ダブルクォーテーションの正規表現

解決

marllbolo 2012-06-20 20:26:41 No: 143347

いつも掲示板を使わせていただいています。VB2010を使っているのですが、
今、正規表現で立ち止まっています。

の4つをマッチさせたいのですが、
まず、1点目にダブルクォーテーションをエスケープする際、いろいろなサイトを見ましたが、
<TD align=right bgcolor=""#202020"">
であったり、
<TD align=right bgcolor=\"#202020\">
のような書き方をしているサイトを見かけました。正規表現のエスケープは"\"をつけると思っていたのですが、構文エラーが返ってきます。
また、<TD align=right bgcolor=""#202020"">で書いてもマッチさせてもらえず。どのように書いていいのやらわかりません。

2点目に、上記４つのいずれかをマッチさせるには、
(<TD align=right bgcolor="#202020">|<TD align=right bgcolor=#202020>|<TD bgcolor="#202020" align=right>|<TD bgcolor=#202020 align=right>)
でいいでしょうか。

宜しくお願いします。

marllbolo 2012-06-20 21:11:50 No: 143348

上記補足です。

はウェブサイトからInnerHTMLで取得して変数の中に格納してあります。

自分でダブルクォーテーションのテスト行うとき

Dim a as string = "<TD align=right bgcolor=""#202020"">"

のように書かないとテストできないのでやってはいるのですが、
結局、
Regex("<TD align=right bgcolor=""#202020"">",System.Text.RegularExpressions.RegexOptions.Singleline)

でマッチングしても意味がないのです。

YuO 2012-06-21 00:30:20 No: 143349

「正規表現として」文字をエスケープしないといけないのは，以下の文字です。
.$^{[(|)*+?\

この，「正規表現として」文字をエスケープする，というのは，文字の前に\を置くことに他なりません。

ref) 文字のエスケープ
http://msdn.microsoft.com/ja-jp/library/4edbef7e.aspx

次に，「VB言語として」「文字列リテラル中に」"を含めたい場合には""と書く必要があります。
これは，コンパイラが""を"に置き換えて処理してくれます。

> (<TD align=right bgcolor="#202020">|<TD align=right bgcolor=#202020>|<TD bgcolor="#202020" align=right>|<TD bgcolor=#202020 align=right>)
正規表現はこれで正しいですが，文字列リテラルにする場合は"→""の置き換えが必要です。
# キャプチャである程度は短くなりますが……。

marllbolo 2012-06-21 02:51:22 No: 143350

>「正規表現として」文字をエスケープしないといけないのは，以下の文字です。
>.$^{[(|)*+?\

なるほど、ダブルクォーテーションは入っていなかったんですね。
面目ないです。

># キャプチャである程度は短くなりますが……。

ぜひご教授下さい。自分にとってかなりの核心な部分です。

YuO 2012-06-21 07:46:36 No: 143351

>># キャプチャである程度は短くなりますが……。
> ぜひご教授下さい。自分にとってかなりの核心な部分です。

二重引用符の有無だけの違いで，判定対象が倍になっていますよね。
それをまとめる方法になります。

まず，
> <TD align=right bgcolor="#202020">
と
> <TD align=right bgcolor=#202020>
から。

・キャプチャ
ref) グループ化構成体 http://msdn.microsoft.com/ja-jp/library/bs2twtah
・前方参照
ref) 前方参照構成体 http://msdn.microsoft.com/ja-jp/library/thwdfzxy

まず，単純に"の有無だけを無視する正規表現を書きます。
<TD align=right bgcolor="?#202020"?>
たぶん，これはわかると思います。

しかし，これでは，
<TD align=right bgcolor="#202020>
や
<TD align=right bgcolor=#202020">
を許容してしまいます。#202020の前と後ろの二重引用符は「ある」か「ない」かです。

この時，#202020の前後には
・両方とも空文字列がある
・両方とも二重引用符がある
のどちらかとみなすことができますので，これをキャプチャと前方参照を使って表現します。
<TD align=right bgcolor=("?)#202020\1>
この()がキャプチャで，\1は「先頭から1番目の開き括弧のキャプチャと同じ文字列」を意味します。
この時，0番目のキャプチャはマッチした全文を意味するため，最初の(の場所は\1になります。

もう一方も同じですから，
> (<TD align=right bgcolor="#202020">|<TD align=right bgcolor=#202020>|<TD bgcolor="#202020" align=right>|<TD bgcolor=#202020 align=right>)
は，
(<TD align=right bgcolor=("?)#202020\2>|<TD bgcolor=("?)#202020\3 align=right>)
となります。
キャプチャは置換でも使える ($0, $1, ...) ので，覚えておくとよいかと思います。

なお，(?<aaa>などと名前を付けて，\{aaa}や${aaa}と参照する方法もあります。
Groupsプロパティで使うキャプチャには，名前を付けた方がわかりやすいでしょう。

marllbolo 2012-06-21 18:57:14 No: 143352

なんという短くきれいな正規表現でしょう。

期待以上の回答ありがとうございます。

><TD align=right bgcolor="#202020>
>や
><TD align=right bgcolor=#202020">

なるほどありえます。キャプチャだといわゆる同一のコピーですから、マッチの間違えはないですね。