Regular expressions - регулярные выражения (Java) презентация

Regular expressions

Определение Формальный язык поиска и осуществления манипуляций с подстроками в тексте. Основан на использовании метасимволов.

Символы x ==> символ x \\ ==> обратный слеш \xhh ==> символ с кодом U+00hh \xhhhh ==> символ с кодом U+hhhh \n ==> перевод строки \r ==> возврат каретки \t ==> табуляция

Символьные классы Простой класс: [abc] ==> a, b или c Регулярное выражение: [ab] Входная строка: accddba

Символьные классы Отрицание: [^abc] ==> любой символ, кроме a, b, c Регулярное выражение: [^ab] Входная строка: acdba

Символьные классы Диапазон: [a-zA-Z] ==> от a до z или от A до Z Регулярное выражение: [a-cA-Z] Входная строка: adAcdh

Символьные классы Объединение: [a-z[A-Z]] ==> от a до z или от A до Z Тоже самое, что и [a-zA-Z]

Символьные классы Пересечение: [a-z&&[def]] ==> d, e или f Регулярное выражение: [a-d&&c-f] Входная строка: accdddeab

Символьные классы Вычитание: [a-z&&[^def]] ==> от a до c или от g до z Регулярное выражение: [a-d&&[^c-f]] Входная строка: accdddeab

Символьные классы Java Эквиваленты методов класса Character: \p{javaLowerCase} ~ isLowerCase \p{javaUpperCase} ~ isUpperCase \p{javaWhitespace} ~ isWhitespace Регулярное выражение: \p{javaUpperCase} \p{javaLowerCase} Входная строка: Текст

Предопределенные классы . ==> любой символ Регулярное выражение: ... Входная строка: abcdefgh Регулярное выражение: .. Входная строка: abcde

Предопределенные классы \d ==> цифра, [0-9] \D ==> не цифра, [^\d] Регулярное выражение: \d\D Входная строка: ab8ab8

Предопределенные классы \s ==> пробельный символ, [ \t\n\f\r\x0b] \S ==> непробельный символ, [^\s] Регулярное выражение: \s\S Входная строка: ab 8 ab8

Предопределенные классы \w ==> символ слова, [a-zA-Z_\d] \W ==> отрицание \w, [^\w] Регулярное выражение: \w\W Входная строка: ab*8&ab8

Границы ^ ==> начало строки Регулярное выражение: ^ab Входная строка: ababab $ ==> конец строки Регулярное выражение: ab$ Входная строка: ababab

Границы \b ==> граница слова \B ==> отрицание \b Регулярное выражение: abc\b Входная строка: abc abcd

Границы \A ==> начало ввода Регулярное выражение: \Aabc Входная строка: abc abc abc abc

Границы \z ==> конец ввода Регулярное выражение: abc\z Входная строка: abc abc abc abc

Границы \Z ==> конец ввода, как и \z, но может включать ограничитель строки Регулярное выражение: abc\Z Входная строка: abc abc abc abc<ограничитель строки>

Ограничители строк '\n' ==> LF (новая строка) '\r' ==> CR (возврат каретки) "\r\n" ==> CR+LF '\u0085' ==> следующая строка '\u2028' ==> разделитель строки '\u2029' ==> разделитель параграфа

Квантификаторы Квантификатор определяет повторяемость. Жадный квантификатор определяет максимально возможную подстроку. Ленивый квантификатор определяет минимально возможную подстроку.

Квантификаторы X? ==> один или ноль раз (жадный) Регулярное выражение: ab? Входная строка: aabcabbb X?? ==> один или ноль раз (ленивый) Регулярное выражение: ab?? Входная строка: aabcabbb

Квантификаторы X* ==> ноль или более раз (жадный) Регулярное выражение: ab* Входная строка: aabcabbb X*? ==> ноль или более раз (ленивый) Регулярное выражение: ab*? Входная строка: aabcabbb

Квантификаторы X+ ==> один или более раз (жадный) Регулярное выражение: ab+ Входная строка: aabcabbb X+? ==> один или более раз (ленивый) Регулярное выражение: ab+? Входная строка: aabcabbb

Квантификаторы X{n} ==> ровно n раз (жадный) или (совпадает по результату применения) X{n}? ==> ровно n раз (ленивый) Регулярное выражение: ab{2} или ab{2}? Входная строка: aabcabbb

Квантификаторы X{n,} ==> не менее n раз (жадный) Регулярное выражение: ab{2,} Входная строка: aabcabbb X{n,}? ==> не менее n раз (ленивый) Регулярное выражение: ab{2,}? Входная строка: aabcabbb

Квантификаторы X{n,m} ==> от n до m раз (жадный) Регулярное выражение: ab{1,2} Входная строка: aabcabbb X{n,m}? ==> от n до m раз (ленивый) Регулярное выражение: ab{1,2}? Входная строка: aabcabbb

Сверхжадные квантификаторы При поиске в строке aab с помощью рег. выражения a+b шаги анализатора: a+ ==> a (соответствует) a+ ==> aa (соответствует) a+ ==> aab (не соответствует) откат назад (возврат b) к последнему соответствию (aa) и проверка a+b: a+b ==> aab (соответствует)

Сверхжадные квантификаторы Сверхжадный квантификатор действует как жадный, но никогда не откатывается назад. a++ ==> a (соответствует) a++ ==> aa (соответствует) a++ ==> aab (не соответствует) Последний символ ввода (b) прочтен, соответствие не найдено.

Сверхжадные квантификаторы Чтобы сделать жадный квантификатор сверхжадным достаточно добавить + справа от квантификатора: X? ==> X?+ X{n} ==> X{n}+ X* ==> X*+ X{n,} ==> X{n,}+ X+ ==> X++ X{n,m} ==> X{n,m}+ Сверхжадные квантификаторы работают как правило быстрее, чем жадные.

Логические операции XY ==> X за которым следует Y (AND) X|Y ==> X илиY (OR) Приоритет AND выше чем OR. Регулярное выражение: aa|b Входная строка: aabcabbb

Группы Выражение в круглых скобка - группа. Каждая группа имеет номер. Группы нумеруются слева направо, начиная с единицы (номер может быть больше 9) Чтобы группа не нумеровалась, она должна начинаться с (?:

Группы (A)(B(C)(?:D)) (A) ==> группа номер 1 (B(C)(?:D)) ==> группа номер 2 (C) ==> группа номер 3 (?:D) ==> группа без номера

Группы Группы могут быть использованы по номеру в регулярном выражении с помощью синтаксиса: \НОМЕР_ГРУППЫ Регулярное выражение: (aab)\W\1 Входная строка: aab aab

Экранирование символов Для представления специальных символов: \ . | + * ? [ ] ( ) { } ^ $ используют экранирование с помощью обратного слеша: \\ \. \\ \+ \* \? \[ \] \( \) \{ \} \^ \$

Экранирование символов Для указания диапазона экранирования можно использовать \Q и/или \E \Q ==> начало диапазона \E ==> окончание диапазона Регулярное выражение: \Q\(*\E(a)\1 Входная строка: ab\(*aa

Упреждающий просмотр вперед Позитивный: (?=X) Регулярное выражение: a(?=b) Входная строка: abacab Негативный: (?!X) Регулярное выражение: a(?!b) Входная строка: abacab

Просмотр назад Позитивный: (?<=X) Регулярное выражение: (?<=b)a Входная строка: abacab Негативный: (?<!X) Регулярное выражение: (?<!b) a Входная строка: abacab

Режимы Влияют на работу регулярных выражений. Каждый режим имеет буквенный код. COMMENTS ==> x CASE_INSENSITIVE ==> i UNIX_LINES ==> d DOTALL ==> s UNICODE_CASE ==> u MULTILINE ==> m

Режимы Чтобы включить режим, достаточно предварить регулярное выражение комбинацией: (?КОД_РЕЖИМА). (?m) (?s) Если нужно включить сразу несколько режимов, можно писать несколько кодов: (?iu)

Режимы COMMENTS ==> x Режим комментариев. Пробельные символы игнорируются, после символа # можно писать комментарий к рег. выражению. Регулярное выражение: (?x)a bc #comment Входная строка: abcab

Режимы CASE_INSENSITIVE ==> i Игнорирует регистр символов. UNIX_LINES ==> d Разделитель строк только CR (\r) DOTALL ==> s Точка (.) может включать \n

Режимы UNICODE_CASE ==> u Игнорирует регистр символов. MULTILINE ==> m Многострочный режим (по умолчанию $ - конец ввода).