⌨️
【正規表現】改行コードの落とし穴（覚え書き）
PenCakeという日記アプリのパーサーを書いていて、改行コードへの無知のためにハマった話です。
覚え書きなので文章としてはグダグダです。
本文
まずこんな内容のテキストファイルがあって、
Hello
Mon, Dec 20, 2021 6:25 PM
Hello, Pencake!
...
...
この３つの要素（上から順にタイトル、日時、本文）を別々に取り出したくて、
(.*)\n\n(.*)\n\n([\s\S]*)
こんなパターンを書いたが、マッチしない。
紆余曲折の後、Xcodeのデバック機能でランタイム上のテキストを表示させてみると、改行文字が\nではなくて\r\nの２文字になっているのを発見。
調べてみると、改行コードは\nだけじゃなくて、以下の３種類があるらしいということがわかった。
| 名前 | 記号 | 意味 | OS |
|---|---|---|---|
| LF(Line Feed) | \n |
キャレットを左端へ戻す | UNIX系全般 |
| CR(Carriage Return) | \r |
キャレットを次の行に移す | 旧MacOS |
| CRLF(CR + LF) | \r\n |
キャレットを左に戻してから次の行へ移動 | Windows系全般 |
どうやらそのアプリの使用上、エクスポートしたファイルの改行コードはCRLFになるようだった。iOSアプリなんだったらLFにしてくれや。
なので改行コードが上記のいずれであっても正確にマッチするように、２つ連続した改行コードは
(\n{2}|(?:\r\n){2})
と表せるので、結果的に
(.*?)(\n{2}|(?:\r\n){2})(.*?)\\2([\\s\\S]*)
として解決。
追記
このNSRegularExpressionのラッパーライブラリが便利です。
参考リンク
Discussion