Регулярные выражения (RegExp) — специальный язык для описания множества строк. Они помогают решать задачу поиска какого-либо текста (из описанного множества) в другом тексте, описывают интересующий нас текст и работают достаточно эффективно для быстрого решения задачи поиска.
В некоторых случаях количество вариантов искомого текста настолько велико, что перечислять все варианты становится неудобно. Иногда все эти варианты могут быть представлены одной строкой — регулярным выражением.
Примеры регулярных выражений (см. слайды):
KotlinAsFirst[A-Z0-9._%-]@[A-Z0-9.-]+\.[A-Z]{2,}ˆ4[0-9]{12}(?:[0-9]{3})?$[-]?[0-9]*\.?[0-9]<()([ˆ<])(?:>(.)<\/\1>|\s+\/>)
Поиск регулярного выражения осуществляется с помощью автомата с состояниями, или конечного автомата. В данном случае под этим понимается алгоритм, имеющий некоторое количество устойчивых состояний. Для каждого состояния определяются действия, которые алгоритм выполняет в этом состоянии, а также условия, по которым алгоритм переходит в другие состояния.
Возможности языка регулярных выражений
Регулярное выражение в общем случае — это строка, в которой часть символов играет специальную роль. Но большинство символов в регулярном выражении обозначают просто самих себя. Например:
KotlinAsFirstТрансмогрификацияМама мыла раму42
Существует однако ряд специальных символов. Например, класс символов обозначает любой символ из определённого множества:
[0123456789]— любая цифра[aeiouy]— любая буква из перечисленных[~!@#$%^&*+-]— любой символ из перечисленных
Отрицание класса символов ищет любой символ НЕ из заданного множества:
[^0123456789]— всё, что угодно, кроме цифры[^a-z]— всё, что угодно, кроме строчной латинской буквы[^-az]— всё, что угодно, кроме-,a,z
Классы и их отрицания, как видим, используют специальные символы […] для обозначения класса, специальный символ - для обозначения интервала символов и последовательность [^…] для обозначения отрицания.
Якоря позволяют найти начало или конец всей строки:
^fun—funв начале строки\.$— точка в конце строки^Kotlin is great as the first language!$— ВСЯ строка с заданной фразой (и более ничем)
Здесь ^ используется для обозначения начала строки, а $ для обозначения конца. Следует иметь в виду, что якоря никак не учитывают переводы строк — имеется в виду начало или конец всего текста, а не одной строки в тексте.
\. использует экранирование для обозначения символа ., поскольку в регулярных выражениях точка является специальным символом (и обозначает любой символ). Таким образом, \ в регулярных выражениях экранирует последующий символ, делая его из специального символа обыкновенным. Для обозначения символа \ применяется пара \\. Аналогично, \^ обозначает символ-шапку, \$ — символ доллара, \[ — открывающую квадратную скобку,\] — закрывающую квадратную скобку.
Особые символы ищут символы по специальным правилам:
` …..` — любая последовательность из пяти символов, начинающаяся и заканчивающаяся пробелов\t— табуляция,\n— новая строка,\r— возврат каретки (два последних символа унаследованы компьютерами от эпохи пишущих машинок, когда для начала печати с новой строки необходимо было выполнить два действия — возврат каретки в начало строки и перевод каретки на новую строку)\s— произвольный вид пробела (пробел, табуляция, новая строка, возврат каретки)\d— произвольная цифра, аналог[0-9]\w— произвольная «символ в слове», обычно аналог[a-zA-z0-9], то есть, латинская буква или цифра\S— НЕ пробел,\D— НЕ цифра,\W— НЕ «символ в слове»
Шаблон выбора | ищет одну строку из нескольких, например:
Марат|Михаил— Марат или Михаил^\[|\]$— открывающая квадратная скобка в начале строки или закрывающая в концеfor.(val|var).— циклforс последующимvalилиvar
Шаблоны количества ищут определённое число совпадений:
.*— любое количество (в том числе ноль) любых символов(Марат)+— строка Марат один или более раз (но не ноль)(Михаил)?— строка Михаил ноль или один раз([0-9]{4})— последовательность из ровно четырёх любых цифр\w{8,16}— последовательность из 8-16 «символов в слове»
Круглые скобки () задают так называемые группы поиска, объединяя несколько символов вместе.
(Kotlin)+AsFirst— KotlinAsFirst, KotlinKotlinAsFirst, KotlinKotlinKotlinAsFirst, …(?:\$\$)+—`, ``, `, …(\w+)\s\1— слово, за которым следует пробел и то же самое слово.fun\s+(/w+)\s*\{.\1.\}—funс последующими пробелами, произвольным словом в круглых скобках, пробелами и тем же словом в фигурных скобках
Здесь \1 (\2, \3, …) ищет уже описанную группу поиска по её номеру внутри регулярного выражения (в данном случае — первую группу). Комбинация (?:…) задаёт группу поиска без номера. В целом, (?…) задаёт группы особого поиска:
Марат(?=\sАхин)— Марат, за которым следует пробел и Ахин(?⇐Михаил\s)Глухих— Глухих, перед которым стоит Михаил с пробелом\d+(?![$\d])— число, после которого НЕ стоит знак доллара(?<!root\s)beer— beer, перед которым НЕ стоит root с пробелом
