Objective-Cのmwaterfall/MWFeedParserというRSSフィード解析ライブラリを使っていて不便だったことに、本文中の画像URLを得る方法がないというものがありました。幸いHTMLタグ付きの本文を持っていたのでその中からimgタグをもってきてやろうということでインターフェースを用意して実装しプルリクしておきました。
プルリクの件はさておき、Objective-Cの正規表現がRubyやPerlと比べるとそれはもう使いづらかったのでメモっておきます。何しろ普通の文字列抽出からして辛かったので。。。
正規表現を
NSRegularExpression
正規表現オブジェクトはNSRegularExpressionで作ります。
例えばこんなふうに書きます。
1NSString* pattern = @"(<img.*?src=\\\")(.*?)(\\\".*?>)";
2NSRegularExpression* regex = [NSRegularExpression regularExpressionWithPattern:pattern options:NSRegularExpressionCaseInsensitive error:&error];
Rubyだとこうですね。
1regex = Regexp.new("(<img.*?src=\\\")(.*?)(\\\".*?>)")
マッチングする
マッチングにはfirstMatchInStringやmatchesInStringを使います。
1NSTextCheckingResult *match= [regex firstMatchInString:self.content options:NSMatchingReportProgress range:NSMakeRange(0, self.content.length)];
1NSArray *matches = [regex matchesInString:self.content options:0 range:NSMakeRange(0, self.content.length)];
これがもうわけわかんなくて、NSTextCheckingResultという全く直感的ではない名前のオブジェクトが返ってきます。こいつはrangeAtIndexというのを持っていて、index=0を渡すとマッチ全体が、index=1などとすると括弧でグループにした部分マッチの文字列中のインデックスをRangeで返してくれます。
なのでマッチした文字列そのものを取り出す場合は元の文字列のsubstringWithRangeを使う必要があるわけです。
Rubyならそんなことはしなくてもいいですね。
1regex = /ho(geho)/
2str = "hogehoge"
3m = str.match(regex)
4m[0] # => "hogeho"
5m[1] # => "geho"
6```☄
7# 追加したコード全文
8
9HTML文書から`img`タグの`src`を引っ張ってくるコードは次のようになりました。`self.content`にHTMLの本文が入っています。
10
11```objc
12- (NSArray *)images {
13 if (!self.content){
14 return nil;
15 }
16
17 NSMutableArray *results = [NSMutableArray new];
18 NSString* pattern = @"(<img.*?src=\\\")(.*?)(\\\".*?>)";
19
20 NSError* error = nil;
21 NSRegularExpression* regex = [NSRegularExpression regularExpressionWithPattern:pattern options:NSRegularExpressionCaseInsensitive error:&error];
22
23 if (error == nil){
24 NSArray *matches = [regex matchesInString:self.content options:0 range:NSMakeRange(0, self.content.length)];
25 for (NSTextCheckingResult *match in matches){
26 [results addObject:[self.content substringWithRange:[match rangeAtIndex:2]]];
27 }
28 }
29 return results;
30}
31
32@end☄
正規表現といえば
昔作ったこんなのがあります。
それについて書いたポスト。