正規表現：対応する文字列A～文字列Bの検索（入れ子あり）

質問

いつもお世話になります。
以下のように (??{}) というのを使うと正規表現を再帰することによって入れ子があっても対応するカッコにマッチできることが分かりました。
以下のプログラムでは < から対応する > までを抜いています。

#! perl
# betweenBracket -- < から対応 > までを抜く
# 全角ブランクで字下げを表現しています。

$re = qr/
　<
　　[^<>]*
　　(?:
　　　(??{$re})
　　　[^<>]*
　　)*
　>
/x;

while(<DATA>) {
　chomp;
　for (/$re/g) {
　　print "$_ ";
　}
　print "\n";
}

__DATA__
I <love> you
I <love> <you>
<I <love> <you>>

実行結果：
<love>
<love> <you>
<I <love> <you>>

これですが、<、>のような１文字のカッコではなくて文字列による開始～終了でもできるでしょうか。
具体的に言うと &lt; から &gt; までと言う風にしたいです。

#! perl
# betweenEntity -- &lt; から対応 &gt; までを抜く

・・・？？？・・・・

__DATA__
I &lt;love&gt; you
I &lt;love&gt; &lt;you&gt;
&lt;I &lt;love&gt; &lt;you&gt;&gt;

実行結果：
&lt;love&gt;
&lt;love&gt; &lt;you&gt;
&lt;I &lt;love&gt; &lt;you&gt;&gt;

よろしくお願いします！

回答No.1

Tacosan · ベストアンサー

$re = qr/&lt;
(?(?=&lt;|&gt;)(??{$re})|.)*
&gt;/x;
でどうだろうか.

お礼

うおーーー

#! perl
# betweenEntities -- &lt; から対応 &gt; までを抜く
# 全角ブランクで字下げを表現しています。

$re = qr/&lt;
(?(?=&lt;|&gt;)(??{$re})|.)*
&gt;/x;

while(<DATA>) {
　chomp;
　for (/$re/g) {
　　print "△$_△";
　}
　print "\n";
}

__DATA__
I &lt;love&gt; you
I &lt;love&gt; &lt;you&gt;
&lt;I &lt;love&gt; &lt;you&gt;&gt;

＝＞

>betweenEntities.pl
△&lt;love&gt;△
△&lt;love&gt;△△&lt;you&gt;△
△&lt;I &lt;love&gt; &lt;you&gt;&gt;△

できますね！！！
ありがとうございます。
明日ゆっくり解析＆テストしようと思います。

回答No.2

Tacosan

一応書いておくと, もとの正規表現が
$re = qr/<
(?:[^<>]|(??{$re}))*
>/x;
と等価なので, 区切りが 2文字以上になったときに (?:[^<>]|(??{$re})) をどうするか, もっというと [^<>] をどう処理するかという問題に落とすことができます. これは「開始の区切りである < もしくは終了の区切りである >」のいずれでもないもの, ということなので, これを 2文字以上のときにどう書くかという問題に帰着されます.
で, 結局これが (?=&lt;|&gt;) を使って表せるぞ, ということで.
ああ, (?:[^<>]|(??{$re})) に合わせるなら (?(?!&lt;|&gt;).|(??{$re})) の方が近いかも.
あと, 開く記号と閉じる記号がちゃんとマッチしない (より正確には「開く方が多い」) 場合にどうなるかは試していないのでわかりません.

お礼

ありがとうございます。
昨日は &lt; を『に、&gt;を』に合わせて『から』までで変換するスクリプトを掛けて帰宅したんですが、今朝教えていただいたパターンと同じ結果を返すことが分かりました。
アサーションですね！ これは大きく応用できそうです。
どうもありがとうございます。