Objective-Cでの正規表現によるマッチ文字列取り出し

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。

NSString* pattern = @"(<img.*?src=\\\")(.*?)(\\\".*?>)";
NSRegularExpression* regex = [NSRegularExpression regularExpressionWithPattern:pattern options:NSRegularExpressionCaseInsensitive error:&error];

Rubyだとこうですね。

regex = 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。

NSTextCheckingResult *match= [regex firstMatchInString:self.content options:NSMatchingReportProgress range:NSMakeRange(0, self.content.length)];

NSArray *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。

regex = /ho(geho)/
str = "hogehoge"
m = str.match(regex)
m[0] # => "hogeho"
m[1] # => "geho"

追加したコード全文

HTML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。

- (NSArray *)images {
    if (!self.content){
        return nil;
    }

    NSMutableArray *results = [NSMutableArray new];
    NSString* pattern = @"(<img.*?src=\\\")(.*?)(\\\".*?>)";

    NSError* error = nil;
    NSRegularExpression* regex = [NSRegularExpression regularExpressionWithPattern:pattern options:NSRegularExpressionCaseInsensitive error:&error];

    if (error == nil){
        NSArray *matches = [regex matchesInString:self.content options:0 range:NSMakeRange(0, self.content.length)];
        for (NSTextCheckingResult *match in matches){
            [results addObject:[self.content substringWithRange:[match rangeAtIndex:2]]];
        }
    }
    return results;
}

@end☄

正規表現といえば

昔作ったこんなのがあります。

Regex Replace

それについて書いたポスト。

Rubyの正規表現でテキストの置換ができるWebサイト - PILOG