質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.48%
C#

C#はマルチパラダイムプログラミング言語の1つで、命令形・宣言型・関数型・ジェネリック型・コンポーネント指向・オブジェクティブ指向のプログラミング開発すべてに対応しています。

正規表現

正規表現とは特定の文字列によるパターンマッチングを行う際に用いられる宣言型プログラミングです。

.NET Framework

.NET Framework は、Microsoft Windowsのオペレーティングシステムのために開発されたソフトウェア開発環境/実行環境です。多くのプログラミング言語をサポートしています。

Q&A

1回答

934閲覧

.NETの正規表現で、入れ子構造対応型の最短マッチをとりだすパターン

syshirano

総合スコア0

C#

C#はマルチパラダイムプログラミング言語の1つで、命令形・宣言型・関数型・ジェネリック型・コンポーネント指向・オブジェクティブ指向のプログラミング開発すべてに対応しています。

正規表現

正規表現とは特定の文字列によるパターンマッチングを行う際に用いられる宣言型プログラミングです。

.NET Framework

.NET Framework は、Microsoft Windowsのオペレーティングシステムのために開発されたソフトウェア開発環境/実行環境です。多くのプログラミング言語をサポートしています。

0グッド

0クリップ

投稿2021/05/05 09:25

実現したいこと

.NETの正規表現 using System.Text.RegularExpressions;
で、「入れ子構造対応型の最短マッチ」は、どう書けばよいでしょうか?

たとえば

HTML

1<body> 2 <div id='universe'> 3 This is universe. 4 <div id='earth'> 5 This is earth. 6 <div id='asia'> 7 This is asia. 8 <div id='japan'> 9 This is japan. 10 </div> 11 </div> 12 </div> 13 </div> 14</body>

という htmlソース文字列を例にしますと
"<div id='earth'"
で、入れ子構造を取得すると、以下の範囲を取得したい。

<div id="earth"> This is earth. <div id="asia"> This is asia. <div id="japan"> This is japan. </div> </div> </div>

試したこと

https://docs.microsoft.com/ja-jp/dotnet/api/system.text.regularexpressions.regex.match?view=net-5.0
Regex.Match メソッドを参考に以下の関数を書きました。

c#

1const string HTML = @"<body> 2 <div id='universe'>This is universe. 3 <div id='earth'>This is earth. 4 <div id = 'asia'>This is asia.' 5 <div id='japan'>This is japan. 6 </div> 7 </div> 8 <div id = 'europe'>This is europe. 9 <div id='swiss'>This is swiss. 10 </div> 11 </div> 12 </div> 13 </div> 14 </body>"; 15 16string getNestedStructureTags(string baseTag = "<div id='earth'") 17{ 18 string pattern = "[\s\S]*?</div>"; 19 int divs = Regex.Matches(Regex.Match(HTML, baseTag + pattern).Value, "<div ").Count; 20 baseTag += string.Concat(Enumerable.Repeat(pattern, divs - 1)); 21 string ans = Regex.Match(HTML, baseTag + pattern).Value; 22 23 Debug.WriteLine(ans); 24 return ans; 25} 26 27

しかしこれでは、入れ子の深度が、深くなって浅くなるのが1回だけならOKですが、
<div id = 'europe'>のブロック挿入で、浅くなってまた深くなると正しく取れません。
どう記述すればよいでしょうか。よろしくお願いします。

・htmlソースの<div タグに限定して動作すればとりあえずOK
(baseTag の文字列 "<div xxxxx" はソース上でユニークである)
・htmlソース上、コメントアウトや文字列内の</div>とかはない
・ただし div 以外のタグは山ほどあり、改行やインデントも崩れている

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

正規表現でなく、DOMを扱えるライブラリを使うのが良いです。

投稿2021/05/05 09:45

otn

総合スコア84503

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

syshirano

2021/05/06 12:46

回答ありがとうございます。 DOMも検討課題です。 とりあえず文字列として解析する手段を探し、DOMと計算コストなどを比較できれば理想と考えています。 本質問では、正規表現を題にしましたので、この手法の回答を待ちたいと思います。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.48%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問