Глава 16. Регулярные выражения
При поиске и создании правил сегментации используются регулярные выражения, поддерживаемые платформой Java. Более подробную информацию можно найти в документации Java. Ниже приведены несколько примеров и ссылок.
Примечание
Этот раздел предназначен для опытных пользователей, которым требуется создавать собственные правила сегментации или использовать сложные и мощные функции поиска.
Таблица 16.1. Регулярные выражения — Модификаторы
| Выражение | … соответствует |
|---|---|
| (?i) | Включает поиск совпадений независимо от регистра символов (по умолчанию все шаблоны чувствительны к регистру) |
Таблица 16.2. Регулярные выражения — Символы
| Выражение | … соответствует |
|---|---|
| x | Символ «x», за исключением следующих случаев… |
| \uhhhh | Символ с шестнадцатеричным значением 0xhhhh |
| \t | Символ табуляции («\u0009») |
| \n | Символ новой строки («\u000A») |
| \r | Символ возврата каретки («\u000D») |
| \f | Символ конца страницы (команда подачи страницы для принтера) («\u000C») |
| \a | Символ звонка (оповещения) («\u0007») |
| \e | Символ Escape («\u001B») |
| \cx | Управляющий символ, соответствующий «x» |
| \0n | Символ с восьмеричным значением 0n (0 ≤ n ≤ 7) |
| \0nn | Символ с восьмеричным значением 0nn (0 ≤ n ≤ 7) |
| \0mnn | Символ с восьмеричным значением 0mnn (0 ≤ m ≤ 3, 0 ≤ n ≤ 7) |
| \xhh | Символ с шестнадцатеричным значением 0xhh |
Таблица 16.{|}
в качестве их буквальных значений.\\ Например, это будет обратная косая черта. \Q не соответствует ничему, только экранирует все символы вплоть до \E \E не соответствует ничему, только прекращает экранирование, начатое \Q
Таблица 16.4. Регулярные выражения — Классы блоков и категорий Юникода
| Выражение | … соответствует | |
|---|---|---|
| \p{InGreek} | Символ из греческого блока (простой блок) | |
| \p{Lu} | Прописная буква (см.abc] | Любой символ кроме a, b, или c (исключение) |
| [a-zA-Z] | Любые символы латинского алфавита, от a до z и от A до Z включительно |
Таблица 16.6. Регулярные выражения — Предустановленные наборы символов
| Выражение | … соответствует |
|---|---|
| . | Любой символ (кроме символов конца строки) |
| \d | Цифра: [0-9] |
| \D | Не цифра: [^0-9] |
| \s | Любой пробельный символ: [ \t\n\x0B\f\r] |
| \S | Любой не пробельный символ: [^\s] |
| \w | Любой буквенный или цифровой символ, а также знак подчёркивания: [a-zA-Z_0-9] |
| \W | Любой символ кроме буквенного и цифрового, а также знака подчёркивания: [^\w] |
Таблица 16.
Таблица 16.8. Регулярные выражения — Жадные кванторы
| Выражение | … соответствует |
|---|---|
| X? | X, один раз или ни разу |
| X* | X, ноль или более раз |
| X+ | X, один или более раз |
Примечание
жадные кванторы будут искать как можно больше совпадений. Например, a+ для последовательности aaabbb выдаст «ааа».
Таблица 16.9. Регулярные выражения — Ленивые кванторы
| Выражение | … соответствует |
|---|---|
| X?? | X, один раз или ни разу |
| X*? | X, ноль или более раз |
| X+? | X, один или более раз |
Примечание
ленивые кванторы будут искать как можно меньше совпадений. Например, a+? для последовательности aaabbb выдаст только a.
Таблица 16.10. Регулярные выражения — Логические операторы
| Выражение | … соответствует |
|---|---|
| XY | X, за которым идёт Y |
| X|Y | Либо X, либо Y |
| (XY) | XY как отдельная группа |
1. Инструменты для работы с регулярными выражениями и примеры использования
Существует несколько программ для разработки и тестирования регулярных выражений. В общем и целом они работают по одному и тому же принципу (пример работы программы Regular Expression Tester смотри ниже): регулярное выражение (в верхнем поле) применяется к некоему тексту (в поле посередине), результаты работы показываются в нижнем поле.
Рисунок 16.1. Regex Tester
Программа The Regex Coach для Windows, GNU/Linux и FreeBSD. Работает по описанному выше принципу.
Большое количество полезных примеров регулярных выражений можно найти и в самой ОмегаТ (смотри «Параметры» > «Сегментация»). В списке ниже приведены регулярные выражения, которые могут оказаться полезными при поиске по памяти перевода:
Таблица 16.11. Регулярные выражения — Примеры использования регулярных выражений при поиске по переводам
| Регулярное выражение | Результат поиска: |
|---|---|
| (\b\w+\b)\s\1\b | слова, написанные дважды |
| [\.aeiou] | для английского языка: проверка подобная предыдущей, но на слова, начинающиеся с согласных («a», а не «an») |
| \s{2,} | больше, чем один пробел подряд |
| \.[A-Z] | Точка, за которой следует прописная буква, возможно, перед началом нового предложения пропущен пробел? |
| \bis\b | поиск «is», но не «this» или «isn’t» и т. д. |
Шпаргалка по регулярным выражениям — Exlab
Шпаргалка представляет собой общее руководство по шаблонам регулярных выражений без учета специфики какого-либо языка. Она представлена в виде таблицы, помещающейся на одном печатном листе формата A4. обозначает начало строки. Без него шаблон соответствовал бы любой строке, содержащей цифру.
Символьные классы
Символьные классы в регулярных выражениях соответствуют сразу некоторому набору символов. Например, \d соответствует любой цифре от 0 до 9 включительно, \w соответствует буквам и цифрам, а \W — всем символам, кроме букв и цифр. Шаблон, идентифицирующий буквы, цифры и пробел, выглядит так:
\w\sPOSIX
POSIX — это относительно новое дополнение семейства регулярных выражений. Идея, как и в случае с символьными классами, заключается в использовании сокращений, представляющих некоторую группу символов.
Утверждения
Поначалу практически у всех возникают трудности с пониманием утверждений, однако познакомившись с ними ближе, вы будете использовать их довольно часто. Утверждения предоставляют способ сказать: «я хочу найти в этом документе каждое слово, включающее букву “q”, за которой не следует “werty”».\s]*
Образцы шаблонов
В этой группе представлены образцы шаблонов. С их помощью вы можете увидеть, как можно использовать регулярные выражения в ежедневной практике. Однако заметьте, что они не обязательно будут работать в любом языке программирования, поскольку каждый из них обладает индивидуальными особенностями и различным уровнем поддержки регулярных выражений.
Кванторы
Кванторы позволяют определить часть шаблона, которая должна повторяться несколько раз подряд. Например, если вы хотите выяснить, содержит ли документ строку из от 10 до 20 (включительно) букв «a», то можно использовать этот шаблон:
a{10,20}По умолчанию кванторы — «жадные». Поэтому квантор +, означающий «один или больше раз», будет соответствовать максимально возможному значению. Иногда это вызывает проблемы, и тогда вы можете сказать квантору перестать быть жадным (стать «ленивым»), используя специальный модификатор. Посмотрите на этот код:
".*"Этот шаблон соответствует тексту, заключенному в двойные кавычки. Однако, ваша исходная строка может быть вроде этой:
<a href="helloworld.htm" title="Привет, Мир">Привет, Мир</a>Приведенный выше шаблон найдет в этой строке вот такую подстроку:
"helloworld.htm" title="Привет, Мир"Он оказался слишком жадным, захватив наибольший кусок текста, который смог.
".*?"Этот шаблон также соответствует любым символам, заключенным в двойные кавычки. Но ленивая версия (обратите внимание на модификатор ?) ищет наименьшее из возможных вхождений, и поэтому найдет каждую подстроку в двойных кавычках по отдельности:
"helloworld.htm"
"Привет, Мир"Специальные символы
Регулярные выражения используют некоторые символы для обозначения различных частей шаблона. Однако, возникает проблема, если вам нужно найти один из таких символов в строке, как обычный символ. Точка, к примеру, в регулярном выражении обозначает «любой символ, кроме переноса строки». Если вам нужно найти точку в строке, вы не можете просто использовать «
Знак экранирования, предшествующий символу вроде точки, заставляет парсер игнорировать его функцию и считать обычным символом. Есть несколько символов, требующих такого экранирования в большинстве шаблонов и языков. Вы можете найти их в правом нижнем углу шпаргалки («Мета-символы»).
Шаблон для нахождения точки таков:
\.Другие специальные символы в регулярных выражениях соответствуют необычным элементам в тексте. Переносы строки и табуляции, к примеру, могут быть набраны с клавиатуры, но вероятно собьют с толку языки программирования. Знак экранирования используется здесь для того, чтобы сообщить парсеру о необходимости считать следующий символ специальным, а не обычной буквой или цифрой.
Подстановка строк
Подстановка строк подробно описана в следующем параграфе «Группы и диапазоны», однако здесь следует упомянуть о существовании «пассивных» групп. Это группы, игнорируемые при подстановке, что очень полезно, если вы хотите использовать в шаблоне условие «или», но не хотите, чтобы эта группа принимала участие в подстановке.
Группы и диапазоны
Группы и диапазоны очень-очень полезны. Вероятно, проще будет начать с диапазонов. Они позволяют указать набор подходящих символов. Например, чтобы проверить, содержит ли строка шестнадцатеричные цифры (от 0 до 9 и от A до F), следует использовать такой диапазон:
[A-Fa-f0-9]Чтобы проверить обратное, используйте отрицательный диапазон, который в нашем случае подходит под любой символ, кроме цифр от 0 до 9 и букв от A до F:
[^A-Fa-f0-9]Группы наиболее часто применяются, когда в шаблоне необходимо условие «или»; когда нужно сослаться на часть шаблона из другой его части; а также при подстановке строк.
Использовать «или» очень просто: следующий шаблон ищет «ab» или «bc»:
(ab|bc)Если в регулярном выражении необходимо сослаться на какую-то из предшествующих групп, следует использовать \n, где вместо n подставить номер нужной группы. Вам может понадобиться шаблон, соответствующий буквам «aaa» или «bbb», за которыми следует число, а затем те же три буквы. Такой шаблон реализуется с помощью групп:
(aaa|bbb)[0-9]+\1Первая часть шаблона ищет «aaa» или «bbb», объединяя найденные буквы в группу. За этим следует поиск одной или более цифр ([0-9]+), и наконец \1. Последняя часть шаблона ссылается на первую группу и ищет то же самое. Она ищет совпадение с текстом, уже найденным первой частью шаблона, а не соответствующее ему. Таким образом, «aaa123bbb» не будет удовлетворять вышеприведенному шаблону, так как \1 будет искать «aaa» после числа.A-Za-z0-9])
Он найдет любые вхождения слова «wish» вместе с предыдущим и следующим символами, если только это не буквы или цифры. Тогда ваша подстановка может быть такой:
$1<b>$2</b>$3Ею будет заменена вся найденная по шаблону строка. Мы начинаем замену с первого найденного символа (который не буква и не цифра), отмечая его $1. Без этого мы бы просто удалили этот символ из текста. То же касается конца подстановки ($3). В середину мы добавили HTML тег для жирного начертания (разумеется, вместо него вы можете использовать CSS или <strong>), выделив им вторую группу, найденную по шаблону ($2).
Модификаторы шаблонов
Модификаторы шаблонов используются в нескольких языках, в частности, в Perl. Они позволяют изменить работу парсера. Например, модификатор i заставляет парсер игнорировать регистры.
Регулярные выражения в Perl обрамляются одним и тем же символом в начале и в конце. Это может быть любой символ (чаще используется «/»), и выглядит все таким образом:
/pattern/Модификаторы добавляются в конец этой строки, вот так:
/pattern/iМета-символы
Наконец, последняя часть таблицы содержит мета-символы. Это символы, имеющие специальное значение в регулярных выражениях. Так что если вы хотите использовать один из них как обычный символ, то его необходимо экранировать. Для проверки наличия скобки в тексте, используется такой шаблон:
\(Рекомендуем также:
Регулярные выражения — Википедия
Регуля́рные выраже́ния (англ. regular expressions) — формальный язык поиска и осуществления манипуляций с подстроками в тексте, основанный на использовании метасимволов (символов-джокеров, англ. wildcard characters). Для поиска используется строка-образец (англ. pattern, по-русски её часто называют «шаблоном», «маской»), состоящая из символов и метасимволов и задающая правило поиска. Для манипуляций с текстом дополнительно задаётся строка замены, которая также может содержать в себе специальные символы.
Возможности
Набор утилит (включая редактор sed и фильтр grep), поставляемых в дистрибутивах UNIX, одним из первых способствовал популяризации регулярных выражений для обработки текстов. Многие современные языки программирования имеют встроенную поддержку регулярных выражений. Среди них ActionScript, Perl, Java[1],PHP, JavaScript, языки платформы .NET Framework[2], Python, Tcl, Ruby, Lua, Gambas, C++ (стандарт 2011 года), Delphi, D, Haxe и другие.
Регулярные выражения используются некоторыми текстовыми редакторами и утилитами для поиска и подстановки текста. Например, при помощи регулярных выражений можно задать шаблоны, позволяющие:
- найти все последовательности символов «кот» в любом контексте, как то: «кот», «котлета», «терракотовый»;
- найти отдельно стоящее слово «кот» и заменить его на «кошка»;
- найти слово «кот», которому предшествует слово «персидский» или «чеширский»;
- убрать из текста все предложения, в которых упоминается слово кот или кошка.
Регулярные выражения позволяют задавать и гораздо более сложные шаблоны поиска или замены.
Результатом работы с регулярным выражением может быть:
- проверка наличия искомого образца в заданном тексте;
- определение подстроки текста, которая сопоставляется образцу;
- определение групп символов, соответствующих отдельным частям образца.
Если регулярное выражение используется для замены текста, то результатом работы будет новая текстовая строка, представляющая из себя исходный текст, из которого удалены найденные подстроки (сопоставленные образцу), а вместо них подставлены строки замены (возможно, модифицированные запомненными при разборе группами символов из исходного текста). Частным случаем модификации текста является удаление всех вхождений найденного образца — для чего строка замены указывается пустой.
История
Истоки регулярных выражений лежат в теории автоматов, теории формальных языков и классификации формальных грамматик по Хомскому[3].
Эти области изучают вычислительные модели (автоматы) и способы описания и классификации формальных языков. В 1940-х гг. Уоррен Маккалок и Уолтер Питтс описали нейронную систему, используя простой автомат в качестве модели нейрона.
Математик Стивен Клини позже описал эти модели, используя свою систему математических обозначений, названную «регулярные множества».
Кен Томпсон встроил их в редактор QED, а затем в редактор ed под UNIX. С этого времени регулярные выражения стали широко использоваться в UNIX и UNIX-подобных утилитах, например в expr, awk, Emacs, vi, lex и Perl.
Регулярные выражения в Perl и Tcl происходят от реализации, написанной Генри Спенсером. Филип Хейзел разработал библиотеку PCRE (англ. Perl-compatible regular expressions — Perl-совместимые регулярные выражения), которая используется во многих современных инструментах, таких как PHP и Apache.
В теории формальных языков
Регулярные выражения состоят из констант и операторов, которые определяют множества строк и множества операций на них соответственно. На данном конечном алфавите Σ определены следующие константы:
и следующие операции:
- (сцепление, конкатенация) RS обозначает множество {αβ | α ∈ R & β ∈ S}. Например, {«boy», «girl»}{«friend», «cott»} = {«boyfriend», «girlfriend», «boycott», «girlcott»}.
- (дизъюнкция, чередование) R|S обозначает объединение R и S. Например, {«ab», «c»}|{«ab», «d», «ef»} = {«ab», «c», «d», «ef»}.[4]
- (замыкание Клини, звезда Клини) R* обозначает минимальное надмножество множества R, которое содержит ε и замкнуто относительно конкатенации. Это есть множество всех строк, полученных конкатенацией нуля или более строк из R. Например, {«Run», «Forrest»}* = {ε, «Run», «Forrest», «RunRun», «RunForrest», «ForrestRun», «ForrestForrest», «RunRunRun», «RunRunForrest», «RunForrestRun», …}.
Синтаксис
Представление символов
Обычные символы (литералы) и специальные символы (метасимволы)
Большинство символов в регулярном выражении представляют сами себя за исключением специальных символов [ ] \ / ^ $ . | ? * + ( ) { } (в разных типах регулярных выражений этот набор различается, см. Разновидности регулярных выражений),
которые могут быть экранированы символом \ (обратная косая черта) для представления самих себя в качестве символов текста.
Можно экранировать целую последовательность символов, заключив её между \Q и \E.
| Пример | Соответствие |
|---|---|
a\.? | a. или a |
a\\\\b | a\\b |
a\[F\] | a[F] |
\Q+-*/\E | +-*/ |
Аналогично могут быть представлены другие специальные символы (набор символов, требующих экранирования, может отличаться в зависимости от конкретной реализации).
Часть символов, которые в той или иной реализации не требуют экранирования (например, угловые скобки < >), могут быть экранированы из соображений удобочитаемости.
Любой символ
Метасимвол . (точка) означает один любой символ, но в некоторых реализациях исключая символ новой строки.
Вместо символа . можно использовать [\s\S] (все пробельные и непробельные символы, включая символ новой строки).
Символьные классы (наборы символов)
Набор символов в квадратных скобках [ ] именуется символьным классом и позволяет указать интерпретатору регулярных выражений, что на данном месте в строке может стоять один из перечисленных символов.
В частности, [абв] задаёт возможность появления в тексте одного из трёх указанных символов, а [1234567890] задаёт соответствие одной из цифр.
Возможно указание диапазонов символов: например, [А-Яа-я] соответствует всем буквам русского алфавита, за исключением букв «Ё» и «ё».a
aaa aaa$a$aaa aaa\ba\baaa aaa\baaaa aaa\B\Ba\Baaa aaa\G\Gaaaa aaa (поиск остановился на 4-й позиции — там, где не нашлось a)Обозначение группы
Круглые скобки используются для определения области действия и приоритета операций.
Шаблон внутри группы обрабатывается как единое целое и может быть квантифицирован.
Например, выражение (тр[ау]м-?)* найдёт последовательность вида трам-трам-трумтрам-трум-трамтрум.
Перечисление
Вертикальная черта разделяет допустимые варианты.
Например, gray|grey соответствует gray или grey.
Следует помнить, что перебор вариантов выполняется слева направо, как они указаны.
Если требуется указать перечень вариантов внутри более сложного регулярного выражения, то его нужно заключить в группу.
Например, gray|grey или gr(a|e)y описывают строку gray или grey.
В случае с односимвольными альтернативами предпочтителен вариант gr[ae]y, так как сравнение с символьным классом выполняется проще, чем обработка группы с проверкой на все её возможные модификаторы и генерацией обратной связи.
Квантификация (поиск последовательностей)
Квантификатор после символа, символьного класса или группы определяет, сколько раз предшествующее выражение может встречаться. Следует учитывать, что квантификатор может относиться более чем к одному символу в регулярном выражении, только если это символьный класс или группа.
| Представление | Число повторений | Эквивалент | Пример | Соответствие |
|---|---|---|---|---|
? | Ноль или одно | {0,1} | colou?r | color, colour |
* | Ноль или более | {0,} | colou*r | color, colour, colouur и т. д. |
+ | Одно или более | {1,} | colou+r | colour, colouur и т. д. (но не color) |
| Представление | Число повторений | Пример | Соответствие |
|---|---|---|---|
{n} | Ровно n раз | colou{3}r | colouuur |
{m,n} | От m до n включительно | colou{2,4}r | colouur, colouuur, colouuuur |
{m,} | Не менее m | colou{2,}r | colouur, colouuur, colouuuur и т. д. |
{,n} | Не более n | colou{,3}r | color, colour, colouur, colouuur |
Часто используется последовательность .* для обозначения любого количества любых символов между двумя частями регулярного выражения.
Символьные классы в сочетании с квантификаторами позволяют устанавливать соответствия с реальными текстами. Например, столбцами цифр, телефонами, почтовыми адресами, элементами HTML-разметки и др.
Если символы { } не образуют квантификатор, их специальное значение игнорируется.
Жадная и ленивая квантификация
Пример использования жадных и ленивых выражений
Выражение (<.*>) соответствует строке, содержащей несколько тегов HTML-разметки, целиком.
<p><b>Википедия</b> — свободная энциклопедия, в которой <i>каждый</i> может изменить или дополнить любую статью.</p>
Чтобы выделить отдельные теги, можно применить ленивую версию этого выражения: (<.*?>) Ей соответствует не вся показанная выше строка, а отдельные теги (выделены цветом):
<p><b>Википедия</b> — свободная энциклопедия, в которой <i>каждый</i> может изменить или дополнить любую статью.</p>
В некоторых реализациях квантификаторам в регулярных выражениях соответствует максимально длинная строка из возможных (квантификаторы являются жадными, англ. greedy).
Это может оказаться значительной проблемой.
Например, часто ожидают, что выражение (<.*>) найдёт в тексте теги HTML.
Однако если в тексте есть более одного HTML-тега, то этому выражению соответствует целиком строка, содержащая множество тегов.
<p><b>Википедия</b> — свободная энциклопедия, в которой <i>каждый</i> может изменить или дополнить любую статью.</p>
Эту проблему можно решить двумя способами.>]*> для вышеописанного случая).
Использование ленивых квантификаторов может повлечь за собой обратную проблему, когда выражению соответствует слишком короткая, в частности, пустая строка.
| Жадный | Ленивый |
|---|---|
* | *? |
+ | +? |
{n,} | {n,}? |
Также общей проблемой как жадных, так и ленивых выражений являются точки возврата для перебора вариантов выражения. Точки ставятся после каждой итерации квантификатора. Если интерпретатор не нашёл соответствия после квантификатора, то он начинает возвращаться по всем установленным точкам, пересчитывая оттуда выражение по-другому.
Ревнивая квантификация (Сверхжадная)
При поиске выражения (a+a+)+a в строке aaaaa интерпретатор пойдёт приблизительно по следующему пути:
aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa— и только тут, проверив все точки возврата, остановится.
При использовании ревнивого квантификатора будет выполнен только первый шаг алгоритма.
В отличие от обычной (жадной) квантификации, ревнивая (possessive) квантификация не только старается найти максимально длинный вариант, но ещё и не позволяет алгоритму возвращаться к предыдущим шагам поиска для того, чтобы найти возможные соответствия для оставшейся части регулярного выражения.
Использование ревнивых квантификаторов увеличивает скорость поиска, особенно в тех случаях, когда строка не соответствует регулярному выражению. Кроме того, ревнивые квантификаторы могут быть использованы для исключения нежелательных совпадений.
| Жадный | Ревнивый |
|---|---|
* | *+ |
? | ?+ |
+ | ++ |
{n,} | {n,}+ |
| Пример | Соответствие |
|---|---|
ab(xa)*+a | abxaabxaa; но не abxaabxaa, так как буква a уже занята |
Это аналогично атомарной группировке.
Группировка
Обратная связь
Одно из применений группировки — повторное использование ранее найденных групп символов (подстрок, блоков, отмеченных подвыражений, захватов).
При обработке выражения подстро́ки, найденные по шаблону внутри группы, сохраняются в отдельной области памяти и получают номер, начиная с единицы. Каждой подстроке соответствует пара скобок в регулярном выражении.
Квантификация группы не влияет на сохранённый результат, то есть, сохраняется лишь первое вхождение.
Обычно поддерживается до 9 нумерованных подстрок с номерами от 1 до 9, но некоторые интерпретаторы позволяют работать с бо́льшим количеством.
Впоследствии в пределах данного регулярного выражения можно использовать обозначения от \1 до \9 для проверки на совпадение с ранее найденной подстрокой.
Например, регулярное выражение (та|ту)-\1 найдёт строку та-та или ту-ту, но пропустит строку та-ту.
Также ранее найденные подстро́ки можно использовать при замене по регулярному выражению. В таком случае в замещающий текст вставляются те же обозначения, что и в пределах самого выражения.
Группировка без обратной связи
Если группа используется только для группировки и её результат в дальнейшем не потребуется, то можно использовать группировку вида (?:шаблон).
Под результат такой группировки не выделяется отдельная область памяти и, соответственно, ей не назначается номер.
Это положительно влияет на скорость выполнения выражения, но понижает удобочитаемость.
Атомарная группировка
Атомарная группировка вида (?>шаблон) также, как и группировка без обратной связи, не создаёт обратных связей.
В отличие от неё, такая группировка запрещает возвращаться назад по строке, если часть шаблона уже найдена.
| Пример | Соответствие | Создаваемые группы |
|---|---|---|
a(bc|b|x)cc | abccaxcc
| abccaxcc
|
a(?:bc|b|x)cc | abccaxcc, abccaxcc | нет |
a(?>bc|b|x)cc | abccaxccно не | нет |
a(?>x*)xa | не найдётся axxxa: все x заняты, и нет возврата внутрь группы |
Атомарная группировка выполняется ещё быстрее, чем группировка без обратной связи, и сохраняет процессорное время при выполнении остального выражения, так как запрещает проверку любых других вариантов внутри группы, когда один вариант уже найден. Это очень полезно при оптимизации групп со множеством различных вариантов.
Это аналогично ревнивой квантификации.
Javascript регулярные выражения примеры — Вэб-шпаргалка для интернет предпринимателей!
Введение в регулярные выражения
Регулярные выражения (RegExp) — это очень эффективный способ работы со строками.
Составив регулярное выражение с помощью специального синтаксиса вы можете:
- искать текст в строке
- заменять подстроки в строке
- извлекать информацию из строки
Почти во всех языках программирования есть регулярные выражения. Есть небольшие различия в реализации, но общие концепции применяются практически везде.
Регулярные выражения относятся к 1950-м годам, когда они были формализованы как концептуальный шаблон поиска для алгоритмов обработки строк.
Регулярные выражения реализованные в UNIX, таких как grep, sed и популярных текстовых редакторах, начали набирать популярность и были добавлены в язык программирования Perl, а позже и в множество других языков.
JavaScript, наряду с Perl, это один из языков программирования в котором поддержка регулярных выражений встроена непосредственно в язык.
Сложно, по полезно
Новичкам регулярные выражения могут показаться абсолютной ерундой, а зачастую даже и профессиональным разработчикам, если не вкладывать время необходимое для их понимания.
Регулярные выражения сложно писать, сложно читать и сложно поддерживать/изменять.
Но иногда регулярные выражения это единственный разумный способ выполнить какие-то манипуляции над строками, поэтому они являются очень ценным инструментом.
Это руководство нацелено на то чтобы самым простым способом дать вам некоторое представление о регулярных выражениях в JavaScript и предоставить информацию о том как читать и создавать регулярные выражения.
Эмпирическое правило заключается в том, что простые регулярные выражения просты для чтения и записи, в то время как сложные регулярные выражения могут быстро превратиться в беспорядок, если вы не глубоко понимаете основы.
Как выглядят регулярные выражения
В JavaScript регулярные выражения это объект, который может быть определён двумя способами.
Первый способ заключается в создании нового объекта RegExp с помощью конструктора:
Второй способ заключается в использовании литералов регулярных выражений:
Вы знаете что в JavaScript есть литералы объектов и литералы массивов? В нём также есть литералы regexp.
В приведённом выше примере hey называется шаблоном. В литеральной форме он находится между двумя слэшами, а в случае с конструктором объекта, нет.
Это первое важное отличие между двумя способами определения регулярных выражений, остальные мы увидим позже.
Как они работают?
Регулярное выражение, которое мы определили выше как re1 , очень простое. Оно ищет строку hey без каки-либо ограничений: строка может содержать много текста, а слово hey находиться где-то в середине и регулярное выражение сработает.A-Za-z0-9]
Язык регулярных выражений для маркетолога: руководство для начинающих
В работе интернет-маркетолога часто приходится сталкиваться с регулярными выражениями: кластеризация семантики, анализ конкурентов, работа с данными веб-аналитики, настройка редиректов и сервисов интернет-маркетинга.Большинство руководств по RegExp сложны и ориентированы на технарей, при этом абстрактно описывают область применения этого инструмента.
В статье хочу поделиться частыми кейсами применения регулярных выражений в интернет-маркетинге, дать советы по инструментарию, который позволит ежедневно использовать регулярные выражения в работе.
Регулярные выражения Древней Греции
Intro
Материал рассчитан на интернет-маркетологов и SEO-специалистов без опыта в программировании, содержит упрощения и терминологические неточности. Это осознанный шаг для снижения порога входа в тему.
Регулярные выражения – это последовательности символов (масок), которые определяют поисковые паттерны при использовании операции «найти/заменить». Синтаксис RegExp поддерживается множеством приложений и сервисов.
Но не будем начинать с описания синтаксиса, а лучше давайте сразу посмотрим, как и где регулярные выражения применяются, какую пользу можно извлечь, а когда будет понятна ценность – вы сможете расширить и закрепить полученные знания.
1. Настройка целей в Google Analytics
Допустим, на нашем сайте есть коллтрекинг и форма обратной связи, а при отправке формы или звонке по подменному номеру коллтрекинга в Google Analytics отправляются события, которые считаются в разных целях.» – крышечка, начало строки и «$» – доллар, конец строки. Используем, чтобы исключить ложное срабатывание, если какой-то сервис будет отправлять не одноименное, но схожее имя события (категории, действия, ярлыка).
Источников событий может быть много – email-трекинг, онлайн-чат, виджет обратного звонка. С помощью регулярок легко объединить все эти события в одной цели.
2. Настройка показа через Google Tag Manager
Частая задача при подключении виджетов через GTM – выбор страниц показа. Например, мы решили использовать виджет с Pop-up формой «Подпишитесь на рассылку» для сбора email-адресов в разделе «Статьи».
Google Tag Manager также поддерживает синтаксис регулярных выражений, настроим триггер для виджета, который хотим показывать на страницах статей:
У нас появились новые символы: «.» – точка, любой символ (буква, цифра, спецсимвол), в сочетании со звездочкой «*», обозначает любое количество любых символов, то есть любую страницу, вложенную в articles, включая ее саму.» и конца строки «$», а также любого количества любых символов «.*».
Символы «.*» заключены в скобки, а в конце правила перенаправления появился «$1». Скобки можно назвать запоминающими – они сохраняют заключенную в них последовательность для каждой строки и передают ее в переменную $1.
Таким образом любое перенаправления с любой страницы будет корректно переадресовано в новую директорию и не потребуется прописывать кучу редиректов.
4. Экспорт в электронную таблицу
Другая частая задача – когда надо собрать информацию из какого-то сервиса и представить ее в табличном виде, а экспорта данных в CSV нет.
Например, мы решили выбрать название для своего лампового блога по интернет-маркетингу и нагенерили 1000 вариаций доменных имен.
Список доменов после генерации
Потом мы их пакетно проверили на возможность регистрации и теперь хотим сделать табличку и выбрать лучший вариант с учетом стоимости и возможности регистрации.
Результаты пакетной проверки доменов
Если мы попробуем скопировать эту информацию в электронную таблицу, то получим много строк никак не разделенного текста. А мы хотим, чтобы домен, стоимость, доменная зона и ее тематика были в разных столбцах для фильтрации данных.
Под решение этой задачи потребуется среда для работы с регулярными выражениями. Самое удобное решение – это приложение Notepad++, возможен также и вариант использования надстройки для Excel или других программ, например, Calc Open Office (аналог MS Excel) поддерживает регулярки «из коробки».
Скопировав результаты проверки в файл получим: домены с новой строки, цены – тоже с новой строки, все данные разделены пробелами, без табуляции.
Напомню, мы хотим получить таблицу, где первый столбец с доменным именем, второй с ценой, третий с доменной зоной, четвертый – тематика доменной зоны.
Для этого нам надо будет выполнить несколько последовательных действий. В нашем примере мы работаем с тысячами доменов и сделать это руками – не вариант.
Последовательность операций «найти/заменить», которые приведут нас к результату:
1. Убрать пробел, отделяющий разряды в цене.
Условие поиска: ([0-9]) ([0-9][0-9][0-9]) – находим числа, разделенные пробелами, и запоминаем их в первые и вторые запоминающие скобки.
Условие замены: $1$2 – результат первых запоминающих скобок ($1) добавляем ко второму ($2), без пробела.
Удаление пробела
2. Убрать копейки и «руб» из цены.
Условие поиска: \.00 руб – чтобы «.» была не любым символом, а точкой, перед ней надо добавить обратный слеш (экранировать)
Условие замены: пустая строка.
Удаление копеек
3. Убрать переносы строк.
Первая строка в нашем файле заканчивается на английскую букву (доменной зоны), а следующая за ней строка начинается с цифры (цены) – надо убрать переносы строк.
Условие поиска: ([a-z])\r\n([0-9]) – находим латинскую букву в конце строки \r и цифру, с которой начинается новая строка \n, используем две пары запоминающих скобок.
Условие замены: $1 $2 – результаты первых запоминающих скобок добавляем ко вторым запоминающих скобкам через символ пробела.
Удаление переносов строк
4. Заменить пробелы на символы табуляции.
Осталось заменить оставшиеся пробелы на символы табуляции \t.
Замена пробелов на табуляцию
Теперь копируем и вставляем полученные результаты в электронную таблицу. Данные представляются корректно, с ними удобно работать.
Данные в табличном виде
Outro
Не буду приводить длинного академического описания всех символов – есть Wiki и много материалов, более глубоких и терминологически правильных, чем этот. Я хотел лишь упростить сложное, заинтересовать, чтобы вы начали работать с регулярками.
Если вам стало интересно – рекомендую установить себе надстройку для Excel, скачать Notepad++, чтобы среда для работы с RegExp всегда была под рукой. А если что-то не получится – есть сервисы для отладки, которые подробно описывают работу вашего регулярного выражения посимвольно, что крайне удобно. Удачи!
Учебник по регулярным выражениям— Узнайте, как использовать регулярные выражения
Из этого туториала Вы узнаете все, что нужно знать для создания эффективных регулярных выражений, экономящих время. Он начинается с самых основных концепций, так что вы можете следовать этому руководству, даже если вы еще ничего не знаете о регулярных выражениях.
Обучение на этом не заканчивается. Он также объясняет, как работает механизм регулярных выражений, и предупреждает вас о последствиях. Это поможет вам быстро понять, почему конкретное регулярное выражение не выполняет то, что вы изначально ожидали.Это избавит вас от множества догадок и головной боли, когда вам нужно написать более сложные регулярные выражения.
Что такое регулярные выражения — терминология
По сути, регулярное выражение — это шаблон, описывающий определенный объем текста. Их название происходит от математической теории, на которой они основаны. Но мы не будем углубляться в это. Обычно вы найдете имя, сокращенное до «regex» или «regexp». В этом руководстве используется «регулярное выражение», потому что множественное число «регулярные выражения» легко произносится.На этом веб-сайте регулярные выражения выделены красным цветом как регулярные выражения.
Этот первый пример на самом деле является вполне допустимым регулярным выражением. Это самый простой шаблон, просто соответствующий регулярному выражению буквального текста. «Совпадение» — это фрагмент текста или последовательность байтов или символов, которым программа обработки регулярных выражений нашла соответствие шаблону. На этом сайте совпадения выделены синим цветом.
\ b [A-Z0-9 ._% + -] + @ [A-Z0-9 .-] + \. [A-Z] {2,} \ b — более сложный узор. Он описывает серию букв, цифр, точек, подчеркиваний, знаков процента и дефисов, за которыми следует знак at, за которым следует еще одна серия букв, цифр и дефисов, за которыми, наконец, следует одна точка и две или более букв.Другими словами: этот шаблон описывает адрес электронной почты. Это также показывает выделение синтаксиса, примененное к регулярным выражениям на этом сайте. Границы слов и квантификаторы выделены синим, классы символов — оранжевым, а экранированные литералы — серым. Вы увидите дополнительные цвета, например зеленый для группировки и фиолетовый для мета-токенов позже в этом руководстве.
С помощью указанного выше шаблона регулярного выражения вы можете искать в текстовом файле адреса электронной почты или проверять, выглядит ли данная строка как адрес электронной почты.В этом руководстве термин «строка» используется для обозначения текста, к которому применяется регулярное выражение. На этом сайте они выделены зеленым цветом. Термин «строка» или «символьная строка» используется программистами для обозначения последовательности символов. На практике вы можете использовать регулярные выражения с любыми данными, к которым вы можете получить доступ, используя приложение или язык программирования, с которым вы работаете.
Различные механизмы регулярных выражений
«Механизм» регулярных выражений — это часть программного обеспечения, которая может обрабатывать регулярные выражения, пытаясь сопоставить шаблон с заданной строкой.Обычно движок является частью более крупного приложения, и у вас нет прямого доступа к нему. Скорее приложение вызывает его, когда это необходимо, чтобы убедиться, что правильное регулярное выражение применяется к нужному файлу или данным.
Как обычно в мире программного обеспечения, разные механизмы регулярных выражений не полностью совместимы друг с другом. Синтаксис и поведение конкретного движка называется разновидностью регулярных выражений. В этом руководстве рассматриваются все популярные разновидности регулярных выражений, включая Perl, PCRE, PHP,.NET, Java, JavaScript, XRegExp, VBScript, Python, Ruby, Delphi, R, Tcl, POSIX и многие другие. Учебник предупреждает вас, когда эти разновидности требуют другого синтаксиса или показывают другое поведение. Даже если ваше приложение явно не рассматривается в руководстве, оно, вероятно, использует разновидность регулярных выражений, о которой идет речь, поскольку большинство приложений разрабатываются с использованием одной из упомянутых сред программирования или библиотек регулярных выражений.
Испытайте регулярные выражения в первую очередь
Вы можете легко попробовать следующее самостоятельно в текстовом редакторе, поддерживающем регулярные выражения, например EditPad Pro.Если у вас нет такого редактора, вы можете загрузить бесплатную ознакомительную версию EditPad Pro, чтобы опробовать его. Механизм регулярных выражений EditPad Pro полностью работает в демонстрационной версии.
В качестве быстрой проверки скопируйте и вставьте текст этой страницы в EditPad Pro. Затем выберите в меню Поиск | Панель многострочного поиска. На панели поиска, которая появляется внизу, введите регулярное выражение в поле с надписью «Search Text». Установите флажок «Регулярное выражение» и нажмите кнопку «Сначала найти».Это крайняя левая кнопка на панели поиска. Посмотрите, как движок регулярных выражений EditPad Pro находит первое совпадение. Нажмите кнопку «Найти далее», которая находится рядом с кнопкой «Найти сначала», чтобы найти другие совпадения. Если совпадений больше нет, значок кнопки «Найти далее» кратковременно мигает.
Теперь попробуйте выполнить поиск с помощью регулярного выражения reg (ular expressions? | Ex (p | es)?). Это регулярное выражение находит все имена в единственном и множественном числе, которые я использовал на этой странице, чтобы сказать «регулярное выражение». Если бы у нас был только простой текстовый поиск, нам бы потребовалось 5 поисков.С регулярными выражениями нам нужен всего один поиск. Регулярные выражения экономят ваше время при использовании такого инструмента, как EditPad Pro. Выберите «Подсчет совпадений» в меню «Поиск», чтобы узнать, сколько раз это регулярное выражение может совпадать с файлом, который вы открыли в EditPad Pro.
Если вы программист, ваше программное обеспечение будет работать быстрее, поскольку даже простой механизм регулярных выражений, применяющий вышеуказанное регулярное выражение один раз, превзойдет современный алгоритм поиска по тексту в пять раз. Регулярные выражения также сокращают время разработки.С движком регулярных выражений требуется только одна строка (например, в Perl, PHP, Python, Ruby, Java или .NET) или пара строк (например, в C с использованием PCRE) кода, чтобы, скажем, проверить, введены ли данные пользователем выглядит как действующий адрес электронной почты.
Regex Tutorial Содержание
Сделайте пожертвование
Этот веб-сайт только что сэкономил вам поездку в книжный магазин? Сделайте пожертвование на поддержку этого сайта, и вы получите неограниченного доступа к этому сайту без рекламы!
Справочник по регулярным выражениям
Справочник по регулярным выражениям на этом веб-сайте работает как ссылка на весь доступный синтаксис регулярных выражений, так и как сравнение функций, поддерживаемых разновидностями регулярных выражений, обсуждаемыми в руководстве.Справочные таблицы содержат невероятное количество информации. Чтобы извлечь из них максимальную пользу, следуйте этой легенде, чтобы научиться их читать.
В таблицах по шесть столбцов для каждой функции регулярного выражения. Первые четыре объясняют эту функцию.
| Feature | Имя функции, которая также служит ссылкой на соответствующий раздел в руководстве. |
|---|---|
| Синтаксис | Фактический синтаксис регулярного выражения для этой функции. Если синтаксис исправлен, он просто отображается как таковой.Если синтаксис имеет переменные элементы, синтаксис описывается. |
| Описание | Краткое описание того, что делает функция. |
| Пример | Функциональное регулярное выражение, демонстрирующее эту функцию. |
Последние два столбца показывают, поддерживают ли выбранные вами два типа регулярных выражений именно эту функцию. Вы можете изменить вкусы, используя раскрывающиеся списки над таблицей. Есть много возможных индикаторов.
| ДА | Все версии этого варианта поддерживают эту функцию. |
| 3.0 | Версия 3.0 и все более поздние версии этого варианта поддерживают эту функцию. Более ранние версии не поддерживают это. |
| только 2.0 | Только версия 2.0 поддерживает эту функцию. Более ранние и более поздние версии не поддерживают его. |
| 2.0–2.9 | Только версии от 2.0 до 2.9 поддерживают эту функцию. Более ранние и более поздние версии не поддерживают его. |
| Unicode | Эта функция работает с символами Unicode во всех версиях этого варианта. |
| кодовая страница | Эта функция работает с символами в активной кодовой странице во всех версиях этого варианта. |
| ASCII | Эта функция работает с символами ASCII только во всех версиях этого варианта. |
| 3.0 Unicode | Эта функция работает с символами Unicode в версиях 3.0 и более поздних версий этого аромата. Более ранние версии его вообще не поддерживают. |
| 3.0 Unicode 2.0 ASCII | Эта функция работает с символами Unicode в версиях 3.0 и более поздних версиях этого варианта. Он работает с символами ASCII в версиях от 2.0 до 2.9. Более ранние версии его вообще не поддерживают. |
| 3.0 Кодовая страница Unicode 2.0 | Эта функция работает с символами Unicode в версиях 3.0 и более поздних версиях этого варианта. Он работает с символами активной кодовой страницы в версиях 2.От 0 до 2,9. Более ранние версии его вообще не поддерживают. |
| строка | Регулярное выражение не поддерживает этот синтаксис. Но строковые литералы в языке программирования, с которым обычно используется этот вид регулярных выражений, действительно поддерживают этот синтаксис. |
| 3.0 1.0 строка | Версия 3.0 и более поздние версии этого варианта регулярного выражения поддерживают этот синтаксис. Более ранние версии разновидности регулярных выражений не поддерживают этот синтаксис. Но строковые литералы на языке программирования, с которыми обычно используется этот вариант регулярного выражения, поддерживают этот синтаксис с версии 1.0. |
| option | Все версии этой разновидности регулярных выражений поддерживают эту функцию, если вы устанавливаете конкретную опцию или ставите перед ней определенный модификатор режима. |
| option 3.0 | Version 3.0 и все более поздние версии этого варианта регулярного выражения поддерживают эту функцию, если вы устанавливаете конкретную опцию или предшествуете ей модификатором определенного режима. Более ранние версии либо вообще не поддерживают синтаксис, либо не поддерживают модификатор режима для изменения поведения синтаксиса на то, что описывает функция. |
| 3.0 2.0 не работает | Версия 3.0 и все более поздние версии этого варианта регулярного выражения поддерживают эту функцию. Версия 2.0 все более поздние выпуски до 3.0 распознают синтаксис, но всегда не соответствуют этому токену регулярного выражения. Версии до 2.0 не поддерживают синтаксис. |
| нет | Ни одна из версий этого варианта не поддерживает эту функцию. Нет никаких указаний на то, что на самом деле делает этот синтаксис. Тот же синтаксис может использоваться для другой функции, которая указана в другом месте справочной таблицы.Или синтаксис может вызвать ошибку, или он может быть интерпретирован как простой текст. |
| нет данных | Эта функция не применима к этому варианту регулярных выражений. Функции, описывающие поведение определенного синтаксиса, представленного ранее в справочной таблице, не имеют значения для разновидностей, которые вообще не поддерживают этот синтаксис. |
| сбой | Синтаксис распознается вкусом, и регулярные выражения, использующие его, работают, но этот конкретный токен регулярного выражения всегда не соответствует.Регулярное выражение может находить совпадения только в том случае, если этот токен сделан необязательным путем чередования или квантификатора. |
| Ошибка 2.0–2.9 | Версии от 2.0 до 2.9 распознают синтаксис, но всегда не могут сопоставить этот токен регулярного выражения. Более ранние и более поздние версии либо не распознают синтаксис, либо рассматривают его как синтаксическую ошибку. |
| игнорируется | Синтаксис распознается ароматом, но не делает ничего полезного. Этот конкретный токен регулярного выражения всегда находит совпадение нулевой длины. |
| ошибка | Синтаксис распознается разновидностью, но обрабатывается как синтаксическая ошибка. |
Когда в этой легенде написано «все версии» или «без версии», это означает все или ни одну из версий каждого варианта, которые охвачены справочными таблицами:
Для варианта .NET некоторые функции обозначены значком «ECMA» или «не ECMA». Это означает, что функция поддерживается, только когда RegexOptions.ECMAScript установлен или не установлен. Функции, обозначенные с помощью «Unicode, отличного от ECMA», соответствуют символам ASCII, когда RegexOptions.ECMAScript и символы Unicode установлены, если RegexOptions.ECMAScript не установлен. Все, что применимо к .NET 2.0 или новее, также применимо к любой версии .NET Core. Visual Studio IDE использует версию .NET, отличную от ECMA, начиная с VS 2012.
Для разновидностей std :: regex и boost :: regex есть дополнительные индикаторы ECMA, basic, extended, grep, egrep и awk. Появление одного или нескольких из них означает, что функция поддерживается только в том случае, если вы укажете одну из этих грамматик при компиляции регулярного выражения.Функции с индикаторами Unicode соответствуют символам Unicode при использовании std :: wregex или boost :: wregex в строках широких символов. В ссылке на заменяющую строку дополнительными индикаторами являются sed и default. Когда отображается одно из них, функция поддерживается только в том случае, если вы передаете или не передаете match_flag_type :: format_sed в regex_replace (). Для ускорения есть еще один индикатор замены «все», который указывает, что функция поддерживается только при передаче match_flag_type :: format_all в regex_replace ().
Для варианта PCRE2 некоторые функции замещающей строки обозначены как «расширенный». Это означает, что функция поддерживается только при передаче PCRE2_SUBSTITUTE_EXTENDED в pcre2_substitute.
Сделайте пожертвование
Этот веб-сайт только что сэкономил вам поездку в книжный магазин? Сделайте пожертвование на поддержку этого сайта, и вы получите неограниченного доступа к этому сайту без рекламы!
Язык регулярных выражений — Краткий справочник
- 10 минут на чтение
В этой статье
Регулярное выражение — это шаблон, которому обработчик регулярных выражений пытается сопоставить входной текст.Шаблон состоит из одного или нескольких символьных литералов, операторов или конструкций. Краткое введение см. В разделе Регулярные выражения .NET.
В каждом разделе этого краткого справочника перечислены определенные категории символов, операторов и конструкций, которые можно использовать для определения регулярных выражений.
Мы также предоставили эту информацию в двух форматах, которые вы можете скачать и распечатать для удобства:
Побег персонажа
Символ обратной косой черты (\) в регулярном выражении указывает, что следующий за ним символ либо является специальным символом (как показано в следующей таблице), либо его следует интерпретировать буквально.Для получения дополнительной информации см. Побеги персонажей.
| Экранированный символ | Описание | Узор | совпадений |
|---|---|---|---|
\ | Соответствует символу колокольчика, \ u0007. | \ а | "\ u0007" в "Ошибка!" + '\ u0007' |
\ b | В классе символов соответствует символу возврата \ u0008. | [\ b] {3,} | "\ b \ b \ b \ b" дюйм "\ b \ b \ b \ b" |
\ т | Соответствует табуляции, \ u0009. | (\ ш +) \ т | "item1 \ t" , "item2 \ t" in "item1 \ titem2 \ t" |
\ r | Соответствует возврату каретки, \ u000D. ( \ r не эквивалентно символу новой строки, \ n .) | \ r \ n (\ w +) | "\ r \ nЭто" в "\ r \ nЭто \ nдве строки." |
\ v | Соответствует вертикальной табуляции, \ u000B. | [\ v] {2,} | "\ v \ v \ v" в "\ v \ v \ v" |
\ f | Соответствует подаче страницы, \ u000C. | [\ f] {2,} | "\ f \ f \ f" дюйм "\ f \ f \ f" |
\ п | Соответствует новой строке, \ u000A. | \ r \ n (\ w +) | "\ r \ nЭто" в "\ r \ nЭто \ nдве строки." |
\ e | Соответствует escape, \ u001B. | \ e | "\ x001B" дюйм "\ x001B" |
\ ннн | Использует восьмеричное представление для указания символа ( nnn состоит из двух или трех цифр). | \ ш \ 040 \ ш | "a b" , "c d" в "a bc d" |
\ x nn | Использует шестнадцатеричное представление для указания символа ( nn состоит ровно из двух цифр). | \ ш \ х20 \ ш | "a b" , "c d" в "a bc d" |
\ c X | Соответствует управляющему символу ASCII, заданному как X или x , где X или x — это буква управляющего символа. | \ cC | "\ x0003" дюйм "\ x0003" (Ctrl-C) |
\ u nnnn | Соответствует символу Юникода с использованием шестнадцатеричного представления (ровно четыре цифры, как представлено nnnn ). | \ w \ u0020 \ w | "a b" , "c d" в "a bc d" |
\ | Если за ним следует символ, который не распознается как экранированный символ в этой и других таблицах этого раздела, соответствует этому символу. Например, \ * совпадает с \ x2A и \. совпадает с \ x2E . Это позволяет обработчику регулярных выражений устранять неоднозначность языковых элементов (таких как * или?) И символьных литералов (представленных как \ * или \? ). | \ d + [\ + - x \ *] \ d + | "2 + 2" и "3 * 9" дюйм "(2 + 2) * 3 * 9" |
Классы символов
Класс символов соответствует любому из набора символов. Классы символов включают языковые элементы, перечисленные в следующей таблице. Для получения дополнительной информации см. Классы символов.
| Класс символов | Описание | Узор | совпадений |
|---|---|---|---|
[ группа_знаков ] | Соответствует любому одиночному символу в группе символов .aei] | "r" , "g" , "n" в "царствование" | |
[ первый - последний ] | Диапазон символов: соответствует любому одиночному символу в диапазоне от первых до последних . | [А-Я] | "A" , "B" дюйм "AB123" |
. | Подстановочный знак: соответствует любому одиночному символу, кроме \ n. Чтобы соответствовать буквальному символу точки (. Или | а.е. | «пр.» в «неф» |
\ p { имя } | Соответствует любому одиночному символу в общей категории Unicode или именованному блоку, указанному в name . | \ p {Lu} | «C» , «L» в «City Lights» |
\ P { название } | Соответствует любому одиночному символу, не входящему в общую категорию Unicode или именованный блок, указанный в name . | \ P {Lu} | "i" , "t" , "y" в "City" |
\ w | Соответствует любому символу слова. | \ w | "I" , "D" , "A" , "1" , "3" дюйма "ID A1.3" |
\ Вт | Соответствует любому символу, не являющемуся словом. | \ Вт | "" , "." дюйма "ID A1.3" |
\ с | Соответствует любому символу пробела. | \ ш \ с | "D" дюйм "ID A1.3" |
\ S | Соответствует любому символу, отличному от пробела. | \ s \ S | "_" в "int __ctr" |
\ д | Соответствует любой десятичной цифре. | \ д | "4" дюйм "4 = IV" |
\ D | Соответствует любому символу, кроме десятичной цифры. | \ D | "" , "=" , "" , "I" , "V" в "4 = IV" |
Анкеры
Якоря, или атомарные утверждения нулевой ширины, приводят к успешному или неудачному совпадению в зависимости от текущей позиции в строке, но они не заставляют движок продвигаться по строке или потреблять символы.\ d {3}
"901" в "901-333-" $ \ n в конце строки; в многострочном режиме он должен находиться до конца строки или до \ n в конце строки. - \ d {3} долл. США "-333" дюйм "-901-333" \ A \ A \ d {3} "901" в "901-333-" \ Z \ n в конце строки. - \ d {3} \ Z "-333" дюйм "-901-333" \ z - \ d {3} \ z "-333" дюйм "-901-333" \ G \ G \ (\ d \) "(1)" , "(3)" , "(5)" в "(1) (3) (5) [7] (9)" \ b \ w (буквенно-цифровым) и \ W (не буквенно-цифровым) символом. \ б \ ш + \ с \ ш + \ б "их тема" , "их они" в "они их тема" \ B \ b . \ Изгиб \ w * \ b "конец" , "конец" в "конец отправляет постоянный кредитор" Конструкции группирования
Группирующие конструкции разграничивают подвыражения регулярного выражения и обычно захватывают подстроки входной строки. Группирующие конструкции включают языковые элементы, перечисленные в следующей таблице. Для получения дополнительной информации см. Группирующие конструкции.
| Группирующая конструкция | Описание | Узор | совпадений |
|---|---|---|---|
( подвыражение ) | Захватывает совпавшую часть выражения и присваивает ей порядковый номер, начинающийся с единицы. | (\ ш) \ 1 | "ee" дюйм "глубина" |
(? < имя > подвыражение ) или (? ' имя ' подвыражение ) | Захватывает совпадающее подвыражение в именованную группу. | (? <Двойной> \ w) \ k <двойной> | "ee" дюйм "глубина" |
(? < name1 - name2 > подвыражение ) или (? ' name1 - 9026 name1 - 9026 name1 - 9026 name1 ) | Определяет определение балансирующей группы.((1-3) * (3-1)) « | ||
(?: подвыражение ) | Определяет группу без захвата. | Запись (?: Строка)? | «WriteLine» в «Console.WriteLine ()» |
(? Imnsx-imnsx: подвыражение ) | Применяет или отключает указанные параметры в подвыражении .Для получения дополнительной информации см. Параметры регулярного выражения. | A \ d {2} (? I: \ w +) \ b | "A12xl" , "A12XL" дюйм "A12xl A12XL a12xl" |
(? = подвыражение ) | Утверждение положительного просмотра вперед нулевой ширины. | \ ш + (? = \.) | "это" , "побежал" и "вышел" в "Он есть. Собака побежала. Солнце вышло." |
(?! подвыражение ) | Утверждение отрицательного просмотра вперед нулевой ширины. | \ b (?! Un) \ w + \ b | "уверен" , "использован" в "неуверен уверен, что используется единство" |
(? <= подвыражение ) | Утверждение положительного просмотра назад нулевой ширины. | (? <= 19) \ d {2} \ b | "99" , "50" , "05" в "1851 1999 1950 1905 2003" |
(? подвыражение | Утверждение отрицательного просмотра назад нулевой ширины. | (? | "51" , "03" в "1851 1999 1950 1905 2003" |
(?> часть выражения ) | Атомная группа. | [13579] (?> A + B +) | "1ABB" , "3ABB" и "5AB" в "1ABB 3ABBC 5AB 5AC" |
Квантификаторы
Квантификатор указывает, сколько экземпляров предыдущего элемента (который может быть символом, группой или классом символов) должно присутствовать во входной строке, чтобы совпадение произошло.Квантификаторы включают языковые элементы, перечисленные в следующей таблице. Для получения дополнительной информации см. Квантификаторы.
| Квантификатор | Описание | Узор | совпадений |
|---|---|---|---|
* | Соответствует предыдущему элементу ноль или более раз. | \ д * \. \ Д | ".0" , "19.9" , "219.9" |
+ | Один или несколько раз соответствует предыдущему элементу. | "be +" | "пчела" в "была" , "была" в "изогнута" |
? | Соответствует предыдущему элементу ноль или один раз. | "рай? Н" | «побежал» , «дождь» |
{ n } | Точно соответствует предыдущему элементу n раз. | ", \ d {3}" | ", 043" в "1043.6 ", ", 876 ", ", 543 " и ", 210 " в " 9,876,543,210 " |
{ n ,} | Соответствует предыдущему элементу не менее n раз. | "\ d {2,}" | "166" , "29" , "1930" |
{ n , m } | Соответствует предыдущему элементу не менее n раз, но не более m раз. | "\ d {3,5}" | "166" , "17668" |
*? | Соответствует предыдущему элементу ноль или больше раз, но как можно меньше раз. | \ д *? \. \ Д | ".0" , "19.9" , "219.9" |
+? | Соответствует предыдущему элементу один или несколько раз, но как можно меньше раз. | "быть +?" | "быть" дюйм "быть" , "быть" дюйм "согнут" |
?? | Соответствует предыдущему элементу ноль или один раз, но как можно меньше раз. | "рай ?? н" | «побежал» , «дождь» |
{ n }? | Точно соответствует предыдущему элементу n раз. | ", \ d {3}?" | ", 043" дюйм "1043,6" , ", 876" , ", 543" и ", 210" дюйм "9 876 543 210" |
{ n ,}? | Соответствует предыдущему элементу как минимум n раз, но как можно меньше раз. | "\ d {2,}?" | "166" , "29" , "1930" |
{ n , m }? | Соответствует предыдущему элементу между n и m раз, но как можно меньшее количество раз. | "\ d {3,5}?" | "166" , "17668" |
Конструкции обратных ссылок
Обратная ссылка позволяет идентифицировать ранее согласованное подвыражение в том же регулярном выражении. В следующей таблице перечислены конструкции обратной ссылки, поддерживаемые регулярными выражениями в .NET. Для получения дополнительной информации см. Конструкции обратных ссылок.
| Конструкция обратной ссылки | Описание | Узор | совпадений |
|---|---|---|---|
\ номер | Обратная ссылка. Соответствует значению пронумерованной части выражения. | (\ ш) \ 1 | "ee" в "seek" |
\ k < имя > | Именованная обратная ссылка. Соответствует значению именованного выражения. | (? | "ee" в "seek" |
Конструкции чередования
Конструкции с чередованием изменяют регулярное выражение, чтобы включить или / или сопоставление. Эти конструкции включают языковые элементы, перечисленные в следующей таблице. Для получения дополнительной информации см. Альтернативные конструкции.
| Чередование конструкции | Описание | Узор | совпадений |
|---|---|---|---|
| | Соответствует любому элементу, разделенному вертикальной чертой ( | ). | -е (e | is | at) | ", " это " в " это день ". |
(? ( выражение ) да | нет ) | Соответствует да , если соответствует шаблон регулярного выражения, обозначенный выражением выражение ; в противном случае соответствует необязательной части № . Выражение интерпретируется как утверждение нулевой ширины. | (? (A) A \ d {2} \ b | \ b \ d {3} \ b) | "A10" , "910" дюйм "A10 C103 910" |
(? ( название ) да | нет ) | Соответствует да , если имя , именованная или пронумерованная группа захвата, имеет совпадение; в противном случае соответствует необязательному № . | (? <Кавычки> ")? (? (Цитируется).+? "| \ S + \ s) | "Dogs.jpg" , "\" Yiska plays.jpg \ "" in "Dogs.jpg \" Yiska plays.jpg \ "" |
Замены
Подстановки - это элементы языка регулярных выражений, которые поддерживаются в шаблонах замены. Для получения дополнительной информации см. Замены. Метасимволы, перечисленные в следующей таблице, являются атомарными утверждениями нулевой ширины.
| Персонаж | Описание | Узор | Схема замены | Входная строка | Строка результата |
|---|---|---|---|---|---|
$ номер | Заменяет подстроку, соответствующую номеру группы . | \ b (\ w +) (\ s) (\ w +) \ b | $ 3 $ 2 $ 1 | "один два" | "два один" |
$ { имя } | Заменяет подстроку, соответствующую названной группе name . | \ b (? | $ {word2} $ {word1} | "один два" | "два один" |
$$ | Заменяет буквальный символ "$". | \ b (\ d +) \ s? долларов США | $$$ 1 | "103 долл." | "103 доллара" |
$ и | Заменяет копию всего матча. | \ $? \ D * \.? \ D + | ** $ и ** | "1,30 $" | "** 1,30 доллара США **" |
$ | Заменяет весь текст входной строки перед совпадением. | В + | $ | "AABBCC" | "AAAACC" |
$ | Заменяет весь текст входной строки после совпадения. | В + | $ | "AABBCC" | "AACCCC" |
$ + | Заменяет последнюю захваченную группу. | В + (С +) | $ + | "AABBCCDD" | "AACCDD" |
$ _ | Заменяет всю входную строку. | В + | $ _ | "AABBCC" | "AAAABBCCCC" |
Параметры регулярного выражения
Вы можете указать параметры, которые управляют тем, как обработчик регулярных выражений интерпретирует шаблон регулярного выражения. Многие из этих параметров могут быть указаны либо встроенными (в шаблоне регулярного выражения), либо как одна или несколько констант RegexOptions. В этом кратком справочнике перечислены только встроенные параметры.Дополнительные сведения о параметрах inline и RegexOptions см. В статье Параметры регулярного выражения.
Вы можете указать встроенный параметр двумя способами:
- При использовании разной конструкции
(? Imnsx-imnsx), где знак минус (-) перед параметром или набором параметров отключает эти параметры. Например,(? I-mn)включает сопоставление без учета регистра (i), выключает многострочный режим (m) и отключает захват безымянных групп (n).Параметр применяется к шаблону регулярного выражения с точки, в которой он определен, и действует либо до конца шаблона, либо до точки, где другая конструкция меняет значение параметра на противоположное. - С помощью конструкции группирования
(? Imnsx-imnsx:подвыражение), которая определяет параметры только для указанной группы.
Механизм регулярных выражений .NET поддерживает следующие встроенные параметры:
| Опция | Описание | Узор | совпадений |
|---|---|---|---|
и | Использовать сопоставление без учета регистра. и $ соответствуют началу и концу строки, а не началу и концу строки. | Для примера см. Раздел «Многострочный режим» в параметрах регулярного выражения. | |
n | Не захватывать безымянные группы. | Для примера см. Раздел «Только явные захваты» в параметрах регулярного выражения. | |
с | Использовать однострочный режим. | Для примера см. Раздел «Однострочный режим» в параметрах регулярных выражений. | |
х | Игнорировать неэкранированные пробелы в шаблоне регулярного выражения. | \ b (? X) \ d + \ s \ w + | "1 трубкозуб" , "2 кошки" в "1 трубкозуб 2 кошки IV центурионы" |
Разные конструкции
Разные конструкции либо изменяют шаблон регулярного выражения, либо предоставляют информацию о нем. В следующей таблице перечислены различные конструкции, поддерживаемые.СЕТЬ. Для получения дополнительной информации см. Разные конструкции.
| Конструкция | Определение | Пример |
|---|---|---|
(? Imnsx-imnsx) | Задает или отключает такие параметры, как нечувствительность к регистру в середине шаблона. Дополнительные сведения см. В разделе Параметры регулярного выражения. | \ bA (? I) b \ w + \ b соответствует «ABA» , «Able» в «ABA Able Act» |
(? # комментарий ) | Встроенный комментарий.Комментарий заканчивается первой закрывающей круглой скобкой. | \ bA (? # Соответствует словам, начинающимся с A) \ w + \ b |
# [до конца строки] | Комментарий в X-режиме. Комментарий начинается с неэкранированного # и продолжается до конца строки. | (? X) \ bA \ w + \ b # Соответствует словам, начинающимся с A |
См. Также
PowerShell: Работа с регулярными выражениями (регулярное выражение) - статьи TechNet - США (английский)
Ссылка на родительский элемент: PowerShell - подробное описание и передовая практика
Есть несколько различных способов работы с регулярными выражениями в PowerShell, и в этой вики мы рассмотрим некоторые из этих методов.Эта вики НЕ БУДЕТ использовать шаблоны регулярных выражений, для этого в Интернете есть множество ресурсов. Если вам нужна помощь с шаблонами, загляните в раздел ресурсов.
** Эта вики предполагает базовые знания регулярных выражений **
Если вам нужна помощь в создании шаблонов RegEx, см. Ресурсы по регулярным выражениям
ниже.
Операторы на основе PowerShell Regex
Есть несколько разных операторов, которые поддерживают использование в них регулярных выражений. По большей части они довольно просты, так что это будет краткое изложение того, как использовать каждую из интересных функций, которые могут у них быть.
Сопоставление с учетом регистра
У каждого оператора PowerShell есть версия, чувствительная к регистру, и добавление к любому оператору префикса c сделает его чувствительным к регистру. Они также могут иметь префикс i для нечувствительного обозначения, но это вариант по умолчанию. Некоторые люди используют его для более чистого и наглядного кода. Это работает со всеми операторами сравнения, а не только с операторами на основе регулярных выражений.
«Привет Джастин» -матч "Джастин" # правда , по умолчанию является нечувствительным
«Привет Джастин» -cmatch "Джастин" # ложный , корпус не соответствует
«Привет Джастин» - совпадение "Джастин" # правда , явный корпус нечувствительность
Матч
Оператор PowerShell Match вернет значение True или False в зависимости от того, соответствует ли источник указанному шаблону.Отлично подходит для использования с операторами Where или If.
«Цифра 7 великолепна!» -Соответствие "\ d"
При совпадении создается автоматическая переменная $ Matches
. «Привет, Джастин, добро пожаловать» -match "привет \ s (\ w +), добро пожаловать"
«Меня зовут $ ($ соответствует [1])»
Переменная $ Matches представляет собой набор результатов совпадений из шаблона. Индекс 0 - это строка, которая была сопоставлена, а после этого - группа сопоставления, которая имеет что-либо с in ()
Заменить
Подробно об использовании -replace
String -Replace [,]
Простая замена - это НЕ с учетом регистра.
«привет мир» - заменить "мир" , «Мир»
Простое удаление
«привет мир» -заменить "мир"
Regex заменить
"сегодня 13.04.1999" -replace "\ d {2} / \ d {2} / \ d {4}" , ( get -date -f "ММ / дд / гггг" )
Заменить регулярное выражение с использованием найденных совпадений
"Джастин.(\ w +) \. (\ w +) @ " , '1–2 доллара @'
Regex заменить с использованием найденных совпадений рядом с числами
"jrich532" - заменить "(\ d) \ d {2}" , "` $ {1} 23 "
Разделить / Соединить
подробно использовать -split и -join и чем они отличаются от строк .split и .join
Switch Statement
подробно описать использование регулярного выражения с помощью оператора switch
Использование.NET regex пространство имен
Существует ускоритель типов для пространства имен регулярных выражений .net [regex]
Рекомендации по производительности
В зависимости от того, какое сопоставление вам нужно, может быть очень значительная разница в производительности регулярного выражения. Сами узоры также могут влиять на скорость.
Ресурсы
Список ресурсов, чтобы узнать о Regex для PowerShell и попрактиковаться.
Ресурсы PowerShell
Ресурсы регулярных выражений
См. Также
Использование регулярных выражений в BGP
Вы можете использовать регулярные выражения в команде ip as-path access-list с протоколом пограничного шлюза (BGP).В этом документе описаны сценарии использования регулярных выражений. Дополнительные общие сведения о регулярных выражениях см. В документации Cisco по регулярным выражениям.
Требования
Читатели этого документа должны знать следующее:
Используемые компоненты
Информация в этом документе основана на версиях программного и аппаратного обеспечения:
Информация в этом документе была создана на устройствах в определенной лабораторной среде. 4 $ маршрутизатор bgp 1 сосед 4.4.4.4 удаленный as 4 сосед 4.4.4.4 карта маршрута foo в маршрут-карта foo разрешение 10 сопоставить as-path 1
Это гарантирует, что только сети, исходящие из AS 4, могут быть подключены к маршрутизатору 1.
Разрешить только сетям, прошедшим через AS 4, входить в AS 3
Если вы хотите, чтобы только сети, прошедшие через AS 4, входили в AS 3 от маршрутизатора 3, вы можете применить входящий фильтр на маршрутизаторе 3.
ip as-path список доступа 1 разрешение _4_ маршрутизатор bgp 3 сосед 2.) не используется, поэтому не имеет значения, какие автономные системы идут до и после AS 4.Запретить сетям, созданным в AS 4, войти в AS 3 и разрешить все другие сети
Если вы хотите запретить все сети, созданные в AS 4, и разрешить всем другим маршрутам входить в AS 3 от маршрутизатора 3, вы можете применить входящий фильтр на маршрутизаторе 3, как показано ниже:
IP as-path access-list 1 deny _4 $ ip as-path список доступа 1 разрешение. * маршрутизатор bgp 3 сосед 2.) запускает строку ввода и обозначает "AS". Знак подчеркивания (_) означает, что в строке, следующей за «AS 4», есть пустая строка. [0-9] * указывает, что любая подключенная AS с действительным номером AS может пройти фильтр. Преимущество использования синтаксиса [0-9] * заключается в том, что он дает вам возможность добавлять любое количество AS без изменения этой командной строки. Для получения дополнительной информации см. AS-Regular Expression.Работа с текстовыми данными - документация pandas 1.1.5
- Начиная
- Гид пользователя
- Справочник по API
- Развитие
- Примечания к выпуску
.
- 10 минут до панд
- Введение в структуры данных
- Основные базовые функции
- Инструменты ввода-вывода (текст, CSV, HDF5,…)
- Индексирование и выбор данных
- MultiIndex / расширенное индексирование
- Слияние, соединение, объединение и сравнение
- Изменение формы и сводные таблицы
- Работа с текстовыми данными
- Работа с недостающими данными
- Категориальные данные
- Обнуляемый целочисленный тип данных