正規表現での（範囲内での）範囲選択

質問

はじめて質問させていただきます。

[https://path/path3/sampletext](https://okwave.jp/3)

のように、頭に! がついたりつかなかったりするMDのリンクテキストがたくさんあり、これを一括で処理したいのですが、上の二行で取得したい文字列は以下のとおりです。

[https://path/path2/
[https://path/path3/

言葉に直すと、[ を始まりとして、] までの間の範囲内での、[ と / に挟まれた最長の文字列（挟んでいる記号 [ と/ を含む）

いろいろと調べたのですが、途中の/が干渉したり、後半の（）内の文字列が干渉したり、冒頭の ! が干渉したり、と行った具合でお手上げになりました。
知識不足で恐縮ですが、どなたかご教授いただけると幸いです。

回答No.2

4017B

「MDのリンクテキスト」ってもしかして「"MarkDown記法" によって記述されたテキスト」て意味ですか？これまたビックリ。

そういう事は先に言ってくれないと…て、そのまま「MDのリンクテキスト」でggたら普通に "MarkDown関連" の検索結果から上位表示されますね…もしかしてコレって公式の略記？

うん、まあこういう二度手間三度手間を防ぎ、互いの齟齬を出来るだけ減らす意味でも、今後はIT技術系の話をする際には必ず略語は使わず常に正式表記のみで記述してくださいしろ(最初の1回目で互いの定義が通じてればそれ以降は可)。

という訳で翻訳コンニャクすると…

+ 手元に「MarkDown記法によって記述されたテキスト」がある(それが複数のファイルなのか、或いは1つの巨大なファイルなのかは言えない)。
+ そのテキストには規則性が無く、雑多な記述の中にリンク文字列が含まれている(そのテキスト自体を見せる事はできない)。
+ そのテキストの中から「リンクを抽出」したい。
+ 使えるツールは「Visual Studio Code」のみである。

～でOKですか？特に一番重要な点は「何を抽出したいか」になるんですが。質問文のママだと…

[https://path/path2/

～という風に記述されてますが本当にそれで大丈夫ですか？普通に考えると文頭の [ が余分な気がしますが…それにURL自体も / で途切れていて、このままだとリンクとしても流用できないですし…何もかもが中途半端に感じます。その辺の所を省略せずに過不足無く詳細に補足して貰えれば、より正解に近い回答を出せるかもしれません。

P.S.
よく見返したら自分の前回答もちょっと勘違いしてたというか誤りがありました。フルパスを抽出するのでは無くて、URLの最後のディレクトリ階層で区切る必要があるみたいですね。なのでちょっと手直してすると…

(\[[^\]]+\/)[^\/]*\](?:\([^()]+\))

～上記の「マッチングパターン」で過不足無く、テキスト文章の中に雑多に紛れ込んだ「MDのリンク」を洗いざらい抽出して、質問者の当初の希望？に沿った形で吐き出せると思います。少なくともPHPでの正規表現(preg_match_all)では問題無く抽出する事ができました。

ざっと検索した感じだと、どうやら "Visual Studio Code" では特に「デリミタ」を考慮する必要が無いみたいなので。一般的な正規表現を用いるときみたいに、検索文字列内の / にエスケープ文字を付与させる必要が無いみたいですので。もうちょっと簡略化する事も出来るかもしれませんが、エスケープ文字自体はある分には特に影響は無いはずなので。これをそのまま "Visual Studio Code" での正規表現にコピペしても問題無く動作すると思います。

コレでダメならこちらとしもお手上げと言うか…ちょっとどうしたらイイのか検討もつかないので、後は自力でなんとかしてもらうしか無いですね。それでまた何かどこかで再質問する場合は、前述の注意事項をちょっと念頭に置いてから、冗長になっても良いので、自分自身の作業環境と自分がやりたい事を過不足無く最初に全部さらけ出す様にした方が、より多くの人から真摯な回答が貰えると思いますよ。

補足

4017Bさま
いろいろとご丁寧な説明をありがとうございました。
ただしく書き直します。

+ 手元に「MarkDown記法によって記述されたテキスト」がある(1つのファイル内に下記の規則性で数百行ある)。

+ そのテキスト群には規則性が２種あり、
[●●●/●●●/●●●](●●●)
であります。
エクスクラメーション＋ブラケット囲み＋カッコ囲み
あるいは
ブラケット囲み＋カッコ囲み
のいずれかであり、ブラケット内に入るスラッシュの数は不規則です。

+ そのテキストの中から以下の文字列を抽出したい。
[ を始まりとして、] までの間の範囲内での、[ と / に挟まれた最長の文字列（挟んでいる記号 [ と/ を含む）
冒頭の例文でいえば、
[https://path/path2/
[https://path/path3/

+ 普段作業しているツールは「Visual Studio Code」あるいは正規表現検索置換が可能なテキストエディタである。

以上となります。
もしおわかりになるようでしたら、お願いいたします。
（このポストで教えていただいた正規表現ではVSCode上で思う形でのキャプチャになりませんでした）

回答No.1

4017B

PHP(v7.4)で良いのであれば…

$str = <<<END
[https://path/path3/sampletext](https://okwave.jp/3)
[https://path/path4/sampletext](https://okwave.jp/4)
END;

$reg = '#^!?(\[https:/(?:/[^/]+)+)\].*#m';
$rep = '$1'.PHP_EOL;
$re = preg_replace( $reg, $rep, $str );

echo $re;

～みたいな感じでまあまあイイ感じに取ってくれるはず。ただし全対応にはなっていないので、入力文字列に ]] みたいな連続するモノがあると変になります。

他の環境でやる場合でも正規表現のためのマッチングパターンは割とそのままで流用可能なので、その場合はデリミタとスラッシュだけ適当に最適化してください。

お礼

ありがとうございます！
私の説明が足りず失礼しました。

作業は、VSCode 上でテキストファイルの検索置換をしたい形でして、[のあとが必ずしもhttps://ということではなく。。という感じでした。

ご教授ありがとうございました。