Thinking Archive(仮)

• $NEST(start match, [inner match,] end match)

  $NEST(start match, [inner match,] end match)

  開始タグと終了タグで括られたパターンにマッチ。入れ子になっていても正しい組み合わせを認識する。

  補足情報

  制限

  検索表現のみ

  フィルタの種類

  全て (ただし、主にWebフィルタ)

  $NEST(<a\s[^>]+>,</a>) のように inner match を省略することが出来ます。
  開始タグは正しいタグの形をしている必要はなく、$NEST(<a\s,</a>) でも動作します。

  inner match を省略した $NEST はアスタリスクで「$NEST の inner match 分」を消費した表現よりも高速に動作します。
  $NEST(<a\s,</a>) は <a\s*</a> よりも高速に動作する、という事です。

  入れ子チェックの原理

  以下のhtmlソースにマッチさせる表現を考えてみましょう。

  htmlソース

  <div class="ad">
  	<div class="ad1">
  		<a href="http://sample1.ad.com/">広告1</a>
  		<a href="http://sample2.ad.com/">広告2</a>
  		<a href="http://sample3.ad.com/">広告3</a>
  	</div>
  	<div class="ad2">
  		<a href="http://sample1.ad.com/"><img src='http://sample1.ad.com//ad.png' alt='広告1' /></a>
  		<a href="http://sample2.ad.com/"><img src='http://sample2.ad.com//ad.png' alt='広告2' /></a>
  		<a href="http://sample3.ad.com/"><img src='http://sample3.ad.com//ad.png' alt='広告3' /></a>
  	</div>
  </div>
  

  上記ソースでは、広告は <div class="ad">...</div> で括られています。$NEST風にマッチさせるなら、以下のようになるでしょうか。

  $NEST(<div\s[^>]++class=$AV(ad),</div>)
  

  実際にテストしてみると、ん…？ 上半分の広告にしかマッチしませんね。

  サンプルコードにマッチした後のhtmlソース

  	<div class='ad'>
  		<a href='http://sample1.ad.com/'><img src='http://sample1.ad.com//ad.png' alt='広告1' /></a>
  		<a href='http://sample2.ad.com/'><img src='http://sample2.ad.com//ad.png' alt='広告2' /></a>
  		<a href='http://sample3.ad.com/'><img src='http://sample3.ad.com//ad.png' alt='広告3' /></a>
  	</div>
  </div>
  

  これは $NEST で陥りがちな失敗です。
  $NEST は start match と end match で括られた文字列の入れ子をチェックしています。 つまり、先ほどのコードでは <div\s[^>]++class=$AV(ad) と </div> で括られた文字列をチェックしていたことになります。
  中央にある2つのdiv要素には、class='ad' が存在しないため、入れ子とは見なされなかったのです。

  この状況を打開するためには、div要素 に必ずある文字列を start match に入れる必要があります。

  $NEST(<div\s,[^>]++class=$AV(ad)*,</div>)

  <div\s はどのdiv要素にも含まれていたので、上記表現で入れ子を正しく判定できます。

  $NESTの入れ子チェック

  $NEST(<div,</div>)

  <div の入れ子をチェックするので、期待通りに動作する

  $NEST(<div\sclass=$AV(ad),</div>)

  <div\sclass=$AV(ad) の入れ子をチェックするので、期待通りに動作しない

  $NEST(<div,\sclass=$AV(ad)*,</div>)

  <div の入れ子をチェックするので、期待通りに動作する

  当然ですが、$NESTの入れ子チェックで問題になるのは、入れ子がある状況に限ります。 例えば、a要素 は「入れ子を作ってはいけない」とHTMLで決まっているので、$NEST(<a\s[^>]++href=$AV(http://abc.com/*),</a>) と書いて問題ありません。