正規表現で、「.*?」の間に特定の文字列を含まない、という記述をお教えいただきたいです

###前提・実現したいこと
正規表現で、「.*?」の間に特定の文字列を含まない、という記述をお教えいただきたいです。
言語はPHPです。

###該当のソースコード
例えば、

$text = '
401
25

402
3

403
126

404

405
78
';

この $text の、「403」直下の、「126」という値を取得したいです。

$v = preg_replace('{^.?403.?(.?).$}si', "$1", $text);

と、後方参照で取得はできるのですが、「404」の例のように、
「～」の行が存在しな場合もあります。
その場合、最短マッチにすると次の「～」にマッチしてしまい意図しない動作になります。
ただし「～」の行は必ず存在します。

ですので私の考えでは、「403」から最短マッチ「.*?」を行って、
その中に「」という文字列を含まないマッチ、というのを実現したいです。
否定の正規表現は「(?!)」というような書き方があるのは調べて分かったのですが、うまくいきません。
やり方がおかしいのか考え方がおかしいのか、わからない状況です。

よろしくお願いいたします。

otn

2016/10/05 06:37

「～」の行が存在しない場合に、どういう結果を期待していますか？

joeast

2016/10/05 06:43

その場合はマッチ失敗とわかるだけで大丈夫です

joeast

2016/10/05 08:38

ご回答いただいた皆様、ありがとうございました。

行動規範の内容に同意します

回答5件

ベストアンサー

指定文字列が含まれていたときに失敗させるというチート技を，PCREでは(*SKIP)(*FAIL)で使うことができます．

Java - 正規表現で『「abc」と言う塊以外の文字列』は指定できるか(31010)｜teratail
(こちらの回答およびコメント欄を参考に)

これを今回のケースに適用すると

php
1<?php
2
3$text = ' 
4<span class="code">401</span> 
5<span class="num">25</span>
6
7<span class="code">402</span> 
8<span class="num">3</span>
9
10<span class="code">403</span> 
11<span class="num">126</span>
12
13<span class="code">404</span>
14
15<span class="code">405</span> 
16<span class="num">78</span> 
17
18<span class="code">406</span>
19';
20
21$getNumber = function ($code) use ($text) {
22    $pattern = '@
23        <span[ ]class="code">' . $code . '</span>
24        .*?
25        (?:
26            <span[ ]class="code">(*SKIP)(*FAIL)
27            |
28            <span[ ]class="num">(.*?)</span>
29        )
30    @xs';
31    return preg_match($pattern, $text, $m) ? $m[1] : null;
32};
33
34$codes = [401, 402, 403, 404, 405, 406];
35
36var_dump(array_map($getNumber, array_combine($codes, $codes)));
37
38/*
39
40array(5) {
41  [401]=>
42  string(2) "25"
43  [402]=>
44  string(1) "3"
45  [403]=>
46  string(3) "126"
47  [404]=>
48  NULL
49  [405]=>
50  string(2) "78"
51  [406]=>
52  NULL  
53}
54
55*/

どうせなら (404, 406以外) 結果を一気に取ってしまいましょうか．少し(*SKIP)(*FAIL)の部分を書き換えて，先読みを併用してみます．これが無いと405がマッチしなくなってしまいます．

php
1<?php
2
3$text = ' 
4<span class="code">401</span> 
5<span class="num">25</span>
6
7<span class="code">402</span> 
8<span class="num">3</span>
9
10<span class="code">403</span> 
11<span class="num">126</span>
12
13<span class="code">404</span>
14
15<span class="code">405</span> 
16<span class="num">78</span> 
17
18<span class="code">406</span>
19';
20
21$pattern = '@
22    <span[ ]class="code">(.*?)</span>
23    .*?
24    (?:
25        (?=<span[ ]class="code">)(*SKIP)(*FAIL)
26        |
27        <span[ ]class="num">(.*?)</span>
28    )
29@xs';
30
31$results = 
32    preg_match_all($pattern, $text, $m)
33    ? array_combine($m[1], $m[2])
34    : [];
35    
36var_dump($results);
37
38/*
39
40array(4) {
41  [401]=>
42  string(2) "25"
43  [402]=>
44  string(1) "3"
45  [403]=>
46  string(3) "126"
47  [405]=>
48  string(2) "78"
49}
50
51*/

もっと欲張りな「404, 406に対応する値は空文字列として含めてしまって，結果を全部一気に欲しい」という要望にもお答えできます． (*FAIL)は強制的に失敗させるものでしたが，(*ACCEPT)は強制的に成功させます．マッチした文字列が何も無い状態で成功させると，その部分は空文字列として結果に含まれます．また，406のようにnumを持たないcodeが末尾にきたときのために，\zによる判定を追加しています．

php
1<?php
2
3$text = ' 
4<span class="code">401</span> 
5<span class="num">25</span>
6
7<span class="code">402</span> 
8<span class="num">3</span>
9
10<span class="code">403</span> 
11<span class="num">126</span>
12
13<span class="code">404</span>
14
15<span class="code">405</span> 
16<span class="num">78</span> 
17
18<span class="code">406</span>
19';
20
21$pattern = '@
22    <span[ ]class="code">(.*?)</span>
23    .*?
24    (?:
25        (?=\z|<span[ ]class="code">)(*SKIP)(*ACCEPT)
26        |
27        <span[ ]class="num">(.*?)</span>
28    )
29@xs';
30
31$results = 
32    preg_match_all($pattern, $text, $m)
33    ? array_combine($m[1], $m[2])
34    : [];
35    
36var_dump($results);
37
38/*
39
40array(5) {
41  [401]=>
42  string(2) "25"
43  [402]=>
44  string(1) "3"
45  [403]=>
46  string(3) "126"
47  [404]=>
48  string(0) ""
49  [405]=>
50  string(2) "78"
51  [406]=>
52  string(0) ""
53}
54
55*/

投稿2016/10/05 07:43

編集2016/10/05 08:53

mpyw

総合スコア5223

joeast

2016/10/05 08:37

この方法でいけそうです。詳しい説明などありがとうございました。

mpyw

2016/10/05 08:54

(*ACCEPT)を使う方法に若干漏れがあったので，406を追加してそれにも対応できるように改善しました．

行動規範の内容に同意します

直下のということは単純に改行まで示せばよいのでは？

PHP
1$num="403";
2$pattern='#<span class="code">'.$num.'</span>(?:\r|\n)+<span class="num">(.*?)</span>#mis';
3if(preg_match($pattern,$text,$match)){
4print $match[1];
5}

※データの取り出し方を追記しておきました
こういうことではないですか？

投稿2016/10/05 06:40

編集2016/10/05 07:41

yambejp

総合スコア114843

joeast

2016/10/05 07:09

こちらでもうまくいきませんでした。指定文字列を含まないマッチは難しいのでしょうか？

yambejp

2016/10/05 07:42

replaceではなくmatchしたデータを配列で受けて参照するほうが普通です

行動規範の内容に同意します

その場合はマッチ失敗とわかるだけで大丈夫です

ということであれば、単にこれで良いかと。間に別のタグがないということで、「.?」⇒「[^<]?」。

PHP
1'{^.*?<span class="code">403</span>[^<]*?<span class="num">(.*?)</span>.*$}si'

投稿2016/10/05 06:52

otn

総合スコア84555

joeast

2016/10/05 07:07

すみません、例題に載せているのはかなり簡略化したもので問題のテキストはもっと複雑でして、間にその他のタグなども多数含まれている状況です、説明不足すみません。

行動規範の内容に同意します

だけ見るのはだめですか？

php
1$pattern = '/<span class="num">(\d+)<\/span>/';
2$match_num = preg_match_all($pattern, $text, $matches);
3
4var_dump($match_num);
5var_dump($matches);

投稿2016/10/05 07:02

moonphase

総合スコア6621

joeast

2016/10/05 07:11

の行は存在しないことがありますので、 403 直下の値を取得する場合、エラーになるケースがあると思います。

moonphase

2016/10/05 07:16

あぁ、なるほど。書いてある通り403直下のものだけが欲しいのですね。失礼しました。

行動規範の内容に同意します

$pattern = '<span class="code">403</span>[^(?:</span>)]*<span class="num">([0-9]+)</span>';

こんな感じではどうでしょうか。

投稿2016/10/05 06:29

kunai

総合スコア5405

joeast

2016/10/05 06:45

[^(?:)]*　この記述は、「」という文字列以外の任意の文字列ということでしょうか？

kunai

2016/10/05 07:00

その通りです。 [^a]で、a以外のモノと言う形になりますので

joeast

2016/10/05 07:10

調べてみたのですが、こちらでは文字列の否定はできないようです。 [^]の記述方法はあくまで１字の否定になるようです。

kunai

2016/10/05 08:46

他の方法を採用されたようですので付記になりますが。 ^の否定の対象を()でグルーピングしている形になります。回答文の「こんな感じ」と書いてるところのリンク先などで試してみてください。

mpyw

2016/10/05 09:04

>> ^の否定の対象を()でグルーピングしている形になります。 ^で否定できるのは文字クラスに限られすが，そもそも文字クラス [ ] の中に (?:) のようなサブパターンを置くことはできません．置けるのは「単一の文字」「ハイフンつなぎの文字範囲」「\dや\w，[:alnum:] のような特殊な文字クラス」に限られます．

行動規範の内容に同意します

あなたの回答