التعبيرات العادية في جافا، الجزء 1

نلفت انتباهكم إلى ترجمة دليل قصير للتعبيرات العادية في لغة جافا، كتبه جيف فريسين لموقع JavaWorld . ولتسهيل القراءة قمنا بتقسيم المقال إلى عدة أجزاء.

استخدام واجهة برمجة تطبيقات التعبير العادي في برامج Java للتعرف على الأنماط ووصفها

توفر أحرف Java وأنواع بيانات السلسلة المختلفة دعمًا منخفض المستوى لمطابقة الأنماط، ولكن استخدامها لهذا الغرض عادةً ما يضيف تعقيدًا كبيرًا في التعليمات البرمجية. يتم الحصول على تعليمات برمجية أبسط وأكثر أداءً باستخدام Regex API ("Regular Expression API"). سيساعدك هذا البرنامج التعليمي على البدء باستخدام التعبيرات العادية وواجهة برمجة تطبيقات Regex. سنناقش أولاً الفئات الثلاثة الأكثر إثارة للاهتمام في الحزمة بشكل عام java.util.regex، ثم نلقي نظرة داخل الفصل Patternونستكشف بنياته المتطورة لمطابقة الأنماط. انتباه: يمكنك تنزيل الكود المصدري (الذي أنشأه Jeff Friesen لموقع JavaWorld) للتطبيق التجريبي من هذه المقالة من هنا .

ما هي التعبيرات العادية؟

التعبير العادي (التعبير العادي/regex/regexp) عبارة عن سلسلة تمثل نمطًا يصف مجموعة معينة من السلاسل. يحدد النمط الصفوف التي تنتمي إلى المجموعة. يتكون النمط من أحرف حرفية وأحرف أولية، وهي أحرف ذات معنى خاص بدلاً من المعنى الحرفي. مطابقة الأنماط عبارة عن بحث في النص للعثور على التطابقات، أي السلاسل التي تطابق نمط التعبير العادي. تدعم Java مطابقة الأنماط من خلال Regex API الخاص بها. تتكون واجهة برمجة التطبيقات هذه من ثلاث فئات: Patternو Matcherو PatternSyntaxException، الموجودة في الحزمة java.util.regex:

• كائنات الفئة Pattern، والتي تسمى أيضًا القوالب، عبارة عن تعبيرات عادية مجمعة.
• كائنات الفئة Matcher، أو المطابقات، هي آليات لتفسير الأنماط للعثور على التطابقات في تسلسلات الأحرف (الكائنات التي تنفذ فئاتها واجهة java.lang.CharSequenceوتعمل كمصادر نصية).
• تُستخدم كائنات الفئة PatternSyntaxExceptionلوصف أنماط التعبير العادي غير الصالحة.

توفر Java أيضًا دعمًا لمطابقة الأنماط من خلال طرق مختلفة لملف java.lang.String. boolean matches (String regex)على سبيل المثال، ترجع الدالة trueفقط إذا كانت سلسلة الاستدعاء تطابق التعبير العادي تمامًا regex.

RegexDemo

لقد قمت بإنشاء تطبيق لتوضيح تعبيرات RegexDemoJava العادية والأساليب المختلفة لـ Pattern. يوجد أدناه الكود المصدري لهذا التطبيق التجريبي. القائمة 1. مظاهرة التعبير العادي MatcherPatternSyntaxException

import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.regex.PatternSyntaxException;
public class RegexDemo
{
   public static void main(String[] args)
   {
      if (args.length != 2)
      {
         System.err.println("usage: java RegexDemo regex input");
         return;
      }
      // Преобразуем символьные последовательности начала новой строки (\n) в символы начала строки.
      args[1] = args[1].replaceAll("\\\\n", "\n");
      try
      {
         System.out.println("regex = " + args[0]);
         System.out.println("input = " + args[1]);
         Pattern p = Pattern.compile(args[0]);
         Matcher m = p.matcher(args[1]);
         while (m.find())
            System.out.println("Found [" + m.group() + "] starting at "
                               + m.start() + " and ending at " + (m.end() - 1));
      }
      catch (PatternSyntaxException pse)
      {
         System.err.println("Неправильное регулярное выражение: " + pse.getMessage());
         System.err.println("Описание: " + pse.getDescription());
         System.err.println("Позиция: " + pse.getIndex());
         System.err.println("Неправильный шаблон: " + pse.getPattern());
      }
   }
}

أول شيء تفعله طريقة mainالفصل RegexDemoهو التحقق من سطر الأوامر الخاص بها. ويتطلب وسيطين: الأول عبارة عن تعبير عادي، والثاني هو نص الإدخال الذي سيتم البحث فيه عن التعبير العادي. قد تحتاج إلى استخدام حرف السطر الجديد داخل نص الإدخال (\n). ولا يمكن القيام بذلك إلا عن طريق تحديد الحرف \متبوعًا بالحرف n. تقوم الدالة main()بتحويل تسلسل الأحرف هذا إلى قيمة Unicode 10. ويتم تضمين الجزء الأكبر من الكود في ملف . تقوم الكتلة أولاً بإخراج التعبير العادي المحدد والنص المُدخل، ثم تقوم بإنشاء كائن يخزن التعبير العادي المترجم (يتم تجميع التعبيرات العادية لتحسين أداء مطابقة الأنماط). يتم استخراج المطابق من الكائن واستخدامه للبحث عن التطابقات بشكل متكرر حتى يتم العثور عليها جميعًا. تستدعي الكتلة عدة طرق فئة لاسترداد معلومات مفيدة حول الاستثناء. يتم إخراج هذه المعلومات بشكل تسلسلي إلى دفق الإخراج. ليست هناك حاجة لمعرفة تفاصيل كيفية عمل الكود بعد: ستتضح عندما ندرس واجهة برمجة التطبيقات (API) في الجزء الثاني من المقالة. ومع ذلك، يجب عليك ترجمة القائمة 1. خذ الكود من القائمة 1، ثم اكتب الأمر التالي في موجه الأوامر للتجميع : RegexDemotry-catchtryPatternPatterncatchPatternSyntaxExceptionRegexDemojavac RegexDemo.java

فئة النمط وبنياتها

الفئة Pattern، الأولى من بين الفئات الثلاث التي تشكل Regex API، هي تمثيل مجمع للتعبير العادي. تصف وثائق فئة SDK Patternمجموعة متنوعة من بنيات التعبير العادي، ولكن إذا كنت لا تستخدم التعبيرات العادية بشكل نشط، فقد تكون أجزاء من هذه الوثائق مربكة. ما هي أدوات القياس الكمية وما هو الفرق بين أجهزة قياس الكميات الجشعة والمترددة والتملكية؟ ما هي فئات الأحرف ومطابقات الحدود والمراجع الخلفية وتعبيرات العلم المضمنة؟ سأجيب على هذه الأسئلة وغيرها في الأقسام التالية.

سلاسل حرفية

أبسط بناء للتعبير العادي هو سلسلة حرفية. لكي تنجح مطابقة النمط، يجب أن يتطابق جزء من نص الإدخال مع نمط هذا البناء. خذ بعين الاعتبار المثال التالي: java RegexDemo apple applet في هذا المثال، نحاول العثور على تطابق لنمط appleفي النص المُدخل applet. تظهر النتيجة التالية المطابقة التي تم العثور عليها:

regex = apple
input = applet
Found [apple] starting at 0 and ending at 4

نرى في الإخراج التعبير العادي والنص المدخل، ومن ثم إشارة إلى الكشف الناجح appleفي التطبيق الصغير. بالإضافة إلى ذلك، تم تحديد موضعي البداية والنهاية لهذه المباراة: 0و 4، على التوالي. يشير موضع البداية إلى المكان الأول في النص الذي تم العثور على تطابق فيه، ويشير موضع النهاية إلى النقطة الأخيرة في المطابقة. لنفترض الآن أننا قدمنا ​​سطر الأوامر التالي: java RegexDemo apple crabapple هذه المرة حصلنا على النتيجة التالية، بمواضع بداية ونهاية مختلفة:

regex = apple
input = crabapple
Found [apple] starting at 4 and ending at 8

بخلاف ذلك، مع appletالتعبير العادي apple- نص الإدخال، لن يتم العثور على أي تطابقات. يجب أن يتطابق التعبير العادي بأكمله، ولكن في هذه الحالة، لا يحتوي النص المُدخل tعلى بعد apple.

الأحرف الأولية

تجمع بنيات التعبير العادي الأكثر إثارة للاهتمام بين الأحرف الحرفية والأحرف الأولية. على سبيل المثال، في التعبير العادي ، يعني a.bالحرف الأولي النقطي أي حرف بين وb. خذ بعين الاعتبار المثال التالي: يستخدم هذا المثال كتعبير عادي وكنص إدخال. يبحث في النص عن مطابقات تبدأ بأي حرف وتنتهي بـ وتكون نتائج تنفيذه كما يلي: (.)ajava RegexDemo .ox "The quick brown fox jumps over the lazy ox.".oxThe quick brown fox jumps over the lazy ox.RegexDemoox.

regex = .ox
input = The quick brown fox jumps over the lazy ox.
Found [fox] starting at 16 and ending at 18
Found [ ox] starting at 39 and ending at 41

في الإخراج نرى مطابقتين: foxو ox(مع وجود مسافة أمامه). يتطابق الحرف الأولي . مع حرف fفي الحالة الأولى ومسافة في الحالة الثانية. ماذا يحدث إذا قمت باستبداله .oxبحرف أولي .؟ وهذا هو ما نحصل عليه كنتيجة لسطر الأوامر التالي: java RegexDemo . "The quick brown fox jumps over the lazy ox." بما أن الحرف النقطي يتطابق مع أي حرف، RegexDemoفسيتم إخراج التطابقات الموجودة لجميع الأحرف (بما في ذلك حرف النقطة اللاحقة) للنص المُدخل:

regex = .
input = The quick brown fox jumps over the lazy ox.
Found [T] starting at 0 and ending at 0
Found [h] starting at 1 and ending at 1
Found [e] starting at 2 and ending at 2
Found [ ] starting at 3 and ending at 3
Found [q] starting at 4 and ending at 4
Found [u] starting at 5 and ending at 5
Found [i] starting at 6 and ending at 6
Found [c] starting at 7 and ending at 7
Found [k] starting at 8 and ending at 8
Found [ ] starting at 9 and ending at 9
Found [b] starting at 10 and ending at 10
Found [r] starting at 11 and ending at 11
Found [o] starting at 12 and ending at 12
Found [w] starting at 13 and ending at 13
Found [n] starting at 14 and ending at 14
Found [ ] starting at 15 and ending at 15
Found [f] starting at 16 and ending at 16
Found [o] starting at 17 and ending at 17
Found [x] starting at 18 and ending at 18
Found [ ] starting at 19 and ending at 19
Found [j] starting at 20 and ending at 20
Found [u] starting at 21 and ending at 21
Found [m] starting at 22 and ending at 22
Found [p] starting at 23 and ending at 23
Found [s] starting at 24 and ending at 24
Found [ ] starting at 25 and ending at 25
Found [o] starting at 26 and ending at 26
Found [v] starting at 27 and ending at 27
Found [e] starting at 28 and ending at 28
Found [r] starting at 29 and ending at 29
Found [ ] starting at 30 and ending at 30
Found [t] starting at 31 and ending at 31
Found [h] starting at 32 and ending at 32
Found [e] starting at 33 and ending at 33
Found [ ] starting at 34 and ending at 34
Found [l] starting at 35 and ending at 35
Found [a] starting at 36 and ending at 36
Found [z] starting at 37 and ending at 37
Found [y] starting at 38 and ending at 38
Found [ ] starting at 39 and ending at 39
Found [o] starting at 40 and ending at 40
Found [x] starting at 41 and ending at 41
Found [.] starting at 42 and ending at 42

فئات الشخصيات

في بعض الأحيان يتعين عليك قصر التطابقات التي تبحث عنها على مجموعة محددة من الأحرف. على سبيل المثال، ابحث في النص عن حروف العلة aو eو iو oو u، مع اعتبار كل ظهور لحرف متحرك متطابقًا. في حل مثل هذه المشكلات، ستساعدنا فئات الأحرف التي تحدد مجموعات من الأحرف بين الأحرف الأولية بين الأقواس المربعة ( [ ]). يدعم الفصل Patternفئات الأحرف البسيطة وفئات النطاق والعكس والاتحاد والتقاطع والطرح. سننظر في كل منهم الآن.

فئات الأحرف البسيطة

تتكون فئة الأحرف البسيطة من أحرف موضوعة جنبًا إلى جنب وتتطابق مع تلك الأحرف فقط. على سبيل المثال، يتطابق الفصل مع [abc]الأحرف و . خذ بعين الاعتبار المثال التالي: كما ترون من النتائج، في هذا المثال فقط الحرف الذي يوجد تطابق له : abcjava RegexDemo [csw] caveccave

regex = [csw]
input = cave
Found [c] starting at 0 and ending at 0

فئات الأحرف المقلوبة

تبدأ فئة الأحرف المقلوبة بحرف أولي ^وتتطابق فقط مع الأحرف غير الموجودة فيه. على سبيل المثال، يتطابق الفصل [^abc]مع كافة الأحرف aباستثناء bو c. خذ بعين الاعتبار المثال التالي: java RegexDemo "[^csw]" cave لاحظ أنه في نظام التشغيل (Windows) الخاص بي، تكون علامات الاقتباس المزدوجة مطلوبة لأن الصدفة تتعامل معها ^كحرف هروب. كما ترون، في هذا المثال فقط الأحرف و aتم العثور عليها والتي توجد مطابقات لها في : vecave

regex = [^csw]
input = cave
Found [a] starting at 1 and ending at 1
Found [v] starting at 2 and ending at 2
Found [e] starting at 3 and ending at 3

فئات أحرف النطاق

تتكون فئة أحرف النطاق من حرفين مفصولين بواصلة ( -). تعتبر كافة الأحرف، بدءًا من الحرف الموجود على يسار الواصلة وتنتهي بالحرف الموجود على اليمين، جزءًا من النطاق. على سبيل المثال، يتطابق النطاق [a-z]مع كافة الأحرف اللاتينية الصغيرة. وهذا يعادل تعريف فئة بسيطة [abcdefghijklmnopqrstuvwxyz]. خذ بعين الاعتبار المثال التالي: java RegexDemo [a-c] clown سيطابق هذا المثال فقط الحرف cالذي له تطابق في clown:

regex = [a-c]
input = clown
Found [c] starting at 0 and ending at 0

التعبيرات العادية في جافا، الجزء 2 التعبيرات العادية في جافا، الجزء 3 التعبيرات العادية في جافا، الجزء 4 التعبيرات العادية في جافا، الجزء 5