RegEx: 20 langkah singkat kanggo nguwasani ekspresi reguler. Bagean 1

Asli artikel iki kene . Mbokmenawa ora ana teori sing akeh banget, lan aku bakal nyedhiyakake sawetara pranala menyang materi sing luwih rinci babagan regex ing pungkasan artikel. Nanging misale jek kula wiwit nyelidiki topik kaya ekspresi reguler bakal luwih menarik yen ana kesempatan kanggo ora mung cram, nanging uga langsung nggabungake kawruh kanthi ngrampungake tugas cilik ing dalan. Ayo dadi miwiti. Biasane mungsuh nggunakake ekspresi reguler ('RegEx' utawa mung 'regex') ing pamrograman nyebutake kutipan ing ngisor iki, sing digandhengake karo Jamie Zawinski: "Sawetara wong, nalika ngadhepi masalah, mikir, 'Aku ngerti, aku bakal nggunakake ekspresi reguler. .'" Saiki padha duwe loro Masalah ". Nyatane, nggunakake ekspresi biasa durung dadi ide sing apik utawa ala. Lan iki dhewe ora bakal nambah masalah lan ora bakal ngrampungake samubarang. Iku mung alat. Lan cara sampeyan nggunakake (bener utawa salah) nemtokake asil apa sing bakal sampeyan deleng. Yen sampeyan nyoba nggunakake regex, umpamane, kanggo nggawe parser HTML, mula sampeyan bakal nandhang lara . Nanging yen sampeyan mung pengin extract, contone, timestamps saka sawetara larik, sampeyan mbokmenawa bakal nggoleki. Kanggo nggampangake sampeyan nguwasani ekspresi reguler, aku wis nyusun pelajaran iki sing bakal mbantu sampeyan nguwasani ekspresi reguler saka awal mung rong puluh langkah singkat. Tutorial iki utamane fokus ing konsep dhasar ekspresi reguler lan nyelidiki topik sing luwih maju mung yen perlu.

Langkah 1: Apa nggunakake ekspresi reguler

Ekspresi reguler digunakake kanggo nggoleki sing cocog ing teks nggunakake pola tartamtu (pola). Nggunakake regex, kita bisa kanthi gampang lan gampang ngekstrak tembung saka teks, uga karakter literal lan meta individu lan urutane sing cocog karo kritéria tartamtu. Mangkene apa sing dicritakake Wikipedia marang kita : Ekspresi reguler minangka basa resmi kanggo nggoleki lan manipulasi substring ing teks, adhedhasar panggunaan karakter meta (karakter wildcard). Kanggo telusuran, string sampel (pola Inggris, ing basa Rusia asring diarani "template", "topeng") digunakake, kalebu simbol lan metasymbols lan nemtokake aturan panelusuran. Kanggo ngapusi teks, string panggantos uga ditemtokake, sing uga bisa ngemot karakter khusus. Pola kasebut bisa dadi prasaja kaya tembung doging ukara iki:

Rubah coklat cepet mlumpat liwat asu kesed.

Ekspresi reguler iki katon kaya iki:

asu

... Cukup gampang, ta? Pola uga bisa awujud tembung apa wae kang ngemot aksara o. Ekspresi reguler kanggo nemokake pola kasebut bisa katon kaya iki:

\w * o\w *

( Sampeyan bisa nyoba ekspresi reguler ing kene .) Sampeyan bakal sok dong mirsani yen syarat "cocog" dadi luwih rumit, ekspresi reguler uga dadi luwih rumit. Ana wangun tambahan saka notasi kanggo nemtokake klompok karakter lan cocog pola mbaleni, kang bakal nerangake ing ngisor iki. Nanging, sanalika kita nemokake sing cocog karo pola ing sawetara teks, banjur apa sing bisa ditindakake? Mesin ekspresi reguler modern ngidini sampeyan ngekstrak karakter utawa urutan karakter (substrings) saka teks sing ana, utawa mbusak, utawa ngganti karo teks liyane. Umumé, ekspresi reguler digunakake kanggo ngurai lan ngapusi teks. Kita bisa extract, contone, substrings sing katon kaya alamat IP lan banjur nyoba kanggo verifikasi. Utawa kita bisa extract jeneng lan alamat email lan nyimpen ing database. Utawa gunakake ekspresi reguler kanggo nemokake informasi sensitif (kayata nomer paspor utawa nomer telpon) ing email lan menehi tandha marang pangguna yen dheweke bisa mbebayani. Regex pancen alat serbaguna sing gampang disinaoni nanging angel dikuasai: "Kaya ana prabédan antarane muter musik kanthi apik lan nggawe musik, ana bedane antarane ngerti ekspresi biasa lan ngerti." - Jeffrey E. F. Friedl, Nguwasani Ekspresi Reguler

Langkah 2: Kurung kothak[]

Ekspresi reguler sing paling gampang sing gampang dimangerteni yaiku sing mung nggoleki pertandhingan karakter-karakter ing antarane pola ekspresi reguler lan string target. Ayo, contone, nyoba golek kucing:

pola: kucing
string: Kucing iki Cut nalika mlayu ing mobil.
cocog:      ^^

( Cara kerjane ing praktik - deleng kene ) NB! Kabeh solusi ditampilake ing kene minangka solusi sing bisa ditindakake. Ing ekspresi reguler, kaya ing program umum, sampeyan bisa ngatasi masalah sing padha kanthi cara sing beda-beda. Nanging, saliyane kanggo mbandhingake karakter-by-karakter sing ketat, kita uga bisa nemtokake pertandhingan alternatif nggunakake tanda kurung:

pola: ka[rt]
string: Kucing iki Cut nalika mlayu ing mobil.
cocog:      ^^^ ^^^

( Carane kerjane ) Bukak lan nutup kurung kothak ngandhani mesin ekspresi reguler sing kudu cocog karo karakter sing ditemtokake, nanging mung siji. Ekspresi reguler ing ndhuwur ora bakal nemokake, contone, cartkabeh tembung, nanging mung bakal nemokake bagean kasebut:

pola: ka[rt]
string: Kucing iki Cut nalika mlayu ing ngisor kreta.
cocog:      ^^^ ^^^

( Cara kerjane ) Nalika sampeyan nggunakake kurung kothak, sampeyan marang engine expression biasa kanggo cocog mung siji saka karakter sing ana ing kurung. Mesin nemokake karakter c, banjur karakter a, nanging yen karakter sabanjuré ora rutawa t, banjur iki ora cocog lengkap. Yen ketemu ca, banjur salah siji r, utawa t, mandheg. Iku ora bakal nyoba kanggo cocog karakter liyane amarga kurung kothak nuduhake yen mung siji karakter sing kudu dicocogake. Yen wis ketemu ca, ketemu ring tembung sabanjuré cart, lan mandheg amarga wis ketemu cocog kanggo urutan car.

Tujuan latihan:

Tulis ekspresi reguler sing cocog karo kabeh 10 pola hading Hadkutipan tembung sing ora bisa diterjemahake ing dialek lokal:

pola:
string: Jim, ngendi Bill wis "wis" , wis "wis wis" . "Wis wis" wis bener.
cocog:                  ^^^ ^^^ ^^^ ^^^ ^^^ ^^^ ^^^ ^^^ ^^^ ^^^ ^^^ ^^^

( Deleng solusi sing bisa ditindakake ing kene ) Apa kabeh jeneng kewan ing ukara ngisor iki?

pola:
string: Kelelawar, kucing, lan tikus mlaku menyang bar ...
cocog:    ^^^ ^^^ ^^^

( Solusi sing bisa ditindakake ) Utawa luwih prasaja: goleki tembung barutawa bat:

pola:
string: Kelelawar, kucing, lan tikus mlaku menyang bar ...
cocog:    ^^^ ^^^

( Solusi sing bisa ditindakake ) Saiki kita wis sinau carane nulis ekspresi reguler sing luwih rumit, lan kita mung ing langkah 2! Ayo diterusake!

Langkah 3: Uwal urutan

Ing langkah sadurunge, kita sinau babagan kurung alun-alun []lan carane mbantu nemokake pertandhingan alternatif nggunakake mesin regex. Nanging apa yen kita pengin golek cocog ing wangun mbukak lan ditutup kurung kothak dhewe []? Nalika kita wanted kanggo golek match karakter-by-karakter saka tembung cat, kita nyedhiyani engine regex karo urutan karakter iki ( cat). Ayo goleki kurung persegi []kanthi cara sing padha:

pola: [] 
string: Sampeyan ora bisa cocog [] nggunakake regex! Sampeyan bakal getun iki!
cocog: 

( Ayo ndeleng apa kedaden ) Ana sing ora bisa, Nanging ... Iki amarga karakter krenjang kothak tumindak minangka karakter engine regex khusus sing biasane digunakake kanggo nunjukaké mergo, lan ora pola harfiah kanggo cocog karo wong-wong mau. Nalika kita ngelingi saka langkah 2, padha digunakake kanggo golek cocog alternatif supaya engine regex bisa cocog karo karakter sing ana ing antarane. Yen sampeyan ora nyelehake karakter ing antarane, bisa nyebabake kesalahan. Kanggo cocog karo karakter khusus iki, kita kudu uwal saka karakter kasebut sadurunge nganggo karakter garis miring terbalik \. Backslash (utawa backslash) minangka karakter khusus liyane sing ngandhani mesin regex kanggo nggoleki karakter sabanjure kanthi harfiah, tinimbang nggunakake minangka metacharacter. Mesin regex mung bakal nggoleki karakter [lan ]secara harfiah yen loro-lorone didhisiki dening backslash:

pola: \[\]
string: Sampeyan ora bisa cocog [] nggunakake regex! Sampeyan bakal getun iki!
cocog:                  ^^ 

( Ayo ndeleng apa kedaden wektu iki ) OK, yen kita pengin golek backslash dhewe? Jawaban iki prasaja. Wiwit backslash \uga karakter khusus, iku uga kudu oncat. kepriye? Backslash!

pola: \\
string: C:\Users\Tanja\Pictures\Dogs
cocog:    ^^

( Conto padha ing laku ) Mung karakter khusus kudu didhisiki dening backslash. Kabeh karakter liyane diinterpretasikake kanthi standar. Contone, ekspresi reguler tmung cocog karo thuruf cilik:

pola: t
senar: tttt
cocog: ^^

( Conto ) Nanging, urutan iki \tbeda. Iki minangka cithakan kanggo nggoleki karakter tab:

pola: \t
senar: tttt
cocog:   ^^

( Conto ) Sawetara urutan uwal umum kalebu \n(line break gaya UNIX) lan \r(digunakake ing baris break gaya Windows \r\n). \rminangka "carriage return" karakter lan \n"line feed" karakter, loro kang ditetepake bebarengan karo standar ASCII nalika teletypewriters isih digunakake nyebar. Urutan uwal umum liyane bakal dibahas ing tutorial iki.

Ing sawetoro wektu, ayo nggabungake materi kanthi sawetara teka-teki sing prasaja:

Coba nulis ekspresi reguler kanggo nemokake ... ekspresi reguler ;) Hasile kudu kaya iki:

pola:
string: ... cocog regex iki ` \[\] ` karo regex?
cocog:                       ^^^^	

( Solusi ) Apa sampeyan ngatur? Inggih rampung! Saiki coba gawe regex kanggo nggoleki urutan uwal kaya iki:

pola:
string: ` \r `, ` \t `, lan ` \n ` iku kabeh urutan uwal regex.
cocog:   ^^ ^^ ^^

( Solusi )

Langkah 4: goleki karakter "apa wae" nggunakake titik.

Nalika nulis solusi cocog urutan uwal kita weruh ing langkah sadurunge, sampeyan bisa uga kepingin weruh, "Apa aku bisa cocog karakter backslash banjur karakter liyane sing nderek?"... Mesthi sampeyan bisa! Ana karakter khusus liyane sing digunakake kanggo cocog (meh) karakter apa wae - karakter titik (full stop). Mangkene apa sing ditindakake:

pola :.
string: Ngapunten, Dave. Aku wedi yen aku ora bisa nglakoni.
cocog: ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^	

( Conto ) Yen sampeyan mung pengin cocog pola sing katon kaya urutan uwal, sampeyan bisa nindakake kaya iki:

pola: \\. 
string: Woy Walmart iku putuku ana jenenge " \n \r \t ".
cocog:                                              ^^ ^^ ^^	

( Conto ) Lan, kaya kabeh karakter khusus, yen sampeyan pengin cocog literal ., sampeyan kudu ndhisiki karo karakter \:

pola: \. 
string: Perang iku Peace . Merdika iku Perbudakan . Ignorance is Strength . 
cocog:             ^^

( Conto )

Langkah 5: Rentang Karakter

Apa yen sampeyan ora butuh simbol, nanging mung pengin golek huruf ing teks? Utawa angka? Utawa aksara swara? Nggoleki kelas karakter lan kisarane bakal ngidini kita entuk iki.

` \n `, ` \r `, lan ` \t ` minangka karakter spasi putih, ` \. `, ` \\ ` lan ` \[ ` ora .	

Karakter minangka "spasi putih" yen ora nggawe tandha katon ing teks. Spasi " " minangka spasi, baris, utawa tab. Ayo dadi ngomong kita pengin golek urutan uwal sing mung makili karakter spasi putih \n, \rlan \ting wacana ndhuwur, nanging ora urutan uwal liyane. Kepiye carane bisa nindakake iki?

pola: \\[nrt] 
string: ` \n `, ` \r `, lan ` \t ` iku karakter spasi putih, ` \. `, ` \\ ` lan ` \[ ` ora .
cocog:   ^^ ^^ ^^	

( Conto ) Iki bisa digunakake, nanging dudu solusi sing apik banget. Apa yen mengko kita kudu cocog urutan uwal kanggo karakter "formulir feed" \f,? (Simbol iki digunakake kanggo nuduhake pecahan kaca ing teks.)

pola: \\[nrt] 
string: ` \n `, ` \r `, ` \t `, lan ` \f ` iku karakter spasi putih, ` \. `, ` \\ ` lan ` \[ ` ora .
cocog:   ^^ ^^ ^^	

( Solusi ora bisa digunakake ) Kanthi pendekatan iki, kita kudu nggawe dhaptar saben huruf cilik sing pengin dicocogake, ing kurung kothak. Cara sing luwih gampang kanggo nindakake iki yaiku nggunakake kisaran karakter kanggo cocog karo huruf cilik:

pola: \\[az] 
string: ` \n `, ` \r `, ` \t `, lan ` \f ` iku karakter spasi putih, ` \. `, ` \\ ` lan ` \[ ` ora .
cocog:   ^^ ^^ ^^ ^^	

( Lan iki wis bisa digunakake ) Kisaran karakter bisa digunakake kaya sing dikarepake, diwenehi conto ing ndhuwur. Selehake kurung kothak ing sakubenge aksara pisanan lan pungkasan sing pengin dicocogake, kanthi tandha hubung ing antarane. Contone, yen sampeyan mung pengin golek "set" saka backslash \lan siji huruf saka akanggo m, sampeyan bisa nindakake ing ngisor iki:

pola: \\[am] 
string: ` \n `, ` \r `, ` \t `, lan ` \f ` iku karakter spasi putih, ` \. `, ` \\ ` lan ` \[ ` ora .
cocog:                         ^^	

( Conto ) Yen sampeyan pengin cocog karo sawetara rentang, mung nyelehake ing antarane kurung kothak:

pola: \\[a-gq-z] 
string: ` \n `, ` \r `, ` \t `, lan ` \f ` iku karakter spasi putih, ` \. `, ` \\ ` lan ` \[ ` ora .
cocog:         ^^ ^^ ^^	

( Tuladha ) Rentang karakter umum liyane kalebu: A-Zlan0-9

Ayo nyoba ing praktik lan ngrampungake sawetara masalah:

Nomer heksadesimal bisa ngemot digit 0-9uga huruf A-F. Nalika digunakake kanggo nemtokake werna, kode heksadesimal bisa ngemot maksimal telung karakter. Gawe ekspresi reguler kanggo nemokake kode heksadesimal sing bener ing dhaptar ing ngisor iki:

pola:
string: 1H8 4E2 8FF 0P1 T8B 776 42B G12
cocog:      ^^^ ^^^ ^^^ ^^^	

( Solusi ) Nggunakake rentang karakter, gawe ekspresi reguler sing mung milih konsonan cilik (ora vokal, kalebu y) ing ukara ing ngisor iki:

pola:senar 
: T w a ll i n g a r e t o t a lly , t o t a lly t all . _ _ _ _ 
cocog:   ^ ^ ^^^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^	

( Solusi )

Langkah 6: "ora", caret, circumflex, caret ... simbol^

Pancen, ana luwih saka 9000 jeneng kanggo simbol iki :) Nanging, kanggo kesederhanaan, mbok menawa kita bakal fokus ing "ora". Solusiku kanggo masalah pungkasan rada dawa. Butuh 17 karakter kanggo ngomong "entuk kabeh alfabet kajaba aksara swara." Mesthi ana cara sing luwih gampang kanggo nindakake iki. Tandha "ora" ^ngidini kita nemtokake karakter lan kisaran karakter sing ora cocog karo sing ditemtokake ing pola kasebut. Solusi sing luwih gampang kanggo masalah pungkasan ing ndhuwur yaiku nemokake karakter sing ora makili aksara swara:

pola : [^aeiou] string 
:   Th e w a lls in th e m a ll a r e to lly , t o t a lly t all . 
cocog: ^^ ^^ ^^^^ ^^^^ ^^ ^^^ ^ ^^ ^ ^^^^^^ ^ ^^^^^ ^^^ 	

( Conto ) Tandha "ora" ^minangka karakter paling kiwa ing kurung kothak []ngandhani mesin ekspresi reguler kanggo cocog karo siji (apa wae) karakter sing ora ana ing kurung kothak. Iki tegese ekspresi reguler ing ndhuwur uga cocog karo kabeh spasi, titik ., koma ,, lan kapital Ting wiwitan ukara. Kanggo ngilangi, kita uga bisa nyelehake ing kurung kothak:

pola: [^aeiou.,T] senar :  
T e w a lls i ing m a ll a r e t o t o t o ally , t o t a lly t all . 
cocog:   ^ ^ ^^^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^	

( Conto ) cathetanyen ing kasus iki, kita ora perlu kanggo uwal periode karo backslash a, kaya sadurunge kita nggolèki tanpa nggunakake kurung kothak. Akeh karakter khusus ing kurung kothak dianggep secara harfiah, kalebu mbukak [- nanging ora nutup - ]karakter krenjang (bisa guess apa?). Karakter backslash \uga ora diinterpretasikake kanthi harfiah. Yen sampeyan pengin cocog backslash literal \nggunakake kurung kothak, sampeyan kudu uwal saka iku sadurunge karo backslash ing ngisor iki \\. Prilaku iki dirancang supaya karakter spasi putih uga bisa diselehake ing kurung kothak kanggo cocog:

pola: [\t]
senar: tttt
cocog:   ^^

( Conto ) Tandha "ora" ^uga bisa digunakake karo rentang. Yen aku pengin njupuk mung karakter a, b, c, x, ylan z, Aku bisa nindakake kaya iki:

pola: [abcxyz] 
string:   abc defghijklmnopqrstuvw xyz 
cocog: ^^^ ^^^

( Conto ) ...utawa, aku bisa nemtokake manawa aku pengin nemokake karakter sing ora ana ing antarane dlan w:

pola: [^dw] 
string:   abc defghijklmnopqrstuvw xyz 
cocog: ^^^ ^^^

( Conto ) Nanging,ati-atikaro "ora" ^. Iku gampang kanggo mikir "Inggih, Aku kasebut [^ b-f], supaya aku kudu njaluk huruf cilik autawa soko sawise f. Sing ora cilik. Regex iki bakal cocog karakter sembarang ora ing sawetara, kalebu aksara, nomer, tandha wacan, lan spasi.

pola: [^dw] 
string:   abc defg h . i , j - klmnopqrstuvw xyz 
cocog: ^^^ ^ ^ ^ ^ ^^^

( Conto )

Tugas leveling:

Gunakake tandha "ora" ^ing kurung kothak kanggo cocog karo kabeh tembung ing ngisor iki sing ora diakhiri y:

pola:
string: asu dina hog hay rawa bay ray rub 
cocog:      ^^^ ^^^ ^^^ ^^^	

( Solusi ) Tulis ekspresi reguler nggunakake sawetara lan tandha "ora" ^kanggo nemokake kabeh taun antarane 1977 lan 1982 (kalebu):

pola:
string: 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984
cocog:            ^^^^ ^^^^ ^^^^ ^^^^ ^^^^ ^^^^

( Solusi ) Tulis ekspresi reguler kanggo nemokake kabeh karakter sing dudu karakter tandha "ora" ^:

pola:
string:   abc1 ^ 23*() 
cocog: ^^^^ ^^^^^	

( Solusi )

Langkah 7: Kelas Karakter

Kelas karakter malah luwih prasaja tinimbang kisaran karakter. Mesin ekspresi reguler sing beda duwe kelas sing beda-beda, mula aku mung bakal nutupi sing utama ing kene. (Priksa versi regex sing sampeyan gunakake, amarga bisa uga ana luwih akeh - utawa bisa uga beda karo sing ditampilake ing kene.) Kelas karakter dianggo meh kaya kisaran, nanging sampeyan ora bisa nemtokake nilai 'wiwitan' lan 'pungkasan': Kelas karakter "tembung" \wutamané migunani amarga set karakter iki asring dibutuhake kanggo pengenal sing sah (jeneng variabel, jeneng fungsi, lan sapiturute) ing macem-macem basa program. Kita bisa digunakake \wkanggo nyederhanakake ekspresi reguler sing kita deleng sadurunge:

pola: \\[az] 
string: ` \n `, ` \r `, ` \t `, lan ` \f ` iku karakter spasi putih, ` \. `, ` \\ ` lan ` \[ ` ora .
cocog:   ^^ ^^ ^^ ^^	

Nggunakake \wkita bisa nulis kaya iki:

pola: \\\w 
string: ` \n `, ` \r `, ` \t `, lan ` \f ` iku karakter spasi putih, ` \. `, ` \\ ` lan ` \[ ` ora .
cocog:   ^^ ^^ ^^ ^^	

( Conto )

2 tugas kanggo luck:

Kaya sing sampeyan ngerti, ing Jawa, pengenal (jeneng variabel, kelas, fungsi, lsp) mung bisa diwiwiti kanthi huruf a- zA- Z, tandha dolar $utawa garis ngisor _. ( garis ngisor, mesthi, gaya ala, nanging compiler skip iku, cathetan penerjemah ). Karakter liyane kudu dadi karakter "tembung" \w. Nggunakake siji utawa luwih kelas karakter, gawe ekspresi reguler kanggo nggoleki pengenal Jawa sing bener ing antarane urutan telung karakter ing ngisor iki:

pola:
senar:   __e $12 .x2 foo Bar 3mm
cocog: ^^^ ^^^ ^^^ ^^^	

( Solusi ) Nomer Keamanan Sosial AS (SSN) yaiku angka 9 digit ing format XXX-XX-XXXX, ing ngendi saben X bisa dadi digit apa wae [0-9]. Nggunakake siji utawa luwih kelas karakter, tulis ekspresi reguler kanggo nemokake SSN sing diformat kanthi bener ing dhaptar ing ngisor iki:

pola:
string: 113-25=1902 182-82-0192 H23-_3-9982 1I1-O0-E38B
cocog:              ^^^^^^^^^^^^

( Solusi ) RegEx: 20 langkah singkat kanggo nguwasani ekspresi reguler. Part 2. 20 langkah singkat kanggo nguwasani ekspresi reguler. Part 3. RegEx: 20 langkah singkat kanggo nguwasani ekspresi biasa. Bagean 4.