフォルトの名無しさん** · 2021/04/01(木) 21:58:44.86

正規表現を考えたのはケン・トンプソンではないみたいだけど

**デフォルトの名無しさん** · 2021/04/02(金) 03:22:50.55

Wikipedia見た限りでは、UNIXツールに導入したのはケン・トンプソンで間違いなさそう
オリジナルQED(正規表現なし)→CTSS版QED(ケン開発、正規表現導入)→Multics版QED→ed→vi→...の流れで合ってる？

#チラ裏
正規表現発展の歴史って
...→ed→(grep,sed)→awk→Perl→その他諸々
だと思ってたんだけと、カーニハン先生が去年出した(今頃気づいた)UNIX回顧録の目次見てたら、実際は
...→grep(UNIX第6版:1975)→sed,awk(UNIX第7版:1976-1979)→...
とawkがsedとほぼ同時期のリリースだったらしい事に気づいて今更びっくりしてる
AWK本の邦訳の出版が1989年だし、多分それで勘違いしてたんだな
...あれ？wikiぺ見たらsedの初登場は1973-74??じゃあ時系列自体は最初の認識であってるのかな

**デフォルトの名無しさん** · 2021/04/02(金) 11:22:21.17

UNIXツールに導入したのと正規表現を考案したのとは全然別のことだよね

>>604は正規表現をUNIXツールに導入した人にノーベル賞授与すべきだと言ってるのかな？

**デフォルトの名無しさん** · 2021/04/02(金) 11:40:50.71

別に正規表現である意義もそんなにないと思うし、どうでもいいのでは？

**デフォルトの名無しさん** · 2021/04/02(金) 11:42:32.54

>>610
「正規表現でない」とは?

**デフォルトの名無しさん** · 2021/04/02(金) 23:12:52.23

>>609
少なくとも>>604ではunixツールなんて一言も言ってないけど？
なんかデムパ受信しちゃう系の人なのかな？

**デフォルトの名無しさん** · 2021/04/02(金) 23:18:36.72

論理の場で非論理的な煽り合いはやめて欲しい

**デフォルトの名無しさん** · 2021/04/03(土) 06:56:50.00

論理とか言うなら>>609はなぜ
> >>604は正規表現をUNIXツールに導入した人にノーベル賞授与すべきだと言ってるのかな？
なんて言い出したのかを説明すべきだわね

**デフォルトの名無しさん** · 2021/04/03(土) 13:40:38.89

609は、『604は「実装した人に賞を」とは言ってないじゃん（あくまで考案した人に賞を）』と言ってるにすぎん

**デフォルトの名無しさん** · 2021/04/03(土) 15:45:43.43

言ってもないことで絡まれる604が不憫だわ
基地害に絡まれるってこういうことなだな...

**デフォルトの名無しさん** · 2021/04/03(土) 16:32:17.92

>>616
不憫なのは君の頭の悪さだろうな

**デフォルトの名無しさん** · 2021/04/03(土) 16:39:50.38

604 「正規表現を考えた人にノーベル賞を授与すべき」
605「正規表現考えたのはケン・トンプソン」
(ケン・トンプソンはコンピュータ科学分野のノーベル賞と言われるチューリング賞を受賞済み)
607 「正規表現を考えたのはケン・トンプソンではない」
608 「Wikipedia見た限りでは、UNIXツールに導入したのはケン・トンプソンで間違い」
609 「UNIXツールに導入したのと正規表現を考案したのとは全然別」

この流れで下の文の意味が分からないなら小学校からやり直したほうがいい

「604は正規表現をUNIXツールに導入した人にノーベル賞授与すべきだと言ってるのかな？」

**デフォルトの名無しさん** · 2021/04/03(土) 17:01:43.10

絡まれてるのは604ではなく609

ってとこまで読んだ

**デフォルトの名無しさん** · 2021/04/03(土) 17:17:48.40

正に
609が不憫だ

**デフォルトの名無しさん** · 2021/04/03(土) 17:20:20.99

>>617
もうそういうレスしか返せないなら黙ってたら？
自分も辛いだろw

**デフォルトの名無しさん** · 2021/04/03(土) 18:38:52.17

>>618
>608 「Wikipedia見た限りでは、UNIXツールに導入したのはケン・トンプソンで間違い」

608 「Wikipedia見た限りでは、UNIXツールに導入したのはケン・トンプソンで間違いない」

**デフォルトの名無しさん** · 2021/04/03(土) 19:36:29.47

>>618
お前はごたくを言う前に>>604が言ってもないunixツールの話をなぜ>>609が言い出したのかちゃんと説明してみろよ

**デフォルトの名無しさん** · 2021/04/03(土) 20:58:53.19

「604は言ってないぞ」と609が指摘しただけ
その609になぜ食いつくんだよ

**デフォルトの名無しさん** · 2021/04/03(土) 21:13:29.22

まだ続くの？

**デフォルトの名無しさん** · 2021/04/03(土) 21:27:51.22

そんなに感情的になる要素見当たらないんだけど何に反応しちゃったのか？

**デフォルトの名無しさん** · 2021/04/03(土) 22:05:45.23

>>624
> 「604は正規表現をUNIXツールに導入した人にノーベル賞授与すべきだと言ってるのかな？」
↓
> 「604は言ってないぞ」と609が指摘しただけ
って解釈しろと？
そもそもunixツールとか言ってるのは>>608だけで言ってないと指摘するなら>>605-607も含めろよ

**デフォルトの名無しさん** · 2021/04/03(土) 22:13:04.80

えー誰でもそうとしか解釈できないだろ

**デフォルトの名無しさん** · 2021/04/03(土) 22:13:58.62

あまりに国語力が平均以下なんだな

**デフォルトの名無しさん** · 2021/04/03(土) 22:22:18.05

発言者の意図したものとか行間を読むとかできないで、その表面しか見ないのはアスペの特徴とか

**デフォルトの名無しさん** · 2021/04/03(土) 22:41:29.99

誰でも ⇒ ID:vSOTAguS のみ
まあこの後に単発が来るのかもしれないけどw

**デフォルトの名無しさん** · 2021/04/03(土) 23:35:04.26

>>626
ケントンプソンじゃないと指摘されたのがよほど悔しかったんだろ
>>608の言い訳がましい文章に悔しさがにじみ出てる

**デフォルトの名無しさん** · 2021/04/03(土) 23:40:31.67

609の意図を理解できない読者がいる以上、「誰でも」という認識は誤解と思う

**デフォルトの名無しさん** · 2021/04/04(日) 02:08:54.97

「～だと言ってるのかな？」
これは
（実際には言ってやしないだろ？）と言う言葉が省略されてる
というか省略するのが普通で通常なら十分に読み取れるはず

**デフォルトの名無しさん** · 2021/04/04(日) 02:26:12.96

もうええやん

609の文章を正しく読み取る能力の無い奴にそもそもこの板は向いてない

**デフォルトの名無しさん** · 2021/04/04(日) 02:42:10.15

相手が日本語書いてるからと言って通じるとは限らない
言葉の通じないバカを言いくるめようとするからこうなる
相手に言葉が通じるか見極めるスキルと耐性・スルー力を身に着けろ

**デフォルトの名無しさん** · 2021/04/04(日) 02:44:32.45

喧嘩するにも同程度の知能を有してないとダメってことだな

**デフォルトの名無しさん** · 2021/04/04(日) 06:18:23.10

単発わらわら湧いてて笑うわ
どっちが必死なんだかw

**デフォルトの名無しさん** · 2021/04/07(水) 17:35:35.06

>>604 は単に偉大な先人に感謝してるだけだと思うんだが…
「正規表現を考えた人」って表現したのがまずかったのか?

**デフォルトの名無しさん** · 2021/04/07(水) 17:51:25.47

もういいからやめろ

**デフォルトの名無しさん** · 2021/04/07(水) 23:04:12.41

>>639
ちょっとアレな人が絡んできただけw

**デフォルトの名無しさん** · 2021/04/08(木) 11:35:26.71

まだおさまらないてどんだけ悔しかったんだよww

**デフォルトの名無しさん** · 2021/04/08(木) 11:39:17.18

バカが身の程しらずにもこのスレに迷い込んでくるから

**デフォルトの名無しさん** · 2021/04/11(日) 15:15:06.07

●Regular Expressionの使用環境
C#

●検索か置換か？
置換

●説明
アダルトビデオDBから取得したタイトルの最後が
女優名だった場合は消したい

●対象データ
女優　　　　｜タイトル
-----------------------------
三上悠亜　　｜下着モデルをさせられて… フェチズム9ランジェリーSpecial 三上悠亜
三上悠亜　　｜三上悠亜のPLATINUM SOAP
高橋しょう子｜バキュームフェラ大好きお姉さんのディープスロート・たっぷり射精・追撃おしゃぶり高橋しょう子
高橋しょう子｜高橋しょう子初BEST 12タイトル720分

●希望する結果
女優　　　　｜タイトル
-----------------------------
三上悠亜　　｜下着モデルをさせられて… フェチズム9ランジェリーSpecial
三上悠亜　　｜三上悠亜のPLATINUM SOAP
高橋しょう子｜バキュームフェラ大好きお姉さんのディープスロート・たっぷり射精・追撃おしゃぶり
高橋しょう子｜高橋しょう子初BEST 12タイトル720分

**デフォルトの名無しさん** · 2021/04/11(日) 16:16:34.91

●Regular Expressionの使用環境
Windows PowerShell

●検索か置換か？
置換

●説明
「秒・コンマ」を「時・分・秒・コンマ」に置換

●対象データ
start="123.45"

●希望する結果
start="00:02:03.45"

よろしくお願いします
割り算の商とあまりはPowerShellの関数で
2 = [int](123/60)
3 = 123 % 60
で求められます

**デフォルトの名無しさん** · 2021/04/11(日) 16:38:01.79

鬼雲
^(\S+)[ 　]*｜.+\K\s++\1$
^([^｜]+)[ 　]*｜.+\K\s++\1$

.Net だとこんな感じ？未確認
(?<=^([^｜]+?)\s*｜.+)(?>\s+)\1$
空文字に置換

**デフォルトの名無しさん** · 2021/04/11(日) 17:10:39.69

>>645
[TimeSpan]::new(([double]$start)*10000000).tostring("hh\:mm\:ss\.ff")

**デフォルトの名無しさん** · 2021/04/11(日) 21:30:29.49

>>644
Ruby なら、そういう関数がある

delete_suffix!(suffix) -> self | nil
self の末尾から、破壊的に suffix を削除します

[PARAM] suffix:
末尾から削除する、文字列を指定します

[RETURN]
削除した場合は self、変化しなかった場合は nil

"hello".delete_suffix!("llo") # => "he"
"hello".delete_suffix!("hel") # => nil

**645** · 2021/04/11(日) 21:41:09.21

できました！

**デフォルトの名無しさん** · 2021/04/11(日) 21:55:24.47

>>644
.replace(/^(([^\s｜　]+)[\s　]*｜.+?)[\s　]*\2[\s　]*$/gm, "$1")

**デフォルトの名無しさん** · 2021/04/11(日) 22:20:20.90

.replace(/^[ 　]*(([^｜]+)[ 　]*｜.+?)[ 　]*\2[ 　]*$/gm, "$1")
行先頭に空白がある場合が抜けてた（\sは半角スペースに変更）

姓名の間にスペースある場合も同じデータならマッチする
　三上　悠亜　　｜下着モデルをさせられて… フェチズム9ランジェリーSpecial 三上　悠亜

**デフォルトの名無しさん** · 2021/04/15(木) 17:26:54.76

phpの実装前提です。
以下のサイトについて質問です。

https://www.javadrive.jp/regex-basic/sample/index13.html

[a-zA-Z0-9_+-]+(.[a-zA-Z0-9_+-]+)*@

で以下のような文字列の表現らしいのですが、

aaaaaaaaaaa@
aaa.aaaaaaa@
aa.aa.aaaaa@
aa.aa.aa.aa@

この()の中にある.ピリオドって、メタ文字の意味ですか？
本来なら、

[a-zA-Z0-9_+-]+(/.[a-zA-Z0-9_+-]+)*@

が正しくないですか？

**デフォルトの名無しさん** · 2021/04/15(木) 17:30:30.96

（ごめんなさい。上記修正です。。）
本来なら、

[a-zA-Z0-9_+-]+(\.[a-zA-Z0-9_+-]+)*@

が正しくないですか？

**デフォルトの名無しさん** · 2021/04/15(木) 18:09:09.76

試せばすぐわかるやろ
https://regex101.com/r/weGCyh/1

**デフォルトの名無しさん** · 2021/04/15(木) 18:22:25.76

ありがとうございました。
こんなツール初めてしりました。

aaaaaあaaaaa@
↑でも合致しますので、ページの説明としては不適切におもいました。

**デフォルトの名無しさん** · 2021/04/15(木) 18:41:07.32

>>652
メールアドレスのアカウント部の判別って意味だろうから、
メタ文字ではなく本来\が必要な、文字としてのドットだね

**デフォルトの名無しさん** · 2021/04/15(木) 18:43:40.23

>>656
ありがとうございました。確信がもてました！

**デフォルトの名無しさん** · 2021/04/16(金) 08:22:32.69

そんな糞サイトを見るのはやめた方がいい

**デフォルトの名無しさん** · 2021/04/18(日) 11:01:19.33

●Regular Expressionの使用環境
C#

●検索か置換か？
検索

●説明
表のデータを名前付きでキャプチャしたい（year,month,day;open;high;low;close;volume）
日付 <td class="XXX">(?<year>\d{4})/(?<month>\d?\d)/(?<day>\d?\d)</td>

株価 <td>(?<open>[0-9,.]+)</td>\r\n
<td>(?<high>[0-9,.]+)</td>\r\n
<td>(?<low>[0-9,.]+)</td>\r\n
<td>(?<close>[0-9,.]+)</td>\r\n
<td>.*</td>\r\n<td>(?<volume>[0-9,.]+)</td>
●対象データ
<tr>
<td class="XXX">2021/04/02</td> 日付
<td class="YYY">8,510.0</td >始値
<td class="YYY">8,595.0</td> 高値
<td class="YYY">8,432.0</td> 安値
<td class="YYY">8,462.0</td> 終値
<td class="YYY">8,462.0</td> 調整後終値
<td class="YYY">4,337,300</td>出来高
</tr>

●希望する結果
<td class="XXX">(?<year>\d{4})/(?<month>\d?\d)/(?<day>\d?\d)</td>
または<td>(?<open>[0-9,.]+)</td>単独だと一致するが日付と株価を全部つなげると駄目なので一致するようにしたい

御教示よろしくお願いします

**デフォルトの名無しさん** · 2021/04/18(日) 13:04:59.48

構造があるものは、正規表現では難しい。
スクレイピングは、Ruby で、nokogiri なら、

require 'nokogiri'

doc = Nokogiri::HTML(<<EOT)
<tr>
<td class="XXX">2021/04/02</td> 日付
<td class="YYY">8,510.0</td >始値
<td class="YYY">8,595.0</td> 高値
<td class="YYY">8,432.0</td> 安値
<td class="YYY">8,462.0</td> 終値
<td class="YYY">8,462.0</td> 調整後終値
<td class="YYY">4,337,300</td>出来高
</tr>
EOT

element = doc.at_css( 'tr > td.XXX' )
puts element.content
#=> 2021/04/02

elements = doc.css( 'tr > td.YYY' )
puts elements.map( &:content ).join( " : " )

#=> 8,510.0 : 8,595.0 : 8,432.0 : 8,462.0 : 8,462.0 : 4,337,300

**デフォルトの名無しさん** · 2021/04/18(日) 16:50:35.98

>660
回答有難うございますテストツールではじかれるのそういうことなんですか
perlでならCSSセレクタ使って取れるんですが遅くてRubyでも同じでしょうね

**デフォルトの名無しさん** · 2021/04/18(日) 19:18:36.24

>>659
対象データの各行の後ろに実際には日本語はないってことでいいんだよね？

**デフォルトの名無しさん** · 2021/04/18(日) 19:29:32.94

日付の正規表現省略</td>
<td class="YYY">(?<open>[0-9,.]+)</td>\s+<td class="YYY">(?<high>[0-9,.]+)</td>\s+以降の正規表現省略

C#（実質.NET？）の正規表現は詳しくないし試してないけど、
一般的なPerl5系列の正規表現なら\sのマッチ対象（ホワイトスペース）に
\rや\nも内包されてるので、
\s+で改行と<tdの前のスペースインデントに対応できると思う

**663** · 2021/04/18(日) 19:31:55.31

>>663訂正
日付の正規表現省略</td>\s+<td class="YYY">(?<open>[0-9,.]+)</td>\s+<td class="YYY">(?<high>[0-9,.]+)</td>\s+以降の正規表現省略

**デフォルトの名無しさん** · 2021/04/18(日) 19:33:30.21

空白とか考慮してねんじゃねーの
提示されてるデータ見ても</td >始値だけ違ってるし
改行の扱いで転けてる可能性も

**デフォルトの名無しさん** · 2021/04/18(日) 20:10:08.07

対象データの後ろの日本語は注記で実際にはありません

**デフォルトの名無しさん** · 2021/04/18(日) 20:17:06.51

>663,664
有難うございました　\s+　でつなげて上手くゆきました

**デフォルトの名無しさん** · 2021/04/18(日) 20:42:16.44

Rubyくん=糖質ｗ

**デフォルトの名無しさん** · 2021/04/23(金) 13:32:17.18

Pythonで以下の条件に当てはまる正規表現はどうしたら実現できるでしょうか。

半角英数字(大文字小文字)255文字までとハイフンのみOK
--の連続は不可。行末がハイフンで終わるのも不可

ここまではできてるんですが、どなたか知恵を頂きたいです。
^[a-zA-Z0-9-]*(?<!-)$

**デフォルトの名無しさん** · 2021/04/23(金) 13:46:23.58

pythonなら正規表現だけで処理しなくても
抜き出した後に--が含まれるのを除くとかどうにでもなるだろ。

**デフォルトの名無しさん** · 2021/04/23(金) 13:47:26.10

^(?:(?!--)[a-zA-Z0-9-])*(?<!-)$
^(?!.*--)[a-zA-Z0-9-]*(?<!-)$
まあこの2つの書き方を覚えればいいんじゃない？
ただ空行もマッチしちゃうよ

**669** · 2021/04/23(金) 14:25:42.69

>>670
確かにそうですが、ちょっと格好つけたかったんです。

>>671
おぉぉぉぉありがとうございます。
とっても助かりました！！
おかげでこの先、頑張れそうです。。。（定時まで）

**デフォルトの名無しさん** · 2021/04/23(金) 16:59:46.76

自分で理解できない正規表現とか組み込んで、この先メンテナンスできるんだろうか。
一時的なことならいいが