問題点を見つけたのですが、正規表現だけではどうにも対応ができませんでしたので、面倒くさい事をしています。
re, _ := regexp.Compile(`(^|\s)(@|https?://)\S+`)
re2, _ := regexp.Compile(`^\s*|\s*$`)
for _, v := range target {
// "いいいい @abcde ssadsa" => "いいいい ssadsa"
fmt.Printf(" Replace: %#v\n",
re2.ReplaceAllString(re.ReplaceAllString(v, ""), ""))
// "いいいい @abcde ssadsa" => "いいいいssadsa"
splitted := re.Split(v, -1)
for i, v := range splitted {
splitted[i] = re2.ReplaceAllString(v, "")
}
fmt.Printf("Split&Join: %#v\n", strings.Join(splitted, ""))
}
実は、以下の正規表現を使用して、
(^|\s)(@.+?|https?.*?)($|\s)
以下の文字列に対して ReplaceAllString()
を実行すると、
"@abcde https://t.co/aaa あああ"
=> "https://t.co/aaa あああ"
となってしまいます。本来は、
"あああ"
となるはずです。理由は、、お分かりかと思います。
追記
Perl で試してみると、
$str = '@abcde https://t.co/aaa あああ';
$str =~ s/(^|\s)(@.+?|https?.*?)($|\s)//g;
print $str . "\n";
=> https://t.co/aaa あああ
同じ結果になります。そこで、否定的先読み(negative lookahead)を用いると、期待する結果が得られます。
$str = '@abcde https://t.co/aaa あああ';
$str =~ s/((^|\s)(@|https?:\/\/)\S+)|(\s(?!(@|https?:\/\/)))//g;
print $str . "\n";
=> あああ
ですが、golang の regexp package では否定的先読みを使うことができません(NOT SUPPORTED)。
そこで、PCRE package を使います。まずは go get
で package をインストールします。
$ go get github.com/glenn-brown/golang-pkg-pcre/src/pkg/pcre
以下はテストプログラムとその実行結果です。
test_regexp.go
package main
import (
"fmt"
"github.com/glenn-brown/golang-pkg-pcre/src/pkg/pcre"
)
func main() {
target := []string{
"@abcde https://t.co/aaa あああ",
"いいいい @abcde ssadsa",
"https://t.co/bbb うううう @abcde",
"sadw@dasdwdw",
"ええ @bar.baz @foo xyz",
"@bar.baz https://t.co/ccc おお @xyz [email protected]",
}
re, _ := pcre.Compile(`((^|\s)(@|https?://)\S+)|(\s(?!(@|https?://)))`, 0)
for _, v := range target {
fmt.Printf(" Source: %#v\n", v)
fmt.Printf("Replaced: %#v\n", string(re.ReplaceAll([]byte(v), []byte(""), 0)))
}
}
実行結果
$ go run test_regexp.go
Source: "@abcde https://t.co/aaa あああ"
Replaced: "あああ"
Source: "いいいい @abcde ssadsa"
Replaced: "いいいいssadsa"
Source: "https://t.co/bbb うううう @abcde"
Replaced: "うううう"
Source: "sadw@dasdwdw"
Replaced: "sadw@dasdwdw"
Source: "ええ @bar.baz @foo xyz"
Replaced: "ええxyz"
Source: "@bar.baz https://t.co/ccc おお @xyz [email protected]"
Replaced: "おお[email protected]"