Q&A
残念ながら
'「男の中の「男」かも'
から
["name"=>"男の中の", "comment"=>"男"]
が取得されてしまうため、commentを再検査するだけではクリアできなそうです。
しかし正規表現における<>という書き方があることを知れて勉強になりました。ありがとうございます。
前提・実現したいこと
PHP正規表現で「」の内外で文字列を分別したいです。
例えば$str = "太郎「よろしくね」"が与えられれば、["name"=>"太郎","comment"=>"よろしくね"]に分別するというものです。
与えられる値と、目的の値
次の$aryが与えられます。
右のコメントアウトの["name"=>"●●","comment"=>●●]が分別された目的の値です
php
1$ary = [ 2 3 /* 4 * 正しい値が与えられた場合、一方か両方に値が入る 5 *----------------------------------------------*/ 6 7 // 以下のように「」の内外で name と comment に分別する（ 尚、「」はなくても「」だけでもOK ） 8 '一郎「こんにちは」', // ["name"=>"一郎","comment"=>"こんにちは"] 9 '二郎「男の中の「男」です」', // ["name"=>"二郎","comment"=>"男の中の「男」です"] 10 '三郎', // ["name"=>"三郎","comment"=>"null"] 11 '「こんばんは」', // ["name"=>"null","comment"=>"こんばんは"] 12 13 /* 14 * 不正な値が与えられた場合、いずれも null を返す 15 *----------------------------------------------*/ 16 17 //（１）以下のように「」の後に文字がある場合 null とする 18 '「こんばんは」です', // ["name"=>"null","comment"=>"null"] 19 20 //（２）以下のように「」がセットじゃない場合 null とする 21 '五郎「男の中の「男」かも', // ["name"=>"null","comment"=>"null"] 22 '「男の中の「男」かも', // 同上 23 '「やばい', // 同上 24 'ねむい」', // 同上 25 '「', // 同上 26 '」', // 同上 27 '「「」', // 同上 28 29 //（３）以下のように記号だけの場合 null とする 30 '「」', // ["name"=>"null","comment"=>"null"] 31 '「「」」', // 同上 32 '「★」', // 同上 33 '「!!」', // 同上 34]; 35 36// 分別を実行 37foreach( $ary as $str ){ 38 sort_kakko( hoge($str) ); 39}
発生している問題
正規表現で躓いています。
該当のソースコード
作ったのはsort_kakko()という分別の関数です。
まず正しい値を判定し、続いて不正な３つのパターンである上記（１）（２）（３）を判定する流れで書きました。
ですが早速、正しい値の判定の正規表現で躓いています。
php
1// 分別を実行 2function sort_kakko($str){ 3 4 // 正しい値の判定 5 preg_match('/^(.+)?「?(.+)?」?$/', $str, $matches); 6 $name = $matches[1] ?? null; 7 $comment = $matches[2] ?? null; 8 9 // 不正な値（１）の判定 10 $ok_1 = true; 11 if ( mb_substr_count($str,'」') === 1 && substr($str, -1) !== '」' ) { // 」があるのに最後が」じゃない場合 12 $ok_1 = false; 13 } 14 15 // 不正な値（２）の判定 16 $ok_2 = true; 17 if ( mb_substr_count($str,'「') === 1 || mb_substr_count($str,'」') === 1 ) { //「」のようにセットじゃない場合 18 $ok_2 = false; 19 } 20 21 // 不正な値（３）の判定 22 $ok_3 = true; 23 if ( kigo_remove($str) === '' ) { // すべての記号を除去した結果、空文字だった場合 24 $ok_3 = false; 25 } 26 27 // （１）（２）（３）どれかが不正なら null とする 28 if ( !$ok_1 || !$ok_2 || !$ok_3 ) { 29 $name = null; 30 $comment = null; 31 } 32 33 return ["name"=>$name,"comment"=>$comment]; 34} 35 36// すべての記号を除去する 37function kigo_remove($str){ 38 return preg_replace('/[^ぁ-んァ-ンーa-zA-Z0-9一-０-９\-\r]+/u',"" ,$str); 39}
試したこと
最初の正規表現のみで試してみました。
php
1// 分別 2function sort_kakko($str){ 3 4 // 正しい値の判定 5 preg_match('/^(.+)?「(.+)?」$/', $str, $matches); 6 $name = $matches[1] ?? null; 7 $comment = $matches[2] ?? null; 8 9 return ["name"=>$name,"comment"=>$comment]; 10}
まず「「」」と「★」と「!!」ができていませんが、これらは上記$ok_3で除外できるから問題ありません。
しかし三郎ができない理由がわかりません。
自分の理解では上記/^(.+)?「(.+)?」$/という正規表現は
^(.+)?
→ 先頭の(.+)はなくてもよくて、あれば$matchesに取得する
「?(.+)?」?
→ 「」はなくてもよくて、(.+)もなくてもよくて、あれば$matchesに取得する
というもので、なぜ三郎の"name"がnullになってしまうのか不明です。
これについては/^(.+)?「?(.+)?」?$/のように、かっこの後にも?をつけるなど試してみたものの分別は実現できませんでした。
そして二郎「男の中の「男」です」も分別できず、きっと「一番外側のかっこを基準とする」という正規表現が必要そうに思えます。
これについてはteratailの質問で類似のものを見かけたので応用して/[[^「\」]*(?:[「^\」]*][^[]]*)*]/のように試したものの、やはり分別は実現できませんでした。
回答2件
0
ベストアンサー
（既存のコードに関する添削は割愛します）
参考にされた回答には「正規表現では入れ子構造のパースは無理」という回答しかないですが， PHP の正規表現エンジンである PCRE は，正規表現以上の表現能力を持っており，カッコのネストに対応することができます。すなわち，1個の正規表現を書くだけで対処が可能です。また同様に，**「この文字種を最低限1文字含む」**も表現することができます。
「記号だけ」という定義が非常に曖昧なので， Unicode 文字プロパティの定義を見て，どれを含めるか自分で決めた上で調整してください。ここでは \p{L}\p{N} が最低限含まれている必要がある，と規定します。また，全角の 「」のみを考慮し，半角の ｢｣は考慮しないことにします。
- PHP: 再帰的パターン - Manual
- PHP: Unicode 文字プロパティ - Manual
- PHP: 正規表現パターンに使用可能な修飾子 - Manual
- PHP: 言明 - Manual
- 言語別：パスワード向けの正規表現 - Qiita
- How do (*SKIP) or (*F) work on regex? - Stack Overflow
php
1<?php 2 3function parse(string $input): array 4{ 5 static $pattern = <<<'EOD' 6/ 7 8 # 先頭 9 ^ 10 11 # name 部分 12 (?<name> 13 # \p{L}\p{N} を最低1個は含む 14 (?=[^「」\p{C}\p{L}\p{N}]*+[\p{L}\p{N}]) 15 # カッコと制御文字以外の繰り返し 16 [^「」\p{C}]++ 17 )? 18 19 # カッコ+空白だけのコメントの場合は読み飛ばす条件分岐 20 (?: 21 # empty_comment 部分 22 (?<empty_comment> 23 「 24 # カッコの中身 25 (?: 26 # empty_comment の再帰 27 (?&empty_comment) 28 )*+ 29 」 30 ) 31 # empty_comment がマッチしたらそこまでをすべて読み飛ばす 32 (*SKIP)(*FAIL) 33 34 | 35 36 # comment 部分 37 (?<comment> 38 「 39 40 # カッコの中身 41 (?: 42 # \p{L}\p{N} を最低1個は含む 43 (?=[^「」\p{C}\p{L}\p{N}]*+[\p{L}\p{N}]) 44 # カッコと制御文字以外の繰り返し 45 [^「」\p{C}]*+ 46 47 # または 48 | 49 50 # comment の再帰 51 (?&comment) 52 )*+ 53 54 」 55 56 )? 57 ) 58 59 # 末尾 60 $ 61 62 /ux 63EOD; 64 65 preg_match($pattern, $input, $match); 66 67 $name = $match['name'] ?? ''; 68 $comment = $match['comment'] ?? ''; 69 70 // 外側のカッコを切り取り 71 $comment = mb_substr($comment, 1, -1, 'UTF-8'); 72 73 $name = $name === '' ? null : $name; 74 $comment = $comment === '' ? null : $comment; 75 76 return compact('name', 'comment'); 77}
投稿2021/12/16 21:27
編集2021/12/16 21:50
総合スコア5223
0
とりあえずこうしておいて
PHP
1$a=[ 2 '一郎「こんにちは」', 3 '二郎「男の中の「男」です」', 4 '三郎', 5 '「こんばんは」', 6'「こんばんは」です', 7 '五郎「男の中の「男」かも', 8 '「男の中の「男」かも', 9 '「やばい', 10 'ねむい」', 11 '「', 12 '」', 13 '「「」', 14 '「」', 15 '「「」」', 16 '「★」', 17 '「!!」', 18 '「男の中の「男」かも' , 19 '「男の中の「男」かも」' , 20 ]; 21 22foreach($a as $str){ 23 if(preg_match("/\A(?<name>[^「」]+?)(「(?<comment>.+)」\z)/u",$str,$match) or 24 preg_match("/\A「(?<comment>.+?|$)」\z/u",$str,$match) or 25 preg_match("/\A(?<name>[^「」]+)\z/u",$str,$match)){ 26 $match=array_filter($match,function($x,$y){ 27 return in_array($y,["name","comment"],true); 28 }, ARRAY_FILTER_USE_BOTH); 29 } 30 $result=array_merge(["org"=>$str,"name"=>null,"comment"=>null],$match); 31 print_r($result); 32}
あとはcommentを再検査すればよいでしょう
※調整版
投稿2021/12/17 00:35
編集2021/12/17 06:46
総合スコア116835
あなたの回答
tips
プレビュー
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。
2021/12/16 22:00
2021/12/16 22:05
2021/12/17 06:49 編集