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!

ただいまの
回答率

89.23%

html内で正規表現にて抽出・置換を行う。

解決済

回答 4

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 2,174

seel

score 25

既存のhtmlファイルから
タイトルタグ内の文字列である 文字列A を抽出して
それをh1タグとして置換するにはどうしたらいいでしょうか。

bashのsedでワンライナーが理想ですが
シェルスプリクトでもphpでもokです。

初歩的なことなのかもしれませんが
どなたか教えてください。


わかっていること(文章での理解)

1.文字列Aを抽出。
2.改行して<h1></h1>を設置
3.<h1></h1>内に文字列Aを挿入。

sed 's|<title>文字列A</title>|<title>文字列A</title>\n<h1>文字列A</h1>|g'

わかっていないこと

任意の文字列である文字列Aの正規表現。
抽出した文字列Aを格納し置換時に呼び出す表現。

Before.html

<html>
<title>文字列A</title>
</html>
after.html

<html>
<title>文字列A</title> ;文字列Aを抽出
<h1>文字列A</h1>      ;h1タグを追加して文字列Aを置換
</html>


以上です。
よろしくお願い致します。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイ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。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 4

checkベストアンサー

0

 概要

移植性ならsedよりもperlの方が上で,しかも非常に高機能なので私はこれをおすすめしておきます.

何通りか書いておきます.

perl -0pe 's/<title>(.*?)<\/title>\K/\n<h1>$1<\/h1>/s' < before.html > after.html
perl -0pe 's/<title>([^<]*)<\/title>\K/\n<h1>$1<\/h1>/' < before.html > after.html
perl -0pe 's/<title>([^<]*+)<\/title>\K/\n<h1>$1<\/h1>/' < before.html > after.html

 解説

-0オプション: 行単位ではなくEOFがくるまでの入力全体に一気にマッチさせる
-pオプション: 結果をprintする
-eオプション: 引数をコードとして評価

\K言明:
サブパターンは保持しつつ,マッチング開始位置をそこにリセットする.
これを末尾に持ってくると「マッチした場所に挿入」という処理が無駄な置換をすることなく実現できる.

(.*?):
任意の文字の0回以上の繰り返しに対する最短マッチ.
sフラグを入れないと改行文字が対象にならない点に注意してください.
1文字マッチさせるごとに「後ろに</title>があるか?」をチェックするのであまり効率は良くないです.

[^<]*:
<以外の0回以上の繰り返しに対する最長マッチ.
文字種を限定することで最長マッチに安心してかけられます.
ただしこれはまだ不必要にバックトラッキングを起こす可能性があります.
(Perlの正規表現エンジンはかなり賢いので最適化でうまいことやってくれる可能性もあります)

[^<]*+:
<以外の0回以上の繰り返しに対する最長マッチ.
文字種を限定することで最長マッチに安心してかけられます.
こちらはバックトラッキングの抑制を明示しており,無駄が全く無いことが保証されます.

また普通はあり得ませんが,もし<title></title>が複数回現れる場合はgフラグを有効にすることで対処します.

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/09/01 08:15

    無駄がどうこうあるといえども,HTMLが少量であれば人間で確認できる時間差は現れないので,見やすいものを採用してもらって構いません(適当)

    キャンセル

  • 2016/09/01 11:46

    ちなみに今回使ったPerl正規表現に特徴的な機能は,PHPが持つPCRE正規表現でも全く同じように使えます.

    php -r 'echo preg_replace(
        "@<title>([^<]*+)</title>\K@",
        "\n<h1>$1</h1>",
        stream_get_contents(STDIN)
    );' < before.html > after.html

    キャンセル

  • 2016/09/01 16:02

    Simple HTML DOM Parser が紹介されていますが,これは全てがユーザランドの実装であり,それらは正規表現を使いまくっているので効率があまり良くないです.この程度ならネイティブDOMで十分だと思います.

    http://qiita.com/mpyw/items/c0312271819baee09132

    キャンセル

  • 2016/09/04 01:14

    詳しくわかりやすく教えていただき、ありがとうございました。

    キャンセル

0

こんな感じでどうでしょう?

$ cat Before.html
<html>
<title>文字列A</title>
</html>
$
$ sed 's|<title>\([^<]*\)</title>|\0\n<h1>\1</h1>|' Before.html >after.html
$
$ cat after.html
<html>
<title>文字列A</title>
<h1>文字列A</h1>
</html>
$

ポイントは以下の3点

  1. \([^<]*\) は、次のタグが開始する「<」以外の全ての文字列にマッチし、後方参照可能にする
  2. \1 は、上記でマッチした文字列を後方参照する
  3. \0 は、一致した文字列全体を表す(つまり「<title>文字列A</title>」)

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/09/04 01:15

    アスタリスクの使い方や後方参照など大変勉強になりました。
    ありがとうございます。

    キャンセル

0

こんな感じでどうでしょう?

$html=<<<eof
<html>
<test>
<title>文字列A</title>
<test>
</html>

eof;
$pattern="/<(title)>(.*?)<\/\\1>/i";
if(preg_match($pattern,$html,$m)){
  $html=str_replace($m[0],$m[0].PHP_EOL."<h1>".$m[2]."</h1>",$html);
}
print nl2br(htmlspecialchars($html));

修正

preg_replace()で十分でした

$html=<<<eof
<html>
<test>
<title>文字列A</title>
<test>
</html>

eof;
$pattern="/<(title)>(.*?)<\/\\1>/i";
$replacement="\\0".PHP_EOL."<h1>\\2</h1>";
$html=preg_replace($pattern,$replacement,$html);
print nl2br(htmlspecialchars($html));

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

0

PHPを使えるなら、以下のparserを利用すれば、TITLEタグだけじゃなく、どんなタグにも対応可能です。
PHP Simple HTML DOM Parser Manual

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

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 89.23%
  • 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られる