正規表現の使い方と利用タイミング

正規表現に詳しくないなら、その使い方やいつか使うのかをわかりませんね。このチュートリアルでは簡単に説明いたします。

1. 文字列から必要な情報を取得します（正規表現で一致する文字列を取得）

必要なデータが固定文字列で始まる/終わる場合、Octoparse 正規表現ツールを使うと簡単に取得できます。以下は、最も一般的な2つの使用例です。

• HTMLからURLsを取得する

ご存知のように、ほとんどのURLはよく似ています。 一般的なURLは、「https」で始まり、「.com」または「.html」で終わるのですね。また、そのような同じ形式がなくても、同じ文字列があることもあります。

• HTMLから「隠された」情報を取得する

同じ方法を使用して、星の評価など、「隠れた」HTMLデータを取得できます。ページ上の要素のHTMLを抽出すると、要素内に含まれるHTMLマークアップを取得します。データの共通点を把握し、最も困難な作業（正規表現の作成）をOctoparse 正規表現ツールに任せることができます。

2. 長いテキストから不要な情報を削除します（正規表現による文字列置換）

• 不要なスペースを削除する

ほとんどの場合、正規表現の作成作業をOctoparse に任せることができます。ただし、略記文字を直接入力することで、より簡単で高速になることもあります。以下は、Octoparseで最も頻繁に使用される文字です。

正規表現の詳細については、以下の記事を参照してください。

ソースコードからデータを抽出する

Octoparse正規表現ツール