ルビを含むHTMLファイルの検索方法

質問

iPhoneやAndroid向けのネイティブアプリを作っています。
HTMLファイルをwebviewで読み込む電子書籍アプリです。
そのテキストにはふりがなのためのrubyタグやrp、rtタグが入っているのですが、
（さらに言うと、途中にアンカー（aタグ）も含んでいます。）
その文字列の検索方法で悩んでいます。

試しに通常のPCのブラウザ（chromeやfirefox）で「CTRL+F」で検索を行ったところ、
ブラウザ上でも検索ができないということがわかりました。
文字を検索すると、おそらく間に挟まれているタグが引っかかるためでしょうが、
正しく検索できません。
例えば、
「私（わたし）は学（がく）生（せい）です」
というようなふりがなの付け方だと、
「私」や「学」であればヒットするのですが、「私は」や「学生」が検索できないのです。

電子書籍アプリですので、検索ができると便利です。
ふりがながつかないテキストであれば、
プログラム側でHTMLファイルをバッファに読み込んで、
そこから文字列探索を行えば検索できるのですが
ルビがあるファイルなので困っています。

結果としては、存在した行を抜き出す
（改行brから改行brまで、あるいはpからpの終了タグまで）
といったことをしたいと思っています。
どのような方法が考えられるでしょうか。

使用言語はIphoneではObjective-C、AndroidではJavaを用いています。
将来的にはWindowsなどのPCでも似たようなアプリを作りたいとも考えています。
どうぞよろしくお願いします。

回答No.2

dscripty

なるべく簡単そうな実装を考えてみたよ！

検索対象の文書を

ルビの切れ目で区切ったディレクトリに見立てる。

ディレクトリには漢字とルビのディレクトリがあって、各ディレクトリのリンク先は共通の次の文字列のディレクトリ。

次のディレクトリは、単一かもしれないし、ルビで二つかもしれない。

あとは、ディレクトリの探索と同じ。

回答No.1

dscripty

急いでないなら、Firefox のバグ登録をしちゃおう！

そのうち直るから、ソースを参考にするといいよ？

いそいでるなら、正規表現を自分で拡張するしかないかなぁ。。。

google.com で キーワードを英語にして検索かけてみた？
他の人が既に解決してるかも。

お礼

なるほど。Firefoxの開発者は出来る人ばかりでしょうから
あっという間に直してくれるかもしれないですね。
出来れば自分で対応したいですが、
正規表現を拡張するのはかなり厄介でしょうね。

検索ではいい方法は見つからなかったですね。

どうもありがとうございます。