[PHP-users 27724] Re: 定型フォーマットのログ変換

[nomoto]

  nomotoです。

>つまり、ログの移行をしたいのですが、preg_replace を使うとものすごく複雑になってしまいます。

わたしもよくHTMLの切り出しをしますが、固定の部分（発言内容などの
可変な部分にも現れないタグ部分）を見つけて、それで判断するのが基本です。

ただし、１発言分を１個の正規表現で取り出そうと無理をすると、メール
アドレスが無かったり、発言内容にタグが入っていたりした場合に、うまく
切り出せないといった事が起きてしまいますので、ベタですが１行ずつ
判定してフラグを立てながら処理するのが確実です。

この例であれば

1.発言の始まり　<td align="center"><img src="icon/
2.画像ファイル名　<img src="icon/(.*?.gif)"
3.発言番号/タイトル　<td>No.(\d+) (.*?)<br>
4.メールアドレス　<td><a href="mailto:(.*?)">
5.ＵＲＬ　<td><a href="(http.*?)"
6.投稿内容　<td colspan="2">(.*?)</td>
7.１発言の終了(ここでデータ書き出し)　</table>

といった感じでしょうか。投稿内容にtdやtrが無い事が前提です。

メール無しでURLがあるときや、メールもURLも無くて投稿があるときにも
6.の判定のときに「発言番号を見つけた後で・・」という条件をつければ
拾い漏れもおきないと思います。