正規表現について教えてください

質問

正規表現について教えてください。

「①:②:③:④」コロンで区切られた文字列があります。
コロンで区切られた文字列から各コロン間にある文字列を
条件に一致したものを取り出したいのですが

例：①:②:③:④
A000:::
:01:::
::AA::
:::BB
B001:A1::
B002:99::
C000::ABC01:
C000:::BBB01

のように、①②③④の書き方は自由で、最低どこか一つに書かれていて、
③と④は、両方同時にかかれません。
ここで、③と④のどちらかに入っているのをとりだしたいのですが、
どのように書けばよいでしょうか。

「'.*:.*:[^|:].*:[^|:].*'」としたらダメでした。
「'.*:.*:[^].*:[^].*'」でとりだせたのですが、正しい表現でしょうか。

また、指定したもの、③と④で、
例えば、Aで始まっている、Bで始まっているを
取り出したいのですが上手くいきません。

'.*:.*:[^](A|B).*.*:[^](A|B).*'
'.*:.*:[^].*(A|B).*.*:[^].*(A|B).*'
'.*:.*:(A|B)[^(A|B)].*:(A|B)[^(A|B)].*'

としてみたのですが、表示されません。
お願いします。

回答No.6

asciiz

＞「[^]」をするこにより上手くいったのでしょうか。

私は、「[^]」が指しているものがわかりません。

正規表現の [ ] は、文字集合を作る命令です。

[ABCD] ならば、「A・B・C・Dのどれか」です。
そして、各括弧内側の最初に ^ を書くと、否定の意味になります。
[^ABCD] ならば、「A・B・C・D以外の任意の文字」です。

しかしその否定するものが空というのは?

[^] がどんな文字にマッチするのか、わかりません。

従って、「'.*:.*:[^].*:[^].*'」というパターンが正しいものなのか、どこにどうマッチしているのか、理解できません。

自分では使おうとも思いませんし、すみませんが解説できません。

お礼

いいえ、とんでもございまません。
動きがわかるようでしたらなので、
今まで、親切に説明していただきありがとうございます。
たいへん勉強になりました。

回答No.5

asciiz

＞3番目と４番目にあるものを表示したい。
＞３番目と４番目は同時には存在しない。

この条件は、『「3番目に値があり、4番目に無い」または「4番目に値があり、3番目に無い」』でいいですか?

正規表現「[0-9A-F]*」は、「16進数文字の0文字以上の文字列」を表せます。
正規表現「[0-9A-F]+」は、「16進数文字の1文字以上の文字列」を表せます。

そうすると、
「4番目に値があり、3番目に無い」は「[0-9A-F]*:[0-9A-F]*::[0-9A-F]+」と表せます。
しかし
「3番目に値があり、4番目に無い」は「[0-9A-F]*:[0-9A-F]*:[0-9A-F]+:」と表せ…そうですが、これはいけません。
最後のコロンの後に何か文字があってもマッチしてしまいますし、それが16進数だったとしてもひっかけてしまいます。
そこで行末記号を使います。
「3番目に値があり、4番目は無く行末である」が「[0-9A-F]*:[0-9A-F]*:[0-9A-F]+:$」と表せます。

この2つを合わせると、

[0-9A-F]*:[0-9A-F]*:(:[0-9A-F]+|[0-9A-F]+:)$

というパターンが考えられます。

検索したい文字列以外に文字が続いてるとまた困るのですけれど?

お礼

ありがとうございます。
期待した結果となりました。

最初の質問でかいたのですが、
「'.*:.*:[^].*:[^].*'」としたら今回教えていただいたのと
同じ表示が得られました。

「.*」を使うのは横に置いておくとして、
「[^]」をするこにより上手くいったのでしょうか。

回答No.4

asciiz

＞「[^:]*:[^:]*:[^:]*:[^:]*」
＞だとすべて表示されます。

これはまず「4パートがコロンで区切られている」という基本パターンを示したものですから、全てのそういうパターンに引っかかって当然です。

この基本形を変形していって、『「3つめの先頭がAまたはBである」または「4つめの先頭がAまたはBである」』と言う限定検索にしたのが、回答No.1の最後だったわけです。

で、すみませんが

＞また、Aで始まっている、Bで始まっているものではなく
＞③と④のどちらかに入っているのをとりだしたい方ですが、

これの意味するところがちょっとわかりません??
両方に入っている場合は除きたい、って事ですか?
それとも 「::A:」 または 「:::B」 みたいなパターンだけ取り出したいって事ですか?

補足

説明があいまいですみません。

A000::
:01::
::AA:
:::BB
::CC1:
:::CC1
B001:A1::
B002:99::
C000::ABC01:
C000:::BBB01
D000::D1:
D000:::D2
から
::AA:
:::BB
::CC1:
:::CC1
:99:CC2:
C000::ABC01:
C000:::BBB01
D000::D1:
D000:::D2
のような、３番目と４番目にあるものを表示したい。
３番目と４番目は同時には存在しない。

回答No.3

asciiz

＞③の位置のものは引っ掛かりませんでした。

ではそもそも、or条件にする前のもの、

＞[0-9A-F]*:[0-9A-F]*:[AB][0-9A-F]*:[0-9A-F]*

これで③位置にあるものがちゃんと出てくるかどうか?

出ない場合、データ自体の不整合も疑いたくなってきます。(コロンが全角になってしまっているとか、うっかりセミコロンで区切られているとか。どの区切りのコロンが間違っていても、引っかからなくなります)

補足

ありがとうございます。
すみませんでした。
条件と文字列が一致していませんでした。
条件にあった文字列で上手くいきました。
また、Aで始まっている、Bで始まっているものではなく
③と④のどちらかに入っているのをとりだしたい方ですが、

「[^:]*:[^:]*:[^:]*:[^:]*」
だとすべて表示されます。
こちらも、or条件にすればよろしいのでしょうか。

回答No.2

asciiz

＞ [0-9A-F]*:[0-9A-F]*:([AB][0-9A-F]*:[0-9A-F]*|[0-9A-F]*:[AB][0-9A-F]*)
＞ だと、④位置書かれていいるもが表示されます。
＞ ③位置に書かれているものが表示されません。

この書き方が通ってるなら③位置のものに引っかからないのは変な気がしますが…

カッコの中を逆順に書いた時どうなりますか?
↓
＞ [0-9A-F]*:[0-9A-F]*:([0-9A-F]*:[AB][0-9A-F]*|[AB][0-9A-F]*:[0-9A-F]*)

補足

ありがとうございます。
＞ [0-9A-F]*:[0-9A-F]*:([0-9A-F]*:[AB][0-9A-F]*|[AB][0-9A-F]*:[0-9A-F]*)
③の位置のものは引っ掛かりませんでした。

回答No.1

asciiz

安易に「.*」を使ってはいけません。
それひとつ指定してしまったら、一行全体にマッチしてしまいます。
さらに、複数個所に「.*」を使うのは厳禁です。(書けてしまいますが、自主的に禁止した方が良いです)
そのマッチ結果は不定となり、どの「.*」の部分にどれだけの文字列がマッチするか、処理系により異なることがあり得ます。(大概は、一番最初の .* が一番長くマッチするものですが。)

私だったら、こうしますかね。

[^:]*:[^:]*:[^:]*:[^:]*

「[^:]」 は、「コロン以外のすべての文字集合」です。
それに*を付けることで、「[^:]*」はコロン以外で構成された0文字以上の文字列を表します。
それが4つあり、上記のパターンは、それがコロンで区切られたもの、にマッチします。

ただしIPv6文字列を分割するなら、文字種は制限した方が良いかもしれません。
前記のマッチ文字列では、「ABCD:EFGH:あいうえお:かきくけこ test」 にもマッチしますし、前後にも文字がある場合、一番目・四番目部分にそこまで含まれてしまいます。(←この例では4番目は「かきくけこ test」までマッチしている)

16進数文字列に制限するなら、例えばこういうパターンが考えられます。

[0-9A-F]*:[0-9A-F]*:[0-9A-F]*:[0-9A-F]*

3番目・4番目がAまたはBで始まる、のは

[0-9A-F]*:[0-9A-F]*:[AB][0-9A-F]*:[0-9A-F]* …3番目がAまたはBで始まる
[0-9A-F]*:[0-9A-F]*:[0-9A-F]*:[AB][0-9A-F]* …4番目がAまたはBで始まる

という感じにすればいいでしょうか。

ただ、

[0-9A-F]*:[0-9A-F]*:[AB][0-9A-F]*:[AB][0-9A-F]*

と書いてしまうとこれは、「3番目および4番目の両方がAまたはBで始まる」ものにしかマッチしません。
それはあなたの希望に合っているでしょうか?

「3番目または4番目がAまたはBで始まる」を書きたいなら、例えばこんな風になるでしょう。

[0-9A-F]*:[0-9A-F]*:([AB][0-9A-F]*:[0-9A-F]*|[0-9A-F]*:[AB][0-9A-F]*)

※テストしてないのでうまく動かなかったらゴメンナサイ
※※もっと効率的な書き方があるかもしれません。

補足

ありがとうございます。
期待する結果としては、
::AA:
:::BB
C000::ABC01:
C000:::BBB01
が欲しいです。
③位置か④位置にあるもです。
試してみたのですが、
[^:]*:[^:]*:[^:]*:[^:]*
だと、すべて表示されます。
[0-9A-F]*:[0-9A-F]*:([AB][0-9A-F]*:[0-9A-F]*|[0-9A-F]*:[AB][0-9A-F]*)
だと、④位置書かれていいるもが表示されます。
③位置に書かれているものが表示されません。