Дата изменения: Jan 16, 2024; Число слов на этой странице: 812;

Регулярные выражения

История

  • Кен Томпсон добавил поиск по регулярному выражению в редактор QED в конце 1960-х, позаимствовав нотацию из теоретической статьи Клини (1956 г.)
  • В 1968 г. из QED регулярные выражения перекочевали в ed – стандартный текстовый редактор системы
  • В 1970 г. из ed — в grep с попутным расширением (т.н. extended regular expressions)
  • В 1986 г. появился POSIX стандарт для базовых (BRE) и расширенных (ERE) регулярных выражений
  • В 1987 г. Генри Спенсер публикует интерпретатор Perl со встроенной поддержкой регулярных выражений
  • В 1997 г. Филип Хейзел разрабатывает perl-совместимые регулярные выражения (PCRE) — чаще всего в современности в языках программирования встречаются именно они или их разновидность

Определение

Регулярные выражения — способ описывать регулярные языки.

На практике регулярные выражения используют как шаблон, задающий правило поиска.



Нотация

Составляется такой шаблон из двух типов символов:

  • Литералы — обычные символы:

    • Все символы за исключением специальных [ ] \ ^ $ . | ? * + ( ) { }
    • Специальные символы предваренные \, например: \[ или \$

  • Метасимволы (wildcards) — специальные символы, которые используются для замены других символов (множества символов) и их последовательностей.

Метасимвол .

Метасимвол . обозначает один любой символ.

Пример:

st..d – регулярное выражение под которое подходят:

  • standard
  • stand
  • astddd

Символьные Классы

Символьный класс позволяет указать, что на данном месте в строке может стоять один из перечисленных символов.

  • [A-Z] – любая заглавная латинская буква;
  • [a-d] – строчная буква от a до d;
  • [A-Za-z0-9] – латинская буква или цифра;
  • [А-Яа-яЁё] – любая русская буква;
  • [^abc] — отрицание, т.е. все символы кроме букв латинского алфавита a, b, c.

Как перечислить символ - внутри []? А что насчёт ^?

Перечисление (объединение) |

Вертикальная черта | позволяет перечислить несколько вариантов.

Пример:

(gray|grey) – регулярное выражение под которое подходят:

  • gray
  • grey

Позиция внутри строки

Ниже приведена таблица, демонстрирующая основные спецсимволы (но не все!) и пример их использования:

СимволОписаниеПримерСоответствие
^начало строки^aaaa aaa
$конец строкиa$aaa aaa
\bграница словаa\b, \baaaa aaa, aaa aaa
\Bне граница слова\Ba\Baaa aaa

  • Символ ^ соответствует началу строки.
  • Символ $ соответствует концу строки.
  • \b обозначает границу слова.
  • \B обозначает не границу слова.

Кванторы

Основные кванторы

Кванторы в регулярных выражениях позволяют указать количество повторений символов или групп символов. Ниже приведены основные кванторы:

КванторОписаниеПримерСоответствие
*ноль или болееcolou*rcolor, colour, colouur и т.д.
+одно или болееcolou+rcolour, colouur и т.д.
?ноль или одинcolou?rcolor, colour

Расширенные кванторы

Расширенные кванторы позволяют более точно указать количество повторений:

КванторОписаниеПримерСоответствие
{n}ровно n разcolou{3}rcolouuur
{m,n}от m до n разcolou{2,4}rcolouur, colouuur, colouuuur
{m,}m или болееcolou{2,}rcolouur, colouuur, colouuuur и т.д.
{,n}n или менееcolou{,3}rcolor, colour, colouur, colouuur

Пример использования кванторов

Пример регулярного выражения для MAC-адресов:

^([0-9A-Fa-f]{2}:){5}[0-9A-Fa-f]{2}$

Это выражение соответствует строкам, целиком являющимся MAC-адресами.

Типы квантификации

Движки регулярных выражений можно заставить по-разному искать соответствие квантификаторам:

  1. Ленивая квантификация - ищем как можно меньшее число повторов.
  2. Жадная квантификация - ищем как можно большее число повторов.
  3. Ревнивая квантификация (сверхжадная) - ищем максимально возможное число повторов; однажды схватив, движок не отпускает захваченное.


Нотация квантификации

Жадные квнторы мы уже использовали ранее, их ленивое и ревнивое соответствие можно получить, добавив в конце ? или +.

Например,

  • * - жадный квантор.
  • *? - ленивый квантор.
  • *+ - ревнивый квантор.

Пример ленивой квантификации

Пример:

”.*” – регулярное выражение под которое подходят:

“witch” and her “broom” is one


”.*?” – регулярное выражение под которое подходят два вхождения строки:

“witch” and her “broom” is one

Группы

Круглые скобки используются для определения области действия и приоритета операций.

Пример:

(тр[ау]м-?)* – регулярное выражение, под которое подходят:

трам-трам-трум трам-трум-трамтрум

Обратные ссылки

При обработке выражения подстро́ки, найденные по шаблону внутри группы, сохраняются в отдельной области памяти и получают номер начиная с единицы. На них можно ссылаться в выражении.

Пример:

(та|ту)-\1

регулярное выражение, под которое подходят:

та-та или ту-ту,
но не та-ту

Важно! Квантификация группы не влияет на сохранённый ре- зультат – сохраняется только первое вхождение.

look-*

Есть только в PCRE (см. ниже):

ПаттернИмяОписание
(?=foo)lookaheadПроверяет, что за текущей позицией дальше в строке встретится foo
(?<=foo)lookbehindПроверяет, что перед текущей позицией в строке стоит foo
(?!foo)negative lookaheadПроверяет, что за текущей позицией дальше в строке не стоит foo
(?<!foo)negative lookbehindПроверяет, что перед текущей позицией в строке не стоит foo

Всё, что попадает под look-*, при работе движка, не считается частью совпадения и откидывается.

Regexp flavors

Как уже упоминалось, исторически POSIX содержит два стан- дарта для регулярных выражений и отдельно есть PCRE:

особенности
Basic
Regular
Expressions		\? \+ \{ \} \| \( \) – являются спецсимволами
? + { } | ( ) – обычные символы
Extended
Regular
Expressions		? + { } | ( ) – спецсимволы, если нужно найти такие в тексте, то в регулярном выражении они должны быть экранированы с помощью \
Perl
Compatible
Regular
Expressions		Сильно шире ERE и BRE. Случайно могут открыть портал в ад: см. \K, lookahead, lookbehind, conditional subpatterns и пр.

Примеры

1: Поиск даты

Регулярное выражение для поиска даты в формате ДД.ММ.ГГГГ:

\b\d{2}\.\d{2}\.\d{4}\b

2: Поиск email

Регулярное выражение для поиска email:

\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b

3: Поиск URL

Регулярное выражение для поиска URL:

\bhttps?://[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/))\b

Полезные ссылки

обратные ссылки

  • No backlinks found
SearchSearch