Синтаксис регулярных выражений
|
Синтаксис регулярных выражений |
|
Регулярные выражения - это широко используемый способ описания шаблонов для поиска текста и проверки соответствия текста шаблону. Специальные метасимволы позволяют определять, например, что Вы ищете подстроку в начале входной строки или определенное число повторений подстроки.
Простое сравнение
Любой символ совпадает с самим собой, если он не относится к специальным метасимволам описанным чуть ниже.
Последовательность символов совпадает с такой же последовательностью во входной строке, так что шаблон "bluh" совпадет с подстрокой "bluh'' во входной строке. Пока все просто, не так ли ?
Если необходимо, чтобы метасимволы или escape-последовательности воспринимались как обычные символы, их нужно предварять символом "\", например, метасимвол "^" обычно совпадает с началом строк, однако, если записать его как "\^", то он будет совпадать с символом "^", "\\" совпадает с "\" и т.д.
Примеры:
banner находит banner
\\banner находит \banner
Escape-последовательности
Любой символ может быть определен с помощью escape последовательности, так же как это делается в языках C или Perl: "\n'' означает начало строки, "\t'' - табуляцию и т.д.. Вообще, \xnn, где nn это последовательность шестнадцатеричных цифр, означает символ с ASCII-кодом nn. Если необходимо определить двухбайтный (Unicode) символ, используйте формат '\x{nnnn}', где 'nnnn' - одна или более шестнадцатеричных цифр.
\xnn символ с шестнадцатеричным кодом nn
\x{nnnn} символ с шестнадцатеричным кодом nnnn
\t табуляция (HT/TAB), можно также \x09
\n новая строка (NL), можно также \x0a
\r возврат каретки (CR), можно также \x0d
\f перевод формата (FF), можно также \x0c
\a звонок (BEL), можно также \x07
\e escape (ESC), можно также \x1b
Примеры:
ban\x20ner находит 'ban ner' (обратите внимание на пробел посередине)
Перечни символов
Вы можете определить перечень, заключив символы в []. Перечень будет совпадать с любым одним символом перечисленным в нем.
Если первый символ перечня (сразу после "['') - "^'', то такой перечень совпадает с любым символом не перечисленным в перечне.
Примеры:
bann[ei]r находит 'banner', 'bannir' и т.д. но не 'bannrr, 'bannar' и т.д.
bann[^ei]r находит 'bannrr, 'bannar' и т.д. но не 'banner', 'bannir' и т.д.
Внутри перечня символ "-'' может быть использован для определения диапазонов символов, например a-z представляет все символы между "a'' и "z'', включительно.
Если Вам необходимо включить в перечень сам символ "-'', поместите его в начало или конец перечня или предварите '\'. Если Вам необходимо поместить в перечень сам символ ']', поместите его в самое начало или предварите '\'.
Примеры:
[-az] 'a', 'z' и '-'
[az-] 'a', 'z' и '-'
[a\-z] 'a', 'z' и '-'
[a-z] все 26 малых латинских букв от 'a' до 'z'
[\n-\x0D] #10, #11, #12, #13.
[\d-t] цифра, '-' или 't'.
[]-a] символ из диапазона ']'..'a'.
Метасимволы
Метасимволы - разделители строк
^ начало строки
$ конец строки
\A начало текста
\Z конец текста
. любой символ в строке
Примеры:
^banner находит 'banner только если он в начале строки
banner$ находит 'banner' только если он в конце строки
^banner$ находит 'banner' только если это единственное слово в строке
bann.r находит 'banner', 'bannar, 'bannir' и т.д.
Метасимвол "^" по умолчанию совпадает только в начале входного текста, а метасимвол "$" - только в конце текста. Внутренние разделители строк, имеющиеся в тексте, не будут совпадать с "^'' и "$''.
Однако, если Вам необходимо работать с текстом как с многострочным, чтобы "^'' совпадал после каждого разделителя строки внутри текста, а "$'' - перед каждым разделителем, то Вы можете включить модификатор /m.
Метасимволы \A и \Z аналогичны "^'' и "$'', но на них не действует модификатор /m, т.е. они всегда совпадают только с началом и концом всего входного текста.
Метасимвол ".'' по умолчанию совпадает с любым символом, однако, если Вы выключите модификатор /s, то '.' не будет совпадать с разделителями строк.
"^" совпадает с началом входного текста, а также, если включен модификатор /m, с точкой непосредственно следующей после \x0D\x0A, \x0A или \x0D . Обратите внимание, что он не совпадает в промежутке внутри последовательности \x0D\x0A.
"$" совпадает с концом входного текста, а также, если включен модификатор /m, с точкой непосредственно предшествующей \x0D\x0A, \x0A или \x0D . Обратите внимание, что он не совпадает в промежутке внутри последовательности \x0D\x0A.
"." совпадает с любым символом, но если выключен модификатор /s, то "." не совпадает с \x0D\x0A и \x0A и \x0D.
Обратите внимание, что "^.*$" (шаблон для пустой строки) не совпадает с пустой строкой вида \x0D\x0A, но совпадает с \x0A\x0D.
Стандартные перечни символов
\w буквенно-цифровой символ или "_"
\W не \w
\d цифровой символ
\D не \d
\s любой "пробельный" символ (по умолчанию - [ \t\n\r\f])
\S не \s
Стандартные перечни \w, \d и \s можно использовать и внутри перечней символов.
Примеры:
banner\d находит 'banner1', ''banner2' и т.д. но не 'banners' и т.д.
ban[\w\s]er находит 'banner', 'ban er', 'banier' и т.д. но не 'ban1er', 'ban=er' и т.д.
Границы слов
\b Совпадает на границе слова
\B Совпадает не на границе слова
Граница слова (\b) это точка между двумя символами, один из которых удовлетворяет \w, а другой - \W (в любом порядке), при этом перед началом и после конца строки подразумевается \W.
Повторения
Вы можете определить число допустимых повторений предшествующего символа, метасимвола или подвыражения.
* ноль или более раз ("жадный"), то же что {0,}
+ один или более раз ("жадный"), то же что {1,}
? ноль или один раз ("жадный"), то же что {0,1}
{n} точно n раз ("жадный")
{n,} не менее n раз ("жадный")
{n,m} не менее n но не более m раз ("жадный")
*? ноль или более раз ("не жадный"), то же что {0,}?
+? один или более раз ("не жадный"), то же что {1,}?
?? ноль или один раз ("не жадный"), то же что {0,1}?
{n}? точно n раз ("не жадный")
{n,}? не менее n раз ("не жадный")
{n,m}? не менее n но не более m раз ("не жадный")
Т.о. {n,m} задает минимум n повторов и максимум - m. Повторитель {n} эквивалентен {n,n} и задает точно n повторов. Повторитель {n,} задает минимум n повторов. Теоретически величина параметров n и m не ограничена, но рекомендуется не задавать большие значения, поскольку в некоторых ситуациях это может потребовать существенных затрат времени и ОЗУ при обработке такого повторителя в связи с рекурсивным характером работы.
Если фигурные скобки встречаются в "неправильном" месте, где они не могут быть восприняты как повторитель, то они воспринимаются просто как символы.
Примеры:
ba.*r находит 'baer, 'baner' и 'banner' и т.д.
ba.+er находит 'baner', 'banner но не 'baer'
ba.?er находит 'baer', 'baner но не 'banner'
ban{2}er находит 'banner'
ban{2,}er находит 'banner, 'bannner', 'bannnner' и т.д.
ban{2,3}er находит 'banner, или 'bannner' но не 'bannnner'
Небольшое пояснение по поводу "жадности". "Жадные" варианты повторителей пытаются захватить как можно большую часть входного текста, в то время как "не жадные" - как можно меньшую. Например, 'b+' как и 'b*' примененные к входной строке 'abbbbc' найдут 'bbbb', в то время как 'b+?' найдет только 'b', а 'b*?' - вообще - пустую строку; 'b{2,3}?' найдет 'bb', в то время как 'b{2,3}' найдет 'bbb'.
Вы можете переключить все повторители в выражении в "не жадный" режим, воспользовавшись модификатором /g.
Варианты
Вы можете определить перечень вариантов, используя метасимвол "|'' для их разделения, например "fee|fie|foe" найдет "fee'' или "fie'' или "foe'', (так же как "f(e|i|o)e"). В качестве первого варианта воспринимается все от предыдущего метасимвола "('' или "['' или от начала выражения до первого метасимвола "|'', в качестве последнего - все от последнего "|'' до конца выражения или до ближайшего метасимвола ")''. Обычно, чтобы не запутаться, набор вариантов всегда заключают в скобки, даже если без этого можно было бы обойтись.
Варианты пробуются начиная с первого и попытки завершаются сразу же как удастся подобрать такой при котором совпадет вся последующая часть выражения. Это означает, что варианты не обязательно обеспечат "жадное" поведение. Например, если применить выражение "foo|foot" ко входной строке "barefoot'', то будет найдено "foo'' так это первый вариант который позволил совпасть всему выражению.
Обратите внимание, что метасимвол "|'' воспринимается как обычный символ внутри перечней символов, например, [fee|fie|foe] означает ровно то же самое что и [feio|].
Примеры:
banne(r|rs) находит 'banner' или 'banners'.
Текущая страница справки: help.smart-soft.ru/index.html?regexp.htm