URLの部分だけを取り出したい（正規表現）

質問

恐れ入ります。

正規表現でURL抜き出しに困っています。

以前ここで教えてもらって$url=~m|http://(.*)[^\S]+|の様にしていたのですが、

次の場合うまくいかないことがわかりました。

$url='<a href="http://www.yahoo.co.jp" target="_blank">http://www.yahoo.co.jp</a>';

$url=~m|http://(.*)[^\S]+|

$&に

http://www.yahoo.co.jp"

とはいっていることがわかりました。

「半角・全角空白、もしくは、"　まで」

という判定にしたいです。

どのように書いたらいいのでしょうか・

または、と調べると
(s1|s2|...)
と書いてあったので
[(^\S|\")]
とやってみたのですが、エラーになりました・・・

回答No.4

sakusaker7 · ベストアンサー

> $url=~m|​http://[a-zA-Z0-9​ \.\&\%\$\#\!\(\)\-\+\?\/]+|;
> でいいよって回答してくれた方がいたのですが、
> なぜか消えてます・・・

ああ、確かに見覚えありますね。

ただ、このパターンはブラケットの中身をエスケープしすぎです。
過剰にエスケープしても実害はありませんが、
見づらいのでわたしは好きません。

エスケープが必須なのは
$と@ → Perl の変数 interpolationに引っかかる

/ → delimiterに /を使っていなければエスケープなしでもOK

^ - ] → ブラケット対の中での置き場所によっては
エスケープ不要にできる

お礼

本当に難しいですね・・・

ご回答感謝いたします。

今後も参考にさせていただきます！

回答No.3

bgbg

このあたりを参考に。
http://www.din.or.jp/~ohzaki/perl.htm#httpURL

お礼

検索すると結構引っ掛かりますよね。

とても難しいです。

1冊本を買ってこようと思います

ありがとうございました。

回答No.2

Tacosan

a タグの href 属性のことを考えると, 「最後が "」の他に「最後が '」も考慮する必要があるんじゃないかなぁ?

お礼

$url=~m|http://[a-zA-Z0-9\.\&\%\$\#\!\(\)\-\+\?\/]+|;

でやったら大丈夫でした！

忠告ありがとうございました！

回答No.1

sakusaker7

> 「半角・全角空白、もしくは、"　まで」

Perlのバージョン、設定で全角空白を一文字として
見てくれるなら

http://[^ 　"]+
もしバイトごとにしか見られないのなら
ブラケット中は半角空白+全角空白+クォートです。

http://[^ "]+(?=　)
↑ブラケットの中が半角空白、後ろのカッコの中が全角空白です。

あたりでどうでしょうか?

> または、と調べると
> (s1|s2|...)
> と書いてあったので
> [(^\S|\")]
>とやってみたのですが、エラーになりました・・・

「文字クラス」あたりの説明もあわせて読んでください。
ブラケットの中は文字の意味が違います。

補足

?!?!?
おひとり
$url=~m|http://[a-zA-Z0-9\.\&\%\$\#\!\(\)\-\+\?\/]+|;
でいいよって回答してくれた方がいたのですが、
なぜか消えてます・・・

？？？？？？レスもしたんですが・・・・・