正規表現で入れ子になっている会話文を抜き出す

あるテキストから"「"～"」"に挟まれた会話文を抜き出す場合、
正規表現では下記のコードでできました。

Sub RegExpTest()
    Dim re As VBScript_RegExp_55.RegExp
    Dim mc As VBScript_RegExp_55.MatchCollection
    Dim m As VBScript_RegExp_55.Match
    Dim Data As String
    Data = "「ABCDEFG1」" & vbCrLf & _
           "「abcd" & vbCrLf & _
           "efg1」" & vbCrLf & _
           "aaa「ABCDEFG2」" & vbCrLf & _
           "bbb「abcd" & vbCrLf & _
           "efg2b」ccc"
    Set re = New RegExp
    re.Global = True
    re.MultiLine = True
    re.Pattern = "「((.|\r\n)*?)」"

    Set mc = re.Execute(Data)
    For Each m In mc
        Debug.Print "■"; m.Value; "■"
    Next
End Sub

下記のように"「"～"」"が入れ子になっている場合、
うまく抜き出せません。

    Data = "「ABC「DEF」G1」" & vbCrLf & _
           "「abc「d" & vbCrLf & _
           "ef」g1」" & vbCrLf & _
           "aaa「ABCDEFG2」" & vbCrLf & _
           "bbb「abcd" & vbCrLf & _
           "efg2b」ccc"
```上記の場合、

> ■「ABC「DEF」■
> ■「abc「d
> ef」■
> ■「ABCDEFG2」■
> ■「abcd
> efg2b」■

というようになってしまいます。
下記のように入れ子部分も含めて抜き出すことは正規表現で可能でしょうか。

> ■「ABC「DEF」G1」■
> ■「abc「d
> ef」g1」■
> ■「ABCDEFG2」■
> ■「abcd
> efg2b」■

正規表現を使わずに、VBAのみでループさせて抜き出すことはできています。
正規表現だけで、あるいはVBAとうまく組み合わせて簡単にできないかなと思ったので質問させていただきました。

コードはVBAの例ですが、VBScript や JavaScript でもOKです。

追記
---
皆さん、回答ありがとうございました。

２階層までというように制限があれば正規表現一発でできるというのは皆様の回答で分かりました。

質問のサンプルは２階層まででしたが、できれば階層制限なしが希望でした。
質問内容が曖昧でした。

標準の正規表現では「無制限の入れ子は表現できない」、
しかし、言語によっては拡張されて可能である。
ということも分かりました。

今回の場合は、正規表現を使わずに、VBAのみで階層制限なしのロジックは完成しているのですが、
正規表現一発でできないのかな、あるいは正規表現を使ってもう少しシンプルに記述できないかなと、疑問の思ったのが質問に至った経緯です。

皆さんの回答は、それぞれみな参考になりましたので、どれをベストアンサーにするのか迷いましたが、
有用なロジックと、実際に使える汎用性の高いコードを提示していただいた、think49 さんとさせていただきました。

行動規範の内容に同意します

回答3件

これは情報科学の話になってくるのですが、「正規表現」という言葉自体が実は「入れ子は表現できない」という意味を含んでいるのです…

ただ、PerlやRuby、Pythonだと正規表現を鬼拡張した結果入れ子を表現できるようになってしまっており、つまりこれは実は正規表現と呼ぶべきではない代物であったりするのですが、ここら辺のスクリプト言語を使うことをご検討いただければ。

投稿2017/05/12 11:22

yuba

総合スコア5568

ベストアンサー

括弧が2階層までの場合

既に指摘されていますが、2階層までなら正規表現で一度にマッチさせる事が可能です。

JavaScript
1var string = ['「a」', '「「b」」','「「c」「d」」'].join();
2console.log(string.match(/「(?:[^「」]*「[^「」]*」)*[^「」]*」/g));  // ["「a」", "「「b」」", "「「c」「d」」"]

3階層以上の括弧にマッチさせるには

3階層以上の括弧に対応する為には開始文字(「)の数と終了文字(」)の回数が一致するまで再帰的にマッチさせる必要があります。
RegExp#exec で再帰的にマッチさせれば可能です。
が、注意点として 「「「a」 のように対応する括弧で閉じられていないパターンの為にバックトラック処理(マッチに失敗した場合に失敗前の場所まで戻ってマッチをやり直す)が必要になります。

「「「a」 でマッチ失敗
「「a」 でマッチ失敗
「a」 でマッチ成功

ちなみに、2文字以上の文字列を受け付ける汎用性を持たせれば、対応するHTMLタグにマッチさせる事も可能です。

サンプルコード

GitHubにサンプルコードをUPしました。
質問の要件は満たせていると思います。

JavaScript
1var string;
2
3/**
4 * 「xxx」
5 */
6string = '「「「a」, 「「b」」, 「「c」「d」」, 「「「e」「f」」」, 「「「g」」「「h」」」';
7console.log(JSON.stringify(findCorrespondingFromString(string, '「', '」'))); // ["「a」","「「b」」","「「c」「d」」","「「「e」「f」」」","「「「g」」「「h」」」"]
8
9/**
10 * <<xxx>>
11 */
12string = '<<a>>,<<<<b>>>>,<<<<c>><<d>>>>';
13console.log(JSON.stringify(findCorrespondingFromString(string, '<<', '>>'))); // ["<<a>>","<<<<b>>>>","<<<<c>><<d>>>>"]
14
15/**
16 * <div>xxx</div>
17 */
18string = `<div id="parent">
19  <p>text</p>
20  <div class="child">
21    <p>text</p>
22    <p>text</p>
23    <div class="grandson">
24      <p>text</p>
25    </div>
26    <div class="grandson">grandson2</div>
27  </div>
28  <div class="child">child2</div>
29</div>`;
30console.log(JSON.stringify(findCorrespondingFromString(string, '<div(?:\\s[^>]*)?>', '</div>'))); // [<div id="parent">...</div>]