正規表現で16本の記事を壊した。「どこまで取るか」を図にした

• 既定の指定は取れるだけ取る。これが事故のもとになる
• 最小で止める指定を付けても、改行に合う指定を一緒に付けると区切りを越える
• 実際にこのサイトで16本の記事の本文を壊した

このサイトの出典の書き方を直す置換を書いて、記事16本の本文を丸ごとリンクにしたことがある。原因は正規表現の「どこまで取るか」だった。

既定は「取れるだけ取る」

仕様の説明はこうなっている。

既定では * や + のような量指定子は貪欲（greedy）であり、できるだけ多くの回数に合わせようとする。

そして、最小で止めるほうはこう書かれている。

量指定子のあとに ? を付けると非貪欲になる。つまり、最小の回数が見つかった時点で止まる。

公式の例が分かりやすい

対象が some <foo> <bar> new </bar> </foo> thing のとき、結果はこうなる。

書いたのは同じ1文字の違いで、取れる範囲がこれだけ変わる。

実際に壊したときの話

出典の一覧で、リンクの文字をURLそのものから名称に変えたかった。書いたのは、おおよそこういう形だった。

<li>(.*?)<a href=… に、改行にも合う指定を付けたもの

最小で止める指定は付けている。それでも足りなかった。

なぜ越えたか

最小で止めるのは「次に続きが見つかるところまで」であって、「区切りの手前まで」ではない。

1つ目の項目の中に続きが無ければ、区切りを越えて次の項目まで探しに行く。改行に合う指定を付けたことで、行をまたぐことも妨げられなかった。

結果、項目と項目の間にあった本文がまるごとリンクの中に入った。記事を開くと、本文全体が青い下線になっていた。16本すべてで同じことが起きた。

直し方と、入れた検査

直した形は単純で、一息に書くのをやめた。

1. まず <li>…</li> を1件ずつ取り出す
2. 取り出したその中だけを置換する
3. 置換後にリンクの中にブロック要素が入っていないかを調べる
4. 入っていたら書き戻さずに中止する

3番目と4番目が要点になる。壊れたことを、公開する前に機械で気づける形にする。見た目で確認する運用にすると、16本あれば必ず見落とす。

決めたこと

この一件から、置換を書くときの決まりを2つ置いた。

• 本文をまたげる書き方をしない。区切りで先に切ってから中を処理する
• 書いてしまったら、必ず検査を付ける。検査が無い置換は流さない

以後の置換は、先読みで区切る形だけを使っている。サーバー側の検査と同じ考え方で、信用せずに確かめる側を用意する。

覚えておく書き方

1行目が効いてくる。改行に合わないのが既定だからこそ、改行に合う指定を足した瞬間に範囲が広がる。

行単位で絞る話はgrepは行ごとに見ているだけに書いた。あちらは行をまたがないことが守りになっている例になる。

まとめ

• 既定の量指定子はできるだけ多くの回数に合わせようとする
• 後ろに ? を付けると最小の回数で止まる
• 最小で止めても、区切りの手前で止まるわけではない
• 改行に合う指定を足すと行をまたぐ。これで16本を壊した
• 直し方は区切りで先に切り出してから、中だけ処理する
• 置換には壊れを機械で見つける検査を必ず付ける

出典

• MDN Web Docs「量指定子」（貪欲・非貪欲の定義と、<.*> と <.*?> の例。2026年10月13日に確認）

図は本記事のために作成したもの。壊した件は、このサイトで2026年10月に実際に起きたもの。