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

88.10%

html内指定部分の正規表現を教えてください。

解決済

回答 3

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,897

score 25

正規表現を教えてください。

sample.html

<h1><a href="http://www.exmple.com">text</a></h1>

URL部分はかなりバリエーションがありますがすべてこの形式となっており

<h1><a href="様々なURL">text</a></h1>

<h1><a href="様々なURL">text</a></h1>

text部分は大文字小文字半角全角英数字を指定したいです。

大文字小文字全角半角英数字を示す正規表現

[a-zA-Za-zA-Z0-90-9]

イメージ1

sample.html

<h1><a href="様々なURL">大文字小文字全角半角英数字</a></h1>

イメージ2

sample.html

<h1><a href="様々なURL">[a-zA-Za-zA-Z0-90-9]</a></h1>


この範囲と指定文字の組み合わせを考えたらパニックになってしまいました。
どなたかわかる方、よろしくお願いします。

  • 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 3

checkベストアンサー

0

昨日のご質問の関連質問かと思います。わざわざ質問を分けなくてもよかったと思います。というか、こまぎれ質問をなさると質問の背景が伝わりにくくなり、いい回答をもらえませんよ。

で、これまでのご質問からすると、タグの部分は変更せず、タグ以外の部分を置換・削除などしたいのですよね。
すると、タグの部分は、中身がどうなっているかは気にしなくていいですね。「『<』ではじまり、『>』でないものが続き、『>』でおわる」だけでいいはずです。

<[^>][^>]*>


タグ以外の部分は、「『<』や『>』でないもの」ですね。

[^<>]*

または

[^<>][^<>]*

さて、タグが入れ子になったりしているケースまで考えだすと複雑ですが、発想を変えて、HTMLは次のようになっていると考えられませんか。

タグでない部分<タグの部分>タグでない部分 ... <タグの部分>タグでない部分


「タグでない部分」になにもない場合もあります。その場合はタグが隣接しているということですね。

ですから、処理としては、次の2種類に集約されます。

(1) 「タグでない部分<タグの部分>」の正規表現にマッチさせ、マッチしたすべての個所の「タグでない部分」の処理をする。

:loop
s/[0-9a-zA-Z0-9a-zA-Z]\([^<>]*\)\(<[^>][^>]*>\)/\1\2/g
tloop

(2) 最後の「タグでない部分」の処理をする。

:loop2
s/[0-9a-zA-Z0-9a-zA-Z]\([^<>]*\)$/\1/
t loop2
  • どちらも、タグの部分とタグでない部分をグループ化して、置換結果に使っているのがおわかりでしょうか。

  • なお、「$」は「改行の直前」、つまり行末を意味します。厳密にするならGNU拡張仕様の「\'」(文字列の末尾) を使ったほうがいいかもしれません。

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

[a-zA-Za-zA-Z0-90-9]の部分は1文字にしかマッチしませんので量指定子(1文字以上であれば+、0文字以上であれば*等)と組み合わせると良いでしょう。

「様々なURL」の箇所については、自分なら「ダブルクォーテーションでは無い文字の1文字以上の繰り返し」などのパターンにするかも知れません。

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。

0

$ sed -e 's/.*>\([^<]\+\)<.*/\1/'


ではダメでしょうか?

$ echo '<h1><a href="様々なURL">text</a></h1>' | sed -e 's/.*>\([^<]\+\)<.*/\1/'
text
$ echo '<h1><a href="様々なURL">大文字小文字全角半角英数字</a></h1>' | sed -e 's/.*>\([^<]\+\)<.*/\1/'
大文字小文字全角半角英数字
$ echo '<h1><a href="様々なURL">[a-zA-Za-zA-Z0-90-9]</a></h1>' | sed -e 's/.*>\([^<]\+\)<.*/\1/'
[a-zA-Za-zA-Z0-90-9]

外してたらごめんなさい。

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 88.10%
  • 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

関連した質問

同じタグがついた質問を見る