Приложение 4. Perl-совместимые регулярные выражения

Приложение 4. Perl-совместимые регулярные выражения

Подробная информация о Perl-совместимых регулярных выражениях (Perl Compatible Regular Expressions, PCRE) доступна в документации к Perl (см. perldoc.perl.org/perlre) в документации к использованной в Parser 3 библиотеке PCRE (см. pcre.org/current/doc/html/), а также большом количестве специальной литературы, содержащей, помимо всего остального, множество практических примеров. Особенно детально использование регулярных выражений описано в книге Дж. Фридла «Регулярные выражения» издательства O'Reilly (ISBN 1-56592-257-3), перевод книги на русский язык: издательство «Питер» (ISBN 5-272-00331-4, второе издание; ISBN 5-318-00056-8, первое издание).

Краткое описание, которое приводится тут, имеет справочный характер.

Регулярное выражение - это шаблон для поиска подстроки, который должен совпасть с подстрокой слева направо в строке поиска. Большинство символов в этом шаблоне представлены сами собой, и при поиске просто проверяется наличие этих символов в строке поиска в заданной последовательности. В качестве простейшего примера можно привести шаблон для поиска «шустрая лиса», который должен совпасть с аналогичным набором символов в строке поиска. Мощь регулярных выражений состоит в том, что, помимо обычных символов, они позволяют включать в шаблоны альтернативные варианты выбора и повторяющиеся фрагменты с помощью метасимволов. Эти метасимволы ничего не значат сами по себе, но при использовании их в регулярных выражениях они обрабатываются особым образом.

Существует два различных набора метасимволов:

1)	распознаваемые в любой части шаблона, не заключенной в квадратные скобки;

2)	распознаваемые в частях шаблона, заключенных в квадратные скобки.

К метасимволам, распознаваемым вне квадратных скобок, относятся следующие:

\	общее обозначение для escape-последовательностей; предусматривают различное использование, рассмотрены ниже
^	совпадает с началом фрагмента для поиска или перед началом строки в многострочном режиме
$	совпадает с концом фрагмента для поиска или перед концом строки в многострочном режиме
.	символьный класс, содержащий все символы; этот метасимвол совпадает с любым символом, кроме символа новой строки по умолчанию.
[...]	символьный класс; совпадает с любым элементом из списка, заданного в квадратных скобках
\|	метасимвол, означающий «или»; позволяет объединить несколько регулярных выражений в одно, совпадающее с любым из выражений-компонентов
(...)	ограничение подстроки поиска в общем шаблоне поиска
?	совпадает с одним необязательным символом
*	совпадает с неограниченным количеством любых необязательных символов, указанных слева
+	совпадает с неограниченным количеством символов, указанных слева; для совпадения требуется хотя бы один произвольный символ
{мин, макс}	интервальный квантификатор - требуется минимум экземпляров, допускается максимум экземпляров

Часть шаблона, заключенная в квадратные скобки, называется символьным классом. В описании символьного класса допустимо использовать только следующие метасимволы:

\	escape-символ
^	инвертированный символьный класс, метасимвол обязательно должен быть первым символом в описании класса; совпадение будет происходить с любыми символами, не входящими в символьный класс
-	обозначение интервала символов
[...]	ограничитель символьного класса

Использование метасимвола «\»

Обратная косая черта предусматривает несколько вариантов использования. В случае если вслед за ним следует символ, не обозначающий букву алфавита, она выполняет функцию экранирования и отменяет специальное значение, которое может иметь этот символ. Такое использование этого метасимвола возможно как внутри символьного класса, так и вне его. Если, например, необходимо найти символ «*», то используется следующая запись в шаблоне «\*». В случае необходимости экранировать сам символ «\» используется запись «\\».

Второй вариант использования этого метасимвола - описание управляющих символов в шаблоне. Можно использовать следующие escape-последовательности:

   \а   сигнал;
   \cx    control-x, где х - любой символ;
   \е   ASCII-символ escape;
   \f    подача бумаги;
   \n    новая строка;
   \r    возврат курсора   ;
   \t    табуляция;
   \xhh    шестнадцатеричный код символа hh;
   \ddd    восьмеричный код символа ddd.

Третий вариант - определение специфических символьных классов:

   \d       любая десятичная цифра [0-9];
   \s      пропуск, пробел, обычно [ \f\n\r\t] (первый символ в квадратных скобках - пробел);
   \w       символ слова, обычно [a-zA-Z0-9_];
   \D  \S  \W   отрицание \d \s \w.

Четвертый вариант - обозначение мнимых символов. В PCRE существуют символы, которые соответствуют не какой-либо литере или литерам, а означают выполнение определенного условия, поэтому в английском языке они называются утверждениями (assertion). Их целесообразно рассматривать как мнимые символы нулевого размера, расположенные на границе между реальными символами в точке, которая соответствует определенному условию. Эти утверждения не могут использоваться в символьных классах (\b имеет дополнительное значение и обозначает возврат каретки внутри символьного класса).

   \b    граница слова
   \B    отсутствие границы слова
   \A    «истинное» начало строки
   \Z    «истинный» конец строки или позиция перед символом начала новой строки,
      расположенного в «истинном» конце строки
   \z    «истинный» конец строки

Дата обновления: 16.10.2024