正規表現メモ - タグの検索 / URLの検索

データベース化するのは馬が３８万頭もいることがわかり（笑）あきらめました。そこで、G1などのレースに絞ってそこに出場してきた馬の中で３着以内のものの血統を調べていこう！って方針になりました。

まぁ、その前に正規表現でHTMLタグ調べていった方が楽なんじゃないか、ということで正規表現について学ぼうと思います。まず、一般的なHTMLのタグをサーチするには、

.*?

という表現が重要になってきます。正規表現において

. : 何かの文字
* : 直前の文字が０文字以上
.* : ナンカ文字があるよ
? : 直前の文字が０個か１個→最小マッチング

とやることで、たとえば一般タグを検索の場合、

<.*?>

とすると、最小マッチングにより

<font color="red">赤いよ</font>

本当は＿線部のところのみマッチしてほしいのに、太字にマッチしてしまうのを防げます。(PHPでは、基本的に最大マッチングを行います)
また、URLの検索をしたい場合には、

"http:\/\/[\w\d/%#$&?()~_.=+-]+"

とすることでOKです。\dは数字、\wはアルファベットを意味します。+は直前が１文字以上なので、[]内の文字が何文字かあるところまでURLとなるわけです。
最後はpreg_match()関数です。

int preg_match ( string $pattern, string $subject [, array &$matches [, int $flags [, int $offset]]] )

と与えられています。たとえば、

$pat = "<title>(.*?)<\/title>";
if ( preg_match ( "/".$pat."/i", $HTML, $match ) ){
  echo ( $match[1] );
}

とすれば、サイトのタイトルを抜き出せます。

さて、それじゃまたプログラムの作成の方に戻りま～す。