Wyrażenie regularne
Z Wikipedii
Zasugerowano, aby artykuł Wyrażenie regularne (informatyka teoretyczna) zintegrować z tym artykułem lub sekcją. (dyskusja) |
Wyrażenia regularne (ang. regular expressions, w skrócie regex lub regexp) to wzorce, które opisują łańcuchy symboli. Zdaniem niektórych lepszym tłumaczeniem angielskiej nazwy byłoby wyrażenia regułowe ponieważ, chodzi tu nie o regularność, a o reguły opisywane tymi wyrażeniami. Obecna nazwa jest jednak mocno zakorzeniona w literaturze informatycznej. Teoria wyrażeń regularnych jest związana z teorią tzw. języków regularnych. Wyrażenia regularne mogą określać zbiór pasujących łańcuchów, mogą również wyszczególniać istotne części łańcucha.
Dwie najpopularniejsze składnie wyrażeń regularnych to składnia uniksowa i składnia perlowa. Składnia perlowa jest znacznie bardziej rozbudowana. Jest ona używana nie tylko w języku Perl, ale także w innych językach programowania: (Ruby), bibliotece PCRE do C i w narzędziu powłoki o nazwie pcregrep (znanego też jako pgrep). Perlową składnię stosuje się również w maskach przepisań mod_rewrite.
Spis treści |
[edytuj] Elementy
Podstawowe elementy wyrażeń regularnych:
- Każdy znak, oprócz znaków specjalnych, określa sam siebie, np. a określa łańcuch złożony ze znaku a.
- Kolejne symbole oznaczają, że w łańcuchu muszą wystąpić dokładnie te symbole w dokładnie takiej samej kolejności, np. ab oznacza że łańcuch musi składać się z litery a poprzedzającej literę b.
- Kropka . oznacza dowolny znak z wyjątkiem znaku nowego wiersza (zależnie od ustawień i rodzaju wyrażeń).
- Znaki specjalne poprzedzone odwrotnym ukośnikiem \ powodują, że poprzedzanym znakom nie są nadawane żadne dodatkowe znaczenia i oznaczają same siebie, np. \. oznacza znak kropki (a nie dowolny znak).
- Zestaw znaków między nawiasami kwadratowymi oznacza jeden dowolny znak objęty nawiasami kwadratowymi, np. [abc] oznacza a, b lub c. Można używać także przedziałów: [a-c]. Między nawiasami kwadratowymi:
- Daszek ^ na początku zestawu oznacza wszystkie znaki oprócz tych z zestawu.
- Aby uniknąć niejasności, znaki - (łącznik) i ] (zamknięcie nawiasu kwadratowego) zapisywane są na skraju zestawu lub w niektórych systemach po znaku odwrotnego ukośnika, daszek zaś wszędzie z wyjątkiem początku łańcucha. Zasady te mogą być różne w zależności od konkretnej implementacji.
- Większość znaków specjalnych w tym miejscu traci swoje znaczenie.
- Pomiędzy nawiasami okrągłymi ( i ) grupuje się symbole, do ich późniejszego wykorzystania.
- Gwiazdka * po symbolu, (nawiasie, pojedynczym znaku) nazywana jest dopełnieniem Kleene'a i oznacza zero lub więcej wystąpień poprzedzającego wyrażenia.
- Znak zapytania ? po symbolu oznacza najwyżej jedno (być może zero) wystąpienie poprzedzającego wyrażenia.
- Plus + po symbolu oznacza co najmniej jedno wystąpienie poprzedzającego go wyrażenia.
- Daszek ^ oznacza początek wiersza, dolar $ oznacza koniec wiersza.
- Pionowa kreska (ang. pipeline) | to operator OR np. jeśli napiszemy a|b|c oznacza to, że w danym wyrażeniu może wystąpić a lub b lub c.
[edytuj] Wyrażenia zachłanne (ang. greedy)
Kwantyfikatory w wyrażeniach regularnych dopasowują tak wiele znaków jak to możliwe – są to tzw. wyrażenia zachłanne (greedy - z ang. zachłanne, łapczywe). Może to być znaczącym problemem. Przykładowo, aby dopasować pierwszy element, znajdujący się w podwójnych nawiasach kwadratowych w tekście:
- Kolejna eksplozja wieloryba nastąpiła na [[Tajwan]]ie, [[26 stycznia]] [[1990]].
użytkownik użyłby najchętniej wyrażenia (\[\[.*\]\])
, które wygląda poprawnie (nawias kwadratowy powinien być interpretowany jako znak, dlatego poprzedzony jest odwrotnym ukośnikiem), jednak zwróci ciąg [[Tajwan]]ie, [[26 stycznia]] [[1990]] zamiast oczekiwanego [[Tajwan]].
Są dwie metody na uniknięcie tego problemu. Po pierwsze, zamiast określać co powinno być dopasowane, można określić co nie powinno być dopasowane, czyli w tym przypadku ] jest znakiem niepożądanym, więc wyrażenie miałoby postać (\[\[[^\]]*\]\])
. Jednak nie uda się w ten sposób dopasować ciągu znaków w postaci:
- A B C [[D E] F G]]
Drugą, bardziej współczesną metodą jest "zmuszenie" kwantyfikatora, aby nie był typu "greedy", poprzez dopisanie za nim znaku zapytania (\[\[.*?\]\])
. Są to tak zwane "leniwe" (ang. lazy) odmiany kwantyfikatorów.
[edytuj] Rozszerzenia Perla
Rozszerzenia Perla to między innymi:
- Negacja zestawu (wszystko, co nie należy do zestawu).
- cyfry są zastępowane znakami \d (dowolna cyfra) i \D (wszystko co nie jest cyfrą)
- znaki "białe" \s i \S (przeciwieństwo)
- Rozszerzony zapis przedziałów, wprowadzenie klas znaków np.:
- [:digit:] oznacza dowolną cyfrę
- [:alpha:] literę
- [:alnum:] literę lub cyfrę
- Możliwość precyzyjnego określenia liczby wystąpień danego wyrażenia
- wyrażenie{N} oznacza dokładnie N wystąpień
- wyrażenie{N,} co najmniej N wystąpień wyrażenia
- wyrażenie{,M} co najwyżej M wystąpień wyrażenia
- wyrażenie{N,M} od N do M wystąpień wyrażenia
- Referencje wsteczne, czyli możliwość odwoływania się do odnalezionych podciągów zgrupowanych poprzez nawiasy. Np. w wyrażeniu "(.*)\1" referencją wsteczną jest "\1" i oznacza powtórzenie ciągu znalezionego w ramach pierwszej grupy nawiasów. To rozszerzenie wyprowadza akceptowane łańcuchy poza klasę języków regularnych.
[edytuj] Bibliografia
- Jeffrey E.F. Friedl: Wyrażenia regularne. Gliwice: Helion O`REILLY [1], 06 2001. ISBN 83-7197-351-9. "Wyrażenia regularne to idea, wykorzystywana w różny sposób w różnych narzędziach (narzędzi tych jest o wiele więcej, niż opisano w tej książce). Jeśli opanuje się już ogólną sztukę wyrażeń regularnych, opanowanie konkretnej ich implementacji nie będzie stanowiło jakiegokolwiek problemu".
- Tony Stubblebine: Wyrażenia regularne leksykon kieszonkowy Wydanie I. Gliwice: Helion O`REILLY, 12 2003. ISBN 83-7361-075-8.
- Tony Stubblebine: Wyrażenia regularne leksykon kieszonkowy Wydanie II. Gliwice: Helion O`REILLY, 01 2008. ISBN 978-83-246-1392-2.
[edytuj] Zobacz też
- automaty skończone
- gramatyka formalna
- gramatyka kontekstowa
- gramatyka regularna
- język formalny
- znaki globalne
[edytuj] Linki zewnętrzne
- Kurs wyrażeń regularnych
- Skrypt do sprawdzania poprawności wyrażeń regularnych
- Tester wyrażeń regularnych w JavaScripcie
- Tester wyrażeń regularnych we Flexie
[edytuj] Przypisy
- ↑ Authorized translation of the English edition O`REILLY & Assaociates