正しい正規表現を教えてください

質問

お世話になります。

正規表現で次のように指定しているのですが、正確か自信がありませんので
正しい表記を教えてください。

１．全てのHTMLタグ
<.*?>

２．「2012.1.1」または「2012.01.01」のような数字の羅列
(\d{4}).(\d{1,2}).(\d{1,2})

３．「<img src="～」から始まる部分
<img src="

４．「<div class="release">」を含む部分
<div class="release">

５．HTMLタグと文字全て
^.*$

全て色々なサイトで調べて表記したのですが、処理に時間がかかってて間違っている気がします。
yahoo!pipesのregexモジュールの部分で使用していて、デバッガーのTime takenに時間がかかっている場合、正しくない正規表現が原因らしいのです。
どうぞ宜しくお願いします。

回答No.1

yambejp · ベストアンサー

＞１．全てのHTMLタグ
＞<.*?>

タグはつかめますがこれは無意味。
<hoge>fuga</hoge>がつかみたいのではないのですか？
またタグではない文字列で使われている可能性もあります。

＞２．「2012.1.1」または「2012.01.01」のような数字の羅列
＞(\d{4}).(\d{1,2}).(\d{1,2})

(\d{4})\.(\d{1,2})\.(\d{1,2})
としましょう。「.」自体は別の意味をもっています

＞３．「<img src="～」から始まる部分
＞<img src="

かならずimgの後ろに半角スペース1個、src、イコール、ダブルクォーテーション
となるならそれでもいいですが、必ずしも元htmlがそうなっているとは
限りませんね
またimgタグからsrcの内容を抜きたいならやり方を工夫する必要があると思います。

＞４．「<div class="release">」を含む部分
＞<div class="release">

上記しましたが何を抜きたいかによります。
「<div class="release">」という文字が含まれているかだけが
しりたいならpreg_match系の正規表現ではなく、完全一致の
str_matchなどを使うよう勧められています。

＞５．HTMLタグと文字全て
＞^.*$

複数行にまたがる場合など考慮していますか？
単純に考えれば「.*」で十分かと
（修飾子などで調整が可能）

補足

ありがとうございます。

＞１．全てのHTMLタグ
＞<.*?>

<hoge>fuga</hoge>
を
fuga
にしたいのです。
もう少し調べてみて
<("[^"]*"|'[^']*'|[^'">])*>
としてみましたがどうでしょうか。

＞２．「2012.1.1」または「2012.01.01」のような数字の羅列
＞(\d{4}).(\d{1,2}).(\d{1,2})

ありがとうございます
(\d{4})\.(\d{1,2})\.(\d{1,2})
としました。

＞４．「<div class="release">」を含む部分
＞<div class="release">

<div class="release">
から</div>までを抜きたいのです。

＞５．HTMLタグと文字全て
＞^.*$

yahoo!pipesには「ｇ」「ｓ」「ｍ」「i」のオプションがあり、現在
^.*$
にｇとｍをつけています。

１と２の対応で処理時間が少し短くなりました。