Регулярные выражения
Регулярные выражения — система поиска текстовых фрагментов в электронных документах, основанная на специальной системе записи образцов для поиска.
Образец, задающий правило поиска, называется "шаблоном". Применение регулярных выражений принципиально преобразило технологии электронной обработки текстов.
С помощью регулярных выражений можно задавать структуру искомого шаблона и его позицию внутри строки (например, в начале или в конце строки, на границе или не на границе слова).
При описании структуры шаблона используются:
- гибкая система квантификаторов (операторов повторения);
- операторы описания наборов символов и их типа (числовые, нечисловые, специальные).
Для того, чтобы задать положение искомого фрагмента внутри строки, можно использовать один из следующих операторов:
Представление | Позиция |
^ | Начало строки |
$ | Конец строки |
\b | Граница слова |
\B | Не граница слова |
(?=шаблон) | Искомая строка следует после указанной строкой (с просмотром вперед) |
(?!=шаблон) | Искомая строка не следует после указанной строки (с просмотром вперед) |
(?<=шаблон) | Искомая строка следует после указанной строкой (с просмотром назад) |
(?<!шаблон) | Искомая строка не следует после указанной строки (с просмотром назад) |
Кроме того, язык регулярных выражений предоставляет набор квантификаторов, позволяющих указать число повторений шаблона:
Представление | Число повторений |
{n} | Ровно n |
{m, n} | От m до n включительно |
{m,} | Не менее m |
{,n} | Не более n |
Имеются и более простые квантификаторы:
Представление | Число повторений | Эквивалент |
* | Ноль или более | {0,} |
+ | Одно или более | {1,} |
? | Ноль или одно | {0,1} |
Для задания внутри шаблона группы символом можно использовать следующие операторы:
Оператор | Описание |
[xyz] | Любой символ из указанного множества |
[^xyz] | Любой символ не входящий в указанное множество |
[x-z] | Любой символ из указанного диапазона |
[^x-z] | Любой символ не входящий в указанный диапазон |
. (точка) | Любой символ кроме символов разрыва или переноса строки |
\w | Любой буквенно-цифровой символ, включая символ подчеркивания |
\W | Любой не буквенный символ |
\d | Любая цифра |
\D | Любой нецифровой символ |
\s | Люой не отображаемый символ |
\S | Любой символ (кроме неотображаемых символов) |
Для группировки отдельных частей шаблона можно использовать следующие операторы:
Оператор | Описание |
( ) | Поиск группы символов внутри скобок и сохранение найденного соответствия |
(?: ) | Поиск группы символов внутри скобок без сохранения найденного соответствия |
| | Комбинирование частей в одно выражения с последующим поиском любой из частей в отдельности. Аналогично оператору "ИЛИ". |
Если шаблон поиска включает специальные (как правило неотображаемые) символы, для их описания можно использовать следующие обозначения:
Обозначение | Описание |
\0 | Символ с нулевым кодом |
\n | Символ новой строки |
\r | Символ начала строки |
\t | Символ табуляции |
\v | Символ вертикальной табуляции |
\xxx | Символ, имеющий заданный восьмеричный ASCII код xxx |
\xdd | Символ, имеющий заданный шестнадцатиричный ASCII код dd |
\uxxxx | Символ, имеющий ASCII код выраженный ЮНИКОДОМ xxxx |
Квантификаторам в регулярных выражениях соответствует максимально длинная строка из возможных (т.е. квантификаторы являются "жадными"). Это может приводить к некоторым проблемам. Например, шаблон (<.*>) описывающий на первый взгляд теги HTML на самом деле будет выделять более крупные фрагменты в документе.
Например, строка вида
<p> <font color='blue'> <i>Регулярные выражения<i> </font> - удобный инструмент для поиска в строках </p>формально соответствует указанному выше шаблону
Для решения данной проблемы можно использовать два подхода.
1. В регулярном выражении учитываются символы, не соответствующие желаемому образцу (например, <[^>]*> для вышеописанного случая).
2. Определение квантификатора как нежадного (ленивого) - большинство реализаций позволяют это сделать, добавив после него знак вопроса.
Например, по шаблону (<.*?>) будут найдены все теги из рассмотренной строки.
Таким образом, получаются следующие "нежадные" модификации квантфикаторов:
Модификатор | Описание |
*? | "не жадный" эквивалент * |
+? | "не жадный" эквивалент + |
{n,}? | "не жадный" эквивалент {n,} |
Следует, однако, иметь в виду, что использование "ленивых" квантификаторов может привести к ситуации, когда выражению соответствует слишком короткая, в частности, пустая строка.
Дата добавления: 2016-03-04; просмотров: 448;