форум о заработке в интернете
Что необходимо знать о регулярных выражениях - Версия для печати

+- форум о заработке в интернете (https://rublsdollars.ru/forum)
+-- Форум: Форумы по программированию (https://rublsdollars.ru/forum/forumdisplay.php?fid=3)
+--- Форум: Регулярные выражения (https://rublsdollars.ru/forum/forumdisplay.php?fid=4)
+--- Тема: Что необходимо знать о регулярных выражениях (/showthread.php?tid=13)

Что необходимо знать о регулярных выражениях - shat - 11-18-2024

Шпаргалка по регулярным выражениям

shat18.11.20240
Квантификаторы
 
Аналог
Пример
Описание
?
{0,1}
a?
одно или ноль вхождений «а»
+
{1,}
a+
одно или более вхождений «а»
*
{0,}
a*
ноль или более вхождений «а»
Модификаторы
Символ «минус» (-) меред модификатором (за исключением U) создаёт его отрицание.
 
Описание
g
глобальный поиск (обрабатываются все совпадения с шаблоном поиска)
i
игнорировать регистр
m
многострочный поиск. Поясню: по умолчанию текст это одна строка, с модификатором есть отдельные строки, а значит 
Код:
^
— начало строки в тексте, 
Код:
$
— конец строки в тексте.
s
текст воспринимается как одна строка, спец символ «точка» (.) будет вкючать и перевод строки
u
используется кодировка UTF-8
U
инвертировать жадность
x
игнорировать все неэкранированные пробельные и перечисленные в классе символы
Спецсимволы
 
Аналог
Описание
()
 
подмаска, вложенное выражение
[]
 
групповой символ
{a,b}
 
количество вхождений от «a» до «b»
|
 
логическое «или», в случае с односимвольными альтернативами используйте []
\
 
экранирование спец символа
.
 
любой сивол, кроме перевода строки
\d
[0-9]
десятичная цифра
\D
[^\d]
любой символ, кроме десятичной цифры
\f
 
конец (разрыв) страницы
\n
 
перевод строки
\pL
 
буква в кодировке UTF-8 при использовании модификатора u
\r
 
возврат каретки
\s
[ \t\v\r\n\f]
пробельный символ
\S
[^\s]
любой символ, кроме промельного
\t
 
табуляция
\w
[0-9a-z_]
любая цифра, буква или знак подчеркивания
\W
[^\w]
любой символ, кроме цифры, буквы или знака подчеркивания
\v
 
вертикальная табуляция
Спецсимволы внутри символьного класса
 
Пример
Описание
^
[^da]
отрицание, любой символ кроме «d» или «a»
—
[a-z]
интервал, любой симво от «a» до «z»
Позиция внутри строки
 
Пример
Соответствие
Описание
^
^a
aaa aaa
начало строки
$
a$
aaa aaa
конец строки
\A
\Aa
aaa aaa
aaa aaa
начало текста
\z
a\z
aaa aaa
aaa aaa
конец текста
\b
a\b
\ba
aaa aaa
aaa aaa
граница слова, утверждение: предыдущий символ словесный, а следующий — нет, либо наоборот
\B
\Ba\B
aaa aaa
отсутствие границы слова
\G
\Ga
aaa aaa
Предыдущий успешный поиск, поиск остановился на 4-й позиции — там, где не нашлось a
Скачать в PDF, PNG.
Якоря
Якоря в регулярных выражениях указывают на начало или конец чего-либо. Например, строки или слова. Они представлены определенными символами. К примеру, шаблон, соответствующий строке, начинающейся с цифры, должен иметь следующий вид:
Код:
^[0-9]+

Здесь символ 
Код:
^
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, 
Код:
\d
соответствует любой цифре от 0 до 9 включительно, 
Код:
\w
соответствует буквам и цифрам, а 
Код:
\W
— всем символам, кроме букв и цифр. Шаблон, идентифицирующий буквы, цифры и пробел, выглядит так:
Код:
\w\s

POSIX
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”».
Код:
[^\s]*q(?!werty)[^\s]*

Приведенный выше код начинается с поиска любых символов, кроме пробела (
Код:
[^\s]*
), за которыми следует 
Код:
q
. Затем парсер достигает «смотрящего вперед» утверждения. Это автоматически делает предшествующий элемент (символ, группу или символьный класс) условным — он будет соответствовать шаблону, только если утверждение верно. В нашем случае, утверждение является отрицательным (
Код:
?!
), т. е. оно будет верным, если то, что в нем ищется, не будет найдено.
Итак, парсер проверяет несколько следующих символов по предложенному шаблону (
Код:
werty
). Если они найдены, то утверждение ложно, а значит символ 
Код:
q
будет «проигнорирован», т. е. не будет соответствовать шаблону. Если же 
Код:
werty
не найдено, то утверждение верно, и с 
Код:
q
все в порядке. Затем продолжается поиск любых символов, кроме пробела (
Код:
[^\s]*
).
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:
Код:
a{10,20}

По умолчанию кванторы — «жадные». Поэтому квантор 
Код:
+
, 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:
Код:
".*"

Этот шаблон соответствует тексту, заключенному в двойные кавычки. Однако, ваша исходная строка может быть вроде этой:
Код:
<a href="helloworld.htm" title="Привет, Мир">Привет, Мир</a>

Приведенный выше шаблон найдет в этой строке вот такую подстроку:
Код:
"helloworld.htm" title="Привет, Мир"

Он оказался слишком жадным, захватив наибольший кусок текста, который смог.
Код:
".*?"

Этот шаблон также соответствует любым символам, заключенным в двойные кавычки. Но ленивая версия (обратите внимание на модификатор 
Код:
?
) ищет наименьшее из возможных вхождений, и поэтому найдет каждую подстроку в двойных кавычках по отдельности:
Код:
"helloworld.htm" "Привет, Мир"

Экранирование в регулярных выражениях
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 «
Код:
.
» в качестве шаблона — это приведет к нахождению практически всего. Итак, вам необходимо сообщить парсеру, что эта точка должна считаться обычной точкой, а не «любым символом». Это делается с помощью знака экранирования.
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:
Код:
\.

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.
Спецсимволы экранирования в регулярных выражениях
Выражение
Соответствие
\
не соответствует ничему, только экранирует следующий за ним символ. Это нужно, если вы хотите ввести метасимволы 
Код:
!$()*+.<>?[\]^{|}
в качестве их буквальных значений.
\Q
не соответствует ничему, только экранирует все символы вплоть до 
Код:
\E
\E
не соответствует ничему, только прекращает экранирование, начатое 
Код:
\Q
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:
Код:
[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:
Код:
[^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»:
Код:
(ab|bc)

Если в регулярном выражении необходимо сослаться на какую-то из предшествующих групп, следует использовать 
Код:
\n
, где вместо 
Код:
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:
Код:
(aaa|bbb)[0-9]+\1

Первая часть шаблона ищет «aaa» или «bbb», объединяя найденные буквы в группу. За этим следует поиск одной или более цифр (
Код:
[0-9]+
), и наконец 
Код:
\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 
Код:
\1
будет искать «aaa» после числа.
Одним из наиболее полезных инструментов в регулярных выражениях является подстановка строк. При замене текста можно сослаться на найденную группу, используя 
Код:
$n
. Скажем, вы хотите выделить в тексте все слова «wish» жирным начертанием. Для этого вам следует использовать функцию замены по регулярному выражению, которая может выглядеть так:
Код:
replace(pattern, replacement, subject)

Первым параметром будет примерно такой шаблон (возможно вам понадобятся несколько дополнительных символов для этой конкретной функции):
Код:
([^A-Za-z0-9])(wish)([^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:
Код:
$1<b>$2</b>$3

Ею будет заменена вся найденная по шаблону строка. Мы начинаем замену с первого найденного символа (который не буква и не цифра), отмечая его 
Код:
$1
. Без этого мы бы просто удалили этот символ из текста. То же касается конца подстановки (
Код:
$3
). В середину мы добавили HTML тег для жирного начертания (разумеется, вместо него вы можете использовать CSS или 
Код:
<strong>
), выделив им вторую группу, найденную по шаблону (
Код:
$2
).
Модификаторы шаблонов
Модификаторы шаблонов используются в нескольких языках, в частности, в Perl. Они позволяют изменить работу парсера. Например, модификатор 
Код:
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:
Код:
/pattern/

Модификаторы добавляются в конец этой строки, вот так:
Код:
/pattern/i

Категории