がとらぼ
INTAA.NET

WordPressの一括変換用Search Regexプラグイン

WordPressで記事が増えてきたころに一括で修正したいようなことってよくあると思うんだけど、Wordpress自体はそういう一括修正のようなものは機能として持っていないので手作業となるとどえらく苦労することに。まぁ事実上無理。
そこでSearch Regexプラグインの登場になるわけだけどググっても単純な文字列の置換についての紹介しか見かけないので書いてみた。

Search Regex 1
画像1;
管理画面のツールから「Search Regex」を選ぶ。このツールは管理者画面では1項目だけ。ツールの操作画面も1つだけ。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
<p>桜</p>

<a href="http://example.com/page1.html">リンク1</a>

<a href="http://example.com/page2.html">
リンク2
</a>

<a href="http://example.com/"><br />リンク3</a><br /><a href="http://example.net/"><br />リンク4</a>

大小HijK

0123456789

<img src="http://example.com/dir/abc.webp" />
<img src="http://example.com/dir/def.webp" />
<img src="http://example.org/dir/abc.webp" />
<img src="http://example.org/dir/def.webp" />

信号機の色は赤です

16/05/04
2016/05/04

上のような投稿があったとして、以下はこの内容を置換するものとする。
この記事では投稿1つだけのテストサイトでやってるので検索結果や置換結果が少ないけど、実際には全ての投稿や固定記事(など)を対象とするので置換対象が膨大になる場合がある。なお、膨大といっても数万程度ならこのプラグインはサクッと処理できるので大丈夫。大変なのは確認かな。

Search Regex 2
画像2;
まずは単純な文字列の置換。Windowsの低機能な「メモ帳」にすら実装されている普通の置換機能と同等なので難しいことはない。
Source(WordPressのどの部分を対象とするか)はPost content (投稿と固定記事の本文のこと)を指定。 Search patternには置換対象(マッチさせる文字列)、Replace patternには置換文字列を指定する。
[Search]を押すとSourceからマッチするパターンを探して表示するだけで置換後の表示は無い。データベースは書き換えない(保存されない)ので何度でも試行錯誤できる。
[Replace]を押すとSourceから置換対象を探してマッチするものを表示すると共に置換したらどうなるかも表示する。これもデータベースを書き換えないので何度でも試行錯誤できる。
[Replace & Save]を押すと置換対象を探し置換してデータベースを書き換える。実行してしまうと戻せないような事態もあるので置換対象や置換したらどうなるかもしっかり確認するまではこのボタンは押さない。
上の画像は「桜」というのを「さくら」に変えたいという場合。単純に置換対象と置換文字列を指定して[Replace]を押した。
下の方に結果が表示される。緑塗りになっているのが検索対象の前後を含む文字列でその中で赤い部分がマッチした検索対象文字列。
黄色塗りになっているのが置換後の状態で前後の文字列を含む。その中で赤い部分が置換文字列。

ここからがこのSearch Regexの本領部分。

たとえばexample.comへのリンクを全て消し去りたい場合は基本的には下のようなタグを探すことになる。

<a href="http://example.com/○○">□□□</a>

おそらくリンク毎に○○や□□□の部分がバラバラなのでワイルドカードや正規表現を必要とする。そこでSearch Regexの正規表現モードを使うために「Regex:」にチェック。
正規表現モードのときは「Regex:」にチェックするだけでなく置換対象の文字列(置換パターン)をデリミタ / で挟む。←この1行見ただけで正規表現を扱い慣れている人は後を読む必要は無いかも。 逆に正規表現に馴染みがないと扱いにくいと思うかもなので下を頭の片隅にでも。

使い方の基本ルール

  • 既に書いたが / で置換対象の文字列を挟む。 例: /置換対象/
  • 行頭をマッチさせたいならMultilineモードで置換対象に^を付ける。 例: /^置換対象/
  • 行末をマッチさせたいならMultilineモードで置換対象に$を付ける。 例: /置換対象$/
  • 幾つかの特殊文字 /  .  *  +  ^  $  [  ]  (  )  {  }  \  |  などはエスケープが必要。
  • ワイルドカードは .* として使う * だけでは機能しない。(何か変だが)
  • 最長一致と最短一致を意識する。 最短一致で使いたい場合は .*? のように使う。
  • コードは途中で改行されて複数行で記述されているかもしれないことを意識する。

エスケープの例
普通に考えて<a href.*example.com.*</a> とするところを
<a href.*example\.com.*<\/a> のように特殊文字の直前に \ を付ける。

なお、\ は日本語環境だと半角の円記号 ¥ を使う。(←の¥は半角の円記号ではないので注意)

Search Regex 3
画像3;
普通に考えて /<a href.*example\.com.*<\/a>/ を置換対象とした。Regexにチェックして検索ボタンを押したところが上の画像。
リンク1は思惑通りにマッチした。しかし、リンク2はマッチせず、リンク3はマッチしているもののリンク4の終わりの</a>まで繋がってマッチしているので正しくない。
これは複数行を探していないのとパターンマッチの規則が最長一致だから。

Search Regex 4
画像4;
最短一致で抽出したい。そこで置換対象を /<a href.*?example\.com.*?<\/a>/ にする。つまり「?」を追加した。
その結果が上の画像。こんどはリンク1はもちろんリンク3も正しくマッチして、リンク4は (example.netは対象外なので)マッチしていない(正しい動作)。ただしリンク2はマッチしていない。

Search Regex 5
画像5;
リンク2もマッチさせたいので複数行に対応させる。画像4の置換対象のワイルドカード部分に . を含んでいるので「改行も含むすべての文字にマッチ」するモード(perlの正規表現でいうSinglelineモード)でパターンマッチする。(複数行を1行としてパターンマッチさせるので普通に想像するシングルラインとは意味が逆になる)
Search Regexには「dot-all」モードがあるのでチェックすると上の画像。
こんどは複数行に分かれて書かれたリンク2も思惑通りマッチした。
なお、Search RegexのResult欄は改行は無しで表示されるので念の為。

Search Regex 6
画像6;
dot-allにチェックしないで画像5と同じ結果を得るなら直接パターンマッチ演算子の s を付けて /マッチさせる文字列に.を含む/s のようにする。パターンマッチ演算子を直接付けて機能するんだったらSearch RegexプラグインのチェックボックスはRegexだけで良いんじゃないかと思うんだけど・・どうせ正規表現知らなきゃ使えない部分だし。

ついでにMultilineモードだけど、例えば行頭から0123のような文字列で始まるものをマッチさせたい場合に検索対象を /^0123/ とする。789が行末のような文字列をマッチさせるには検索対象を /789$/ とする。これを使うときはSearch Regexの「Multiline:」にチェックする。またはチェックはしないでパターンマッチ演算子の m をつけて /^0123/m や/789$/m のようにする。
初稿は寝ぼけてSearch RegexのMultilineのチェックが機能してないとかウソ書いてた、スミマセン。

Search Regex 7
画像7;
アルファベットの大文字小文字を無視して検索する場合は「case-insensitive:」にチェックを付ける。またはRegexオプションとして(デリミタの後に)iを付ける。例: /置換対象/i
上の画像では全て小文字のhijkで検索すると大文字小文字混ざりのHijKが思惑通りマッチした。

Search Regex 8
画像8;
パターンの一部をグループとして取り出した置換もできる。
上の例では0123456789から34の部分と78の部分をワイルドカードを括弧で括った2つのグループとして抜き出した。
そのグループを置換文字列として出力する。出力先は$1 $2などなど置換文字列側の括弧で括った順番に対応して数字を付ける。逆に並べて $2 $1 のようにしたり $1 $1 などのように同じグループを複数回使用することも当然できる。

Search Regex 9
画像9;
括弧で括った部分が1グループなので上の画像のようにexample.comという文字列を含むURL部分を最短一致で抜き出したものをグループとして抜き置換した。
もちろんexample.orgにはマッチしていない。こういう使い方をすることは何気に多い筈。特に大量にある場合はこういうの出来ないと大変。

Search Regex 10
画像10;
いずれかの文字列(選択パターン)をグループとして抜き出すことも可能。上の例だと /信号機の色は(青|黄|赤)です/ で青、黄、赤のいずれかであればマッチして抜き出される。だから「信号機の色は緑です」だとマッチしない。

Search Regex 11
画像11;
対象文字を絞り込んだり文字数を指定した(文字集合)パターンも作れる。上の例だと /([0-9]{4}\/([0-9]{2}\/([0-9]{2})/ で数字4文字/数字2文字/数字2文字のパターン(例: 2016/05/05)にマッチした場合にその各要素を抜き出している。年月日の区切りの / はエスケープが必要なので \/ になっている。

Search Regexプラグインの使い方というより正規表現のことしか書いてない感じになってるのでこれで終わり。正規表現の方も触りだけだけど。

PHP7.0でPiwik

PiwikはGoogleアナリティクスみたいなリアルタイム反映のウェブサイトのアクセス解析ツール。高機能なアクセス解析ツールを使いたいけどアクセス情報をGoogleなど外部に取られるのは嫌で自前でやりたいというならとても良い。でも、処理が重いので公開しているウェブサイト数が多かったりアクセス多めなら別サーバでやった方が良いかも。
今回は久しぶりにPiwikを入れてみたのでその備忘録。

解析したいウェブサイトに一つでもHTTPSサイトがあるならPiwik側もHTTPS対応にしておいた方が良い。
NginxでやるならvHostの最低限の設定ファイルはこんな感じ。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
server {
  listen                       80;
  server_name                  piwik.example.com;
  access_log                   /var/log/piwik_access.log;
  error_log                    /var/log/piwik_error.log;

  location / {
    root                       /usr/local/www/piwik;
    index                      index.php;

    location ~ ^/(.*\.php).*$ {
      fastcgi_split_path_info  ^(.*\.php)(.*)$;
      include                  fastcgi_params;
      fastcgi_pass             unix:/var/run/php-fpm.sock;
      fastcgi_index            index.php;
      fastcgi_read_timeout     1200;
      fastcgi_param            SCRIPT_FILENAME  $document_root$fastcgi_script_name;
    }
  } 
}

server {
  listen                       443 ssl;
  server_name                  piwik.example.com;
  access_log                   /var/log/piwik_access.log;
  error_log                    /var/log/piwik_error.log;

  ssl_certificate              /usr/local/etc/nginx/ssl/piwik/server.crt;
  ssl_certificate_key          /usr/local/etc/nginx/ssl/piwik/server.key;
  ssl_dhparam                  /usr/local/etc/nginx/ssl/piwik/dhparams.pem;
  ssl_trusted_certificate      /usr/local/etc/nginx/ssl/piwik/trusted.crt;
  ssl_protocols                TLSv1.2 TLSv1.1 TLSv1;
  ssl_ciphers                  EECDH+AESGCM:EDH+AESGCM:AES256+EECDH:AES256+EDH;
  ssl_prefer_server_ciphers    on;
  ssl_session_cache            shared:SSL:10m;
  ssl_session_timeout          10m;
  ssl_stapling                 on;
  ssl_stapling_verify          on;
  resolver                     8.8.8.8 8.8.4.4 valid=300s;
  resolver_timeout             5s;

  gzip                         off;

  location / {
    root                       /usr/local/www/piwik;
    index                      index.php;

    location ~ ^/(.*\.php).*$ {
      fastcgi_split_path_info  ^(.*\.php)(.*)$;
      include                  fastcgi_params;
      fastcgi_pass             unix:/var/run/php-fpm.sock;
      fastcgi_index            index.php;
      fastcgi_param            HTTPS on;
      fastcgi_read_timeout     1200;
      fastcgi_param            SCRIPT_FILENAME  $document_root$fastcgi_script_name;
    }
  }
}

2016年5月上旬現在のStable版のPiwikはPHP7.0では動かないのでGitHubから開発版を落として解凍。
FreeBSDの場合はportsにPiwikがある(www/piwik)が、それはStable版なのでphp7.0では動作しない。
PHPのキャッシュ系は停めておいた方が無難。
MySQLはPiwik用ユーザーとPiwik用の空のテーブルを作成してPiwik用ユーザーにそのテーブルの全権を与えておけば良い。

PIWIK 1
画面1:
インストールしたPiwikをブラウザで開く。URLは当然設定によるわけだがhttps://piwik.example.com/またはhttps://example.com/piwik/みたいな感じで良い筈。
いきなりエラー画面だが慌てずにメッセージを読む。上の画像の中央の赤枠部分(実際には赤枠は無い)のメッセージに従ってPiwikをインストールしたディレクトリでコマンドを実行。ここはFreeBSDでもLinuxでも書いてあるままのコマンドでいける筈だが、既にgitを使える状態でないと途中でエラーになるのでコマンド実行前にgitをインストールしておくこと。

FreeBSDのgitインストール
おそらく依存関係解決のために大量に欲しくもないports(パッケージ)をインストールされる筈なので覚悟が要る。

cd /usr/ports/devel/git
make install

PIWIK 2
画面2:
コマンド実行が正常に終了したら再度ブラウザでPiwikを表示。今度は「ようこそ」画面が表示される筈。「次へ」ボタンを押す。

PIWIK 3
画面3:
システムの確認画面で必要条件を満たしているか確認する。基本的には全ての項目で緑のチェックマークが付けば良いが、いくつかの項目は緑チェックにならなくても構わないと書いてあるのでその項目は条件に合致すれば無視。「次へ」ボタンを押す。

PIWIK 4
画面4:
セットアップ済みのMySQLのアクセス設定を入力。最近はパスワードをランダムで長く複雑なものにするのはもちろんユーザー名やテーブル名なども推測できないものにした方が良い。PHP7.0の場合はアダプタはmysqliが良い。もちろんPHP7.0側もmysqliモジュールが有効になっていること。「次へ」ボタンを押す。

PIWIK 5
画面5:
データベースへの接続が正常に行えればこの画面。「次へ」ボタンを押す。

PIWIK 6
画面6:
管理者登録画面。最近はパスワードをランダムで長く複雑なものにするのはもちろんユーザー名も同じく推測できないものにした方が安全。「次へ」ボタンを押す。

PIWIK 7
画面7:
ウェブサイトのセットアップ画面。ここでいうウェブサイトとはアクセス解析対象のウェブサイト(の1つめ)のこと。サイト名とURLを登録する。タイムゾーンは普通はTokyoを選べば良い。「次へ」ボタンを押す。

PIWIK 8
画面8:
上の画面7で登録した1つ目のアクセス解析対象サイト用のタグが表示される。Googleアナリティクスと同様にこのタグをアクセス対象サイトのHTMLヘッダの最後に入れる。後で管理画面からこのタグを表示させることができるのでここでタグのコピーや保存が必須というわけではない。「次へ」ボタンを押す。

PIWIK 9
画面9:
「おめでとうございます」の表示が出る。この画面の下の方にチェックが2つある。下側のチェックは日本では外して良い筈。「Piwikを続ける」ボタンを押す。
インストールは終わり。

PIWIK 10
画面10:
ログイン画面が出るので画面6で登録した管理者アカウントでログインする。

PIWIK 11
画面11:
ダッシュボードが表示される。アクセス解析対象サイトの一覧が出る場所だが、まだ画面7で登録した1つのウェブサイトしか存在しない。
アクセス解析対象サイトのページをいくつか見ても「ビジット」や「ページビュー」の数字がゼロのままの場合は表示対象期間に本日が含まれていない可能性があるので上の画像の赤枠部分(実際には赤枠はない)で本日が含まれる期間を選択する。
一応、個人設定に「デフォルトで読み込むリポートの日付」という項目があって今日を含むように設定できるがときどきおかしくなるので。

PIWIK 12
画面12:
上の画面11の青字のアクセス解析対象サイト名をクリックするとそのサイトのアクセス状況がいろいろ出てくる。ここで「ビジット」や「ページビュー」の数字がゼロのままの場合は画面11と同じく表示対象期間に本日が含まれていない可能性があるので左上の上の画像の赤枠(実際には赤枠はない)で本日が含まれる期間を選択する。
他のレポートページも表示期間には注意する。

PIWIK 13
画面13:
左メニューから「ビジット」→「リアルタイムマップ」を選択してからアクセス解析対象サイトをブラウザで表示する。このとき、黄土色の丸が表示されなければ何か問題がある。画面右上のを選択し、左メニューから「ジオロケーション」を選択してGeoIP関係の設定を確認する。

標準で有効になっているプラグインのいくつかは不要なので無効にする。有用そうなプラグインがあればインストールする。現在はプラグインがまだ全て無料なので早めに。(でもそんなに有用だと思えるのが見つからない・・)
こんな感じ。

Up