HTMLのタグ属性で指定された特定文字列を置換する

Question

HTMLで、開始 < と終了 > に囲まれた特定の文字列を別の文字に書き替えたいのですが、思う通りに動かなくて困っており、質問させていただきます。

例えば以下の2行のHTMLがあったとします。
　赤は英語でredです。
　赤は英語でredです。

このHTMLで、タグの属性として使われている「color="red"」と「style="color:red;"」の部分だけ「red」を「black」に変更したいのです。
（文字列として使われている「英語でredです」の部分はそのまま）

秀丸やさくらエディタで正規表現を使って検索すると、
<.+?red.+?>
で検索できましたがJavaでは検索ができません・・・。

コード：
String strHtml = "<html><body>赤は英語でredです。赤は英語でredです。</body></html>";
Pattern pattern = Pattern.compile( "<.+?red.+?>", Pattern.DOTALL ); // 正規表現で検索
Matcher matcher = pattern.matcher( strHtml );
while( matcher.find() ){
System.out.println( "res=" + matcher.group( 0 ) );
}

出力結果：
res=<html><body>
res=
res=<html><body>赤は英語でredです。赤は英語でredです。</body></html>

エディタと同じようにとが取りたいのですが・・・、考え方もしくは正規表現が間違っているのでしょうか？
お分かりの方がいましたら御助力いただけたら助かります。
よろしくお願いします。

KSOH · Accepted Answer

知っていいるわけではなくプログラムの動作からの類推になってしまうのですが・・・

A.+?B

最短一致パターン .+? は後続するパターンBの出現でマッチする文字列をそれ以上延ばさないという意味だけれども、最短一致パターンの前にあるAについて最後に出現したAの位置からマッチさせるという意味はないようですね。
よって最後に出現したＡからマッチさせたい場合は最短一致パターンに依存しない別の方法を使う必要があるのだと思います。今回の例だと最短一致パターンの前は固定文字'<'なので'<'以外の文字の繰り返しというふうに記述するとエディタに指定したパターンと同様の意味のマッチングができるようです。

"<[^<]+red.+?>"
"<[^<]+?red.+?>"

（本件の場合はどちらでも結果は変わらないと思います。）

本来はどのような仕様なのかAPI Documentに書いてある文献『Mastering Regular Expressions, 3rd Edition』(Jeffrey E. F. Friedl 著、O'Reilly and Associates、2006 年) をみるべきなのでしょうが・・・すみません。持ってないのでみてません。

HTMLのタグ属性で指定された特定文字列を置換する

知っていいるわけではなくプログラムの動作からの類推になってしまうのですが・・・

関連するカテゴリからQ&Aを探す

デイリーランキングこのカテゴリの人気デイリーQ&Aランキング

マンスリーランキングこのカテゴリの人気マンスリーQ&Aランキング