בודק ביטויים רגולריים

בודק ביטויים רגולריים: בנו ונפו דפוסים על הטקסט שלכם

ביטוי רגולרי הוא שפה זעירה לתיאור הצורה של טקסט. במקום לשאול "האם המילה המדויקת הזו נמצאת כאן?", ביטוי רגולרי מאפשר לכם לשאול "האם יש מחרוזת שנראית כך?" זה מה שהופך אותו לחזק כל כך למציאה, אימות, חילוץ והחלפה של טקסט בעורכי קוד, קובצי לוג, קלטי טפסים וסקריפטים. זה גם מה שהופך אותו לקל לטעות בו, כי דפוס שנשמע תקין בראש שלכם יכול בשקט להתאים ליותר מדי, למעט מדי, או לכלום בכלל.

זו הסיבה שבדיקה אינטראקטיבית עדיפה על ניחוש. כשאתם מקלידים דפוס וצופים בהתאמות מאירות על פני טקסט לדוגמה אמיתי, אתם מקבלים משוב מיידי: אתם רואים מה נתפס, מה חמק, ואיזו קבוצת לכידה תפסה איזה חלק. בודק הביטויים הרגולריים שלנו פועל כולו בתוך הדפדפן שלכם. הדפוס שלכם וטקסט הדוגמה שלכם לעולם לא עוזבים את הדף, כך שתוכלו להדביק שורות לוג, אימיילים, או נתוני ייצור מבלי לשלוח דבר לשרת.

אבני הבניין ששווה להכיר

רוב הדפוסים היומיומיים מורכבים מקבוצה קטנה של חלקים. למדו אותם ותוכלו לקרוא את רוב הביטויים הרגולריים שתפגשו בטבע.

מחלקות תווים מתארות קבוצה של תווים מותרים. [aeiou] תואם לכל תנועה בודדת, [0-9] תואם לספרה אחת, ו-[a-zA-Z] תואם לאות אחת. סימן קארט בתוך הסוגריים שולל את הקבוצה, כך ש-[^0-9] משמעו "כל תו שאינו ספרה". קיצורים חוסכים הקלדה: \d הוא ספרה, \w הוא תו מילה (אותיות, ספרות, קו תחתון), \s הוא רווח לבן, והנקודה . תואמת כמעט לכל תו בודד.

כמתים אומרים כמה פעמים החלק הקודם רשאי לחזור על עצמו. * משמעו אפס או יותר, + משמעו אחת או יותר, ו-? משמעו אפס או אחת (אופציונלי). לכמויות מדויקות, {3} משמעו בדיוק שלוש ו-{2,4} משמעו שתיים עד ארבע. כך \d{4} תואם לשנה בת ארבע ספרות ו-colou?r תואם לשני האיותים.

עוגנים מצמידים דפוס למיקום ולא לתו. ^ תואם לתחילת הטקסט, $ תואם לסופו, ו-\b מסמן גבול מילה. הדפוס ^Error תואם רק לשורות שמתחילות ב-"Error", וזה בדיוק מה שאתם רוצים בעת סריקת לוגים.

קבוצות עוטפות חלק מדפוס בסוגריים, גם כדי להחיל כמת על מספר תווים בבת אחת וגם כדי ללכוד את הטקסט התואם לשימוש חוזר. ב-(\d{4})-(\d{2})-(\d{2}) כל קבוצה לוכדת רכיב תאריך שתוכלו לחלץ מאוחר יותר. אלטרנציה עם קו אנכי פועלת כמו "או": cat|dog|fish תואם לכל אחת משלוש המילים.

דפוסים שאליהם באמת תגיעו

כמה משימות חוזרות מכסות את רוב העבודה האמיתית. כדי לתפוס משהו שדומה לאימייל, [\w.+-]+@[\w-]+\.[\w.-]+ הוא נקודת התחלה פרגמטית; אימות אימייל מלא לפי המפרט הפורמלי ידוע כמסובך להחריד, ודפוס רופף הוא בדרך כלל הבחירה הנכונה להדגשת מועמדים ולא לדחיית משתמשים.

עבור מספרים, \d+ תופס רצפי ספרות, בעוד -?\d+(\.\d+)? תואם למספרים שליליים ועשרוניים אופציונליים. כדי לגזום רווחים לבנים מובילים וסוגרים, התאימו ^\s+|\s+$ והחליפו בכלום. כדי למצוא מילים כפולות, דפוס ההפניה-לאחור \b(\w+)\s+\1\b תואם למילה שאחריה חזרה על עצמה, כאשר \1 מפנה בחזרה לקבוצה הראשונה שנלכדה.

דגלים משנים את אופן ההתאמה

דגלים הם מתגים שמשנים את הדפוס כולו. הדגל גלובלי (g) מוצא כל התאמה במקום לעצור בראשונה, וזה מה שאתם רוצים בעת הדגשת כל המופעים. הדגל לא תלוי רישיות (i) גורם ל-error להתאים גם ל-"Error" וגם ל-"ERROR". הדגל רב-שורתי (m) משנה את ^ ו-$ כך שהם תואמים לתחילת וסוף כל שורה, לא רק לטקסט כולו, מה שחיוני לעבודה שורה-אחר-שורה על לוגים. דגלים שימושיים נוספים כוללים s (dotall, המאפשר לנקודה להתאים גם למעברי שורה) ו-u לטיפול מלא ביוניקוד.

הניבים נבדלים מעט לפי שפה

ביטויים רגולריים הם משפחת ניבים, לא תקן אחד קבוע. JavaScript, Python, PCRE (PHP), Java, .NET, Go, ו-Rust מסכימים על התחביר הבסיסי שלמעלה, אבל הם נפרדים בקצוות: תמיכה ב-lookbehind, תחביר קבוצות בעלות שם ((?<name>...) לעומת (?P<name>...)), escape-ים של תכונות יוניקוד, ואילו דגלים קיימים - כל אלה משתנים. דפוס שעובד במנוע אחד עשוי לדרוש התאמה קטנה באחר, אז כדאי לבדוק מול הניב שאתם בפועל עובדים איתו. כשיש לכם דפוס מכוון, שאר כלי המפתחים שלנו וכלי הטקסט שלנו יכולים לעזור בעבודה הנלווית של ניקוי, קידוד וטרנספורמציה של הנתונים שזה עתה תאמתם.

שאלות נפוצות