====== Регулярные выражения ======

**Регулярное выражение** — текстовый шаблон, состоящий из комбинации букв, цифр и спецсимволов, известных как метасимволы. Близким родственником регулярных выражений являются выражения из групповых символов, часто используемые в управлении файлами. Регулярные выражения используются, в основном, для сравнения текста и поиска. Широко используются для разбора синтаксиса.

Пользователи UNIX знакомы с регулярными выражениями по программам grep, sed, awk (или gawk) и ed. С помощью этих программ или их аналогов можно опробовать и проверить приводимые ниже примеры. Текстовые редакторы, такие как (X)Emacs и vi, также активно используют регулярные выражения. Возможно, самое известное и самое широкое использование регулярных выражений имеет место в языке Perl. Без знания регулярных выражений трудно обойтись разработчику ПО и системному администратору.

Далее рассмотрим сами регулярные выражения.

===== Метасимволы =====

Итак, строки могут состоять из букв, цифр и метасимволов. Метасимволами являются:

  \ | ( ) [ ] { } ^ $ * + ? . < >

Метасимволы могут играть в регулярном выражении следующие роли:

  * квантификатор
  * утверждение;
  * знак группы;
  * альтернатива;
  * знак последовательности

===== Квантификаторы =====

Метасимвол ''*'' (звездочка) заменяет собой 0 или несколько символов. Метасимвол ''+'' (плюс) заменяет собой 1 или несколько символов. Метасимвол ''.'' (точка) заменяет собой ровно 1 произвольный символ. Метасимвол ''?'' (вопросительный знак) заменяет собой 0 или 1 символ. Различие в использовании ''*'' и ''+'' таково, что запрос на поиск строки ''с*'' даст любые строки, включая пустые, а запрос ''с+'' --- только строки, содержащие символ ''с''.

Пустые строки подчиняются следующим договоренностям: в пустой строке содержится одна и только одна пустая строка; в непустой строке пустые строки содержатся перед каждым символом, а также в конце строки.

В регулярных выражениям используется также конструкция ''{n,m}'', обозначающая, что символ, идущий перед конструкцией, встречается в строке от ''n'' до ''m'' раз. Опуская число ''m'' подразумеваем бесконечность. Т.е. частными случаями конструкции являются следующие записи: ''{0,}'', ''{1,}'' и ''{0,1}''. Первая соответствует ''*'', вторая --- метасимволу ''+'', а третья --- ''?''. Эти равенства легко получить из определения соответствующих квантификаторов. Кроме того, конструкция ''{n}'' означает, что символ встречается ровно ''n'' раз.

В связи с использованием в качестве метасимволов некоторых знаков препинания и математических символов введен дополнительный метасимвол ''\'' (backslash, обратная косая черта), который будучи записан перед метасимволом превращает последний в обычный символ. Т.е. ''?'' --- это квантификатор, а ''\?'' --- знак вопроса.

===== Группы =====

Описанные выше квантификаторы, как уже говорилось, действуют на ближайший к ним слева символ (последний предшествующий). Но это ограничение позволяют обойти группы, в обозначении которых используются метасимволы ''('' и '')''. Эти символы выделяют из выражения подвыражение, объединяемое в группу, к которому затем и применяется квантификатор.

**Пример:**

  ( ?ho)+

означает (или заменяет собой)

  ho
  ho ho
  ho ho ho
  hohoho

Возможны вложения подвыражений, т.е. из подвыражения можно выделять подвыражения меньшей длины.

===== Альтернативы =====

Образуются при помощи метасимвола ''%%|%%'' (вертикальная черта), обозначающего логическое "или".

**Пример**: регулярное выражение ''%%коров(а|ы|е|у|ой|ою)?%%'' задает все возможные склонения слова "корова" в единственном числе по падежам.

===== Утверждения =====

Выделяются метасимволы, которые обозначают специальные объекты --- строки нулевой длины, которые служат для определения места предшествующего им или следующего за ними текста. Такие объекты называются утверждениями. В регулярных выражениях существуют следующие утверждения:

  ; %%^%% : начало строки
  ; $ : конец строки
  ; < : начало слова
  ; %%>%% : конец слова

**Пример**: регулярное выражение ''$The'' позволяет найти строку, начинающуюся с ''The''.

<note>Замечание: обычные символы можно рассматривать как утверждения с ненулевой длиной.</note>

===== Последовательности =====

Особая конструкция, заключенная в метасимволы ''['' и '']'' (прямоугольные скобки), позволяет перечислить варианты символов, которые могут стоять в регулярном выражении на данном месте, и называется последовательностью. Внутри прямоугольных скобок все метасимволы трактуются как простые символы, а символы ''-'' (минус) и ''%%^%%'' приобретают новые значения: первый позволяет задать непрерывную последовательность символов между двумя указанными, а второй дает логическое "не" (отрицание). Проще всего рассмотреть следующие примеры:

какая-либо из строчных латинских букв:
  [a-z]

латинский буквенно-цифровой символ (от ''a'' до ''z'', от ''A'' до ''Z'' и от ''0'' до ''9''):
  [a-zA-Z0-9]

символ, не являющийся латинским буквенно-цифровым:
  [^a-zA-Z0-9]

любое слово (без дефисов, математических символов и цифр):
  <[a-zA-Z]+>

Для краткости и простоты вводятся следующие сокращения:

  ; ''\d'' : цифра (т.е. соответствует выражению ''[0-9]'');
  ; ''\D'' : не цифра (т.е. ''[^0-9]'');
  ; ''\w'' : латинское слово (буквенно-цифровое);
  ; ''\W'' : последовательность символов без пробелов, не являющаяся латинским буквенно-цифровым словом (''[^a-zA-Z0-9]'');
  ; ''\s'' : пустой промежуток ''[ \t\n\r\f]'', т.е. пробелы, табуляция и т.д.
  ; ''\S'' : непустой промежуток (''[^ \t\n\r\f]'').

===== Связь с групповыми символами =====

С групповыми символами знаком, наверное, каждый пользователь. Примером выражения с использованием группового символа является запись ''*.jpg'', обозначающая все файлы с расширением ''jpg''. Чем же регулярные выражения отличаются от групповых символов? Отличия можно суммировать в трех правилах преобразования произвольного выражения с групповыми символами в регулярное выражение:

  - Заменить ''*'' на ''.*''
  - Заменить ''?'' на ''.''
  - Заменить все символы, совпадающие с метасимволами, на их бэкслэшированные варианты.

Действительно, в регулярном выражении запись ''*'' бесполезна и дает пустую строку, т.к. означает, что пустая строка повторяется сколь угодно раз. А вот ''.*'' (повторить произвольный символ сколь угодно много раз, включая 0) как раз совпадает по смыслу с символом ''*'' в множестве групповых символов.

Регулярное выражение, соответствующее ''*.jpg'', будет выглядеть так: ''.*\.jpg''. А, например, последовательности групповых символов ''ez*.[ch]pp'' соответствуют два эквивалентных регулярных выражения --- ''ez.*\.[ch]pp'' и ''ez.*\.(cpp|hpp)''.

===== Примеры регулярных выражений =====

E-mail в формате ''xxx@mmmm.yyy''

  [a-z0-9_-]+(\.[a-z0-9_-]+)*@[a-z0-9_-]+(\.[a-z0-9_-]+)+

E-mail в формате ''%%"Иван Иванов <ivanov@dsgfhsd.ru>"%%''

  ("?[a-zA-Z]+"?[ \t]*)+\<[a-z0-9_-]+(\.[a-z0-9_-]+)*@[a-z0-9_-]+(\.[a-z0-9_-]+)+\>

Проверка web-протокола в URL (''%%http://%%'', ''%%ftp://%%'' или ''%%https://%%'')

  [a-z]+://

Некоторые команды и директивы %%C/C++%%:

''%%^#include[ \t]+[<"][^>"]+[">]%%'' --- директива include

''%%//.+$%%'' --- комментарий на одной строке

''%%/\*[^*]*\*/%%'' --- комментарий на нескольких строках

''%%-?[0-9]+\.[0-9]+%%''  --- число с плавающей точкой

''%%0x[0-9a-fA-F]+%%'' --- число в шестнадцатиричной системе счисления.

А вот, например, программа поиска слова ''cow'':

<code bash>
  grep -E "cow|vache" * >/dev/null && echo "Found a cow"
</code>

Здесь опция ''-E'' используется для включения поддержки расширенного синтаксиса регулярных выражений.

{{tag>программирование регулярные_выражения}}

//Текст составлен на основе статьи Жана Борсоди (Jan Borsodi) из файла HOWTO-regexps.htm//