正規表現 マッチした文字列の取得

Question

Javaの正規表現とMatcherクラスを組み合わせた使い方が理解できず、教えていただけないでしょうか？

・やりたいこと
以下のようなhtml文のうち

2016年11月22日
370
370
のみを抜き出したい

<td>2016年11月22日</td><td>370</td><td>370</td><td>2016年11月21日</td><td>1000</td><td>1000</td>

----------コード-----------------------
String str = "<td>2016年11月22日</td><td>370</td><td>370</td><td>2016年11月21日</td><td>1000</td><td>1000</td>";

String regex ="([0-9]{4}年[0-9]{1,2}月[0-9]{1,2}日)(.?)([0-9|,]+)(.?)([0-9|,]+)";
Pattern p2 = Pattern.compile(regex);
Matcher m2 = p2.matcher(str);

    while(m2.find()){
        day= m2.group(1); 
        num1= m2.group(3); 
        num2= m2.group(5); 

---

・結果
なぜかhtmlの後ろ側に位置する以下の方が取得されてしまう
2016年11月21日
1000
1000

どこに問題があるのかどうか教えていただけないでしょうか、よろしくお願いいたします。

追記
環境はMacOS 10.12.1, Java8, Eclipse4.6.0です。
例えば(.?)のうち最後の部分を(.)に変えると、
String regex ="([0-9]{4}年[0-9]{1,2}月[0-9]{1,2}日)(.?)([0-9|,]+)(.)([0-9|,]+)";

そしてnum2= m2.group(5)を(4)に変えると
while(m2.find()){
day= m2.group(1);
num1= m2.group(3);
num2= m2.group(4);

今度は結果が
2016年11月22日
370

</td><td>370</td><td>2016年11月21日</td><td>1000</td><td>1000</td>

となります。最後の370さえ取得できればよいのですが、この挙動が理解できず。。
わかりずらい表現で申しわけありません。

Comments

[swordone]

私の環境(Windows7、Java8、Eclipse4.5.2)では前の方も後ろの方も取得できましたが、あなたの場合は「後ろだけ」取得されてしまうということですか？

Answer 1

		String day, num1, num2;

		while(m2.find()) {
			day  = m2.group(1);
			num1 = m2.group(3);
			num2 = m2.group(5);

			System.out.println(day + ":" + num1 + ":" + num2);
		}

で

2016年11月22日:370:370
2016年11月21日:1000:1000

とちゃんと取れていますが、取れたday, num1, num2を保存していないので、上書きされて後ろの方だけが残る、ということでしょうか？

Comments

[swordone]

変数宣言されてなくてwhileで変数宣言してみて「これ意味あるのか？」と直接出力したせいで気づかんかった…

Answer 2

以下のコードで、最初に取得した分
2016年11月22日
370
370
がwhile文を抜けた時三つのStringに入っています
何故以前のコードでは最後の分が変数に入っていたかというと、恐らくはこういうことです
whileを回転させてfind()するたびに三つの変数に正規表現に合致する見つかった部分を代入して行くと、
回転が最後まで行われ、find()がtrueにならなくなってwhile文から抜けた時、最後に見つかった部分が三つの変数に代入された状態になっているからです
以下のコードでは最初に正規表現に合致する部分を見つけて変数に三つの値を代入した直後にbreakでwhileから抜け出しそれを抑止しています

import java.util.regex.Pattern;
import java.util.regex.Matcher;
class DAW{

public static void main(String[] args){

String str = "<td>2016年11月22日</td><td>370</td><td>370</td><td>2016年11月21日</td><td>1000</td><td>1000</td>";

String regex ="([0-9]{4}年[0-9]{1,2}月[0-9]{1,2}日)(.*?)([0-9|,]+)(.*?)([0-9|,]+)"; 
Pattern p2 = Pattern.compile(regex); 
Matcher m2 = p2.matcher(str);
String day=null;
String  num1=null;
String  num2=null;

while(m2.find()){ 
 day= m2.group(1);  
  num1= m2.group(3);  
 num2= m2.group(5); 
break;
}
System.out.println(day+":"+num1+":"+num2);

}
}

Comments

[an6]

ありがとうございます、教えていただいた通りに実行したら成功しました。
合わせて正規表現とMatcherクラスを組み合わせた時の仕組みも理解することができました。

今後とも宜しくお願いします。