Regular Expression(正規表現) Part14 [無断転載禁止]©2ch.net

[過去ﾛｸﾞ] Regular Expression(正規表現) Part14 [無断転載禁止]©2ch.net (1002ﾚｽ)
上下前次1-新
抽出解除ﾚｽ栞

このｽﾚｯﾄﾞは過去ﾛｸﾞ倉庫に格納されています｡
次ｽﾚ検索歴削→次ｽﾚ栞削→次ｽﾚ過去ﾛｸﾞﾒﾆｭｰ

ﾘﾛｰﾄﾞ規制です｡10分ほどで解除するので､他のﾌﾞﾗｳｻﾞへ避難してください｡

556(2): 2018/08/12(日)20:55 ID:MOc1ccj1(1/2) AAS
C#で正規表現を使ってHTML内から文字コードをとってきたいのですが
以下の場合だと"UTF"としか取得できません。
"UTF-8"と取得する場合どうすればいいでしょうか？

<[^>]*\bcharset\s*=\s*[""']?(?<charset>\w+)\b

<!DOCTYPE html>
<html lang="ja">
<head>
<meta charset="UTF-8">

557(4): 2018/08/12(日)21:30 ID:mMH07JtW(1/2) AAS
>>556
HTMLは扱いが難しいからパーサ使った方がいい
どうしても正規表現だというなら,

1. とりあえず的な修正
外部ﾘﾝｸ:regex101.com
/<[^>]*\bcharset\s*=\s*(?:([^\s"'=><`]+)|'([^']*)'|"([^"]*)")\b/$1$2$3/i

2. もう少し気合の入れた修正
外部ﾘﾝｸ:regex101.com
|<meta
(?:\s+[^\s"'>/=]+(?:\s*=\s*(?:[^\s"'=><`]+|'[^']*'|"[^"]*"))?)*
(?:\s+charset(?:\s*=\s*(?:([^\s"'=><`]+)|'([^']*)'|"([^"]*)"))?)
(?:\s+[^\s"'>/=]+(?:\s*=\s*(?:[^\s"'=><`]+|'[^']*'|"[^"]*"))?)*\s*/?>|$1$2$3|i

ぐらいか
でもこれ後で読むのしんどいでしょ

579(1): 2018/08/26(日)15:08 ID:sCPJIsfv(1/4) AAS
俺なんか中学の勉強もロクにしなかったのに正規表現を理解したいから
今、大学レベルの数学を勉強してる・・なかなか進まないけどね・・

>>556 の質問からパーサとか出てくるのはちょっと違うと思うよ
metaタグ拾えばいいだけだよね？難しく考えすぎだよ

あとＨＴＭＬソースのほうが糞で実際の文字コードとmetaタグで指定されてる
文字コードが違うなんてことや、文字コードの指定が複数個所あるなんていう
２ページ分のＨＴＭＬをそのままくっ付けましたなんていうのも稀にあるから
そういう糞なＨＴＭＬを相手にする場合は対応を考えないといけないね

上下前次1-新書関写板覧索設栞歴

ｽﾚ情報赤ﾚｽ抽出画像ﾚｽ抽出歴の未読ｽﾚ AAｻﾑﾈｲﾙ

ぬこの手ぬこTOP 0.042s