Olùdánwò Regex

Regex Tester: kọ́ àti ṣàtúnṣe àwọn ìlànà lòdì sí ọ̀rọ̀ tirẹ

Regular expression (regex) jẹ́ èdè kékeré tí ó ń ṣàpèjúwe ìrísí ọ̀rọ̀. Dípò bíbéèrè pé "ǹjẹ́ ọ̀rọ̀ gan-an yìí wà níhìn-ín?", regex ń jẹ́ kí o béèrè pé "ǹjẹ́ ọ̀rọ̀ kan tí ó dà bí èyí wà?" Ìyẹn ni ohun tí ó mú kí ó lágbára fún wíwá, ìjẹ́rìí, yíyọ, àti pípààrọ̀ ọ̀rọ̀ nínú àwọn olùṣàtúnṣe kóòdù, fáìlì àkọsílẹ̀, ìdáhùn fọ́ọ̀mù, àti àwọn kóòdù kékeré (scripts). Ó tún jẹ́ ohun tí ó mú kí ó rọrùn láti ṣàṣìṣe, nítorí pé ìlànà kan tí ó dà bí ẹni tí ó tọ́ nínú orí rẹ lè yọ̀ọ̀wa kí ó bá púpọ̀ mu, díẹ̀ mu, tàbí kí ó má bá ohunkóhun mu rárá.

Ìyẹn ni ìdí tí ìdánwò lọ́nà tí ó ń bára ẹni sọ̀rọ̀ fi dára ju gbígbìyànjú lásán lọ. Nígbà tí o bá kọ ìlànà kan, tí o sì ń wo bí àwọn ìbámu ti ń dán jáde láàrin ọ̀rọ̀ àpẹẹrẹ gidi, o ń gba ìdáhùn lẹ́sẹ̀kẹsẹ̀: o rí ohun tí a mú, ohun tí ó já kọjá, àti ẹgbẹ́ àkópọ̀ (capture group) tí ó mú ẹ̀ka wo. Regex Tester wa ń ṣiṣẹ́ patapata nínú aṣàwárí rẹ. Ìlànà rẹ àti ọ̀rọ̀ àpẹẹrẹ rẹ kìí kúrò ní ojú-ìwé náà láéláé, nítorí náà o lè fi ìlà àkọsílẹ̀, ímeèlì, tàbí dátà iṣẹ́ gidi sínú rẹ̀ láìfi ohunkóhun ránṣẹ́ sí sáfà kankan.

Àwọn ohun èlò-ìpìlẹ̀ tí ó yẹ kí a mọ̀

Ọ̀pọ̀lọpọ̀ àwọn ìlànà ojoojúmọ́ ni a kọ́ láti inú àkójọ ẹ̀yà kékeré kan. Kọ́ àwọn wọ̀nyí, wàá sì lè ka apá pàtàkì àwọn regex tí o ń bá pàdé lóde ayé gidi.

Ẹ̀ka àmì (character classes) ń ṣàpèjúwe àkójọ àmì tí a gbà láàyè. [aeiou] ń bá fáwẹ́lì kan mu, [0-9] ń bá nọ́mbà kan mu, [a-zA-Z] sì ń bá lẹ́tà kan mu. Àmì caret nínú akolé a máa yí àkójọ padà, nítorí náà [^0-9] túmọ̀ sí "àmì kankan tí kì í ṣe nọ́mbà." Àwọn kúrúkúrú ń fi àkókò pamọ́: \d jẹ́ nọ́mbà, \w jẹ́ àmì-ọ̀rọ̀ (lẹ́tà, nọ́mbà, ìlà-abẹ́), \s jẹ́ àyè òfìfo, àmì dọ́ọ̀tì . sì ń bá ó fẹ́rẹ̀ẹ́ jẹ́ àmì kankan mu.

Àwọn olùkà-iye (quantifiers) ń sọ iye ìgbà tí ẹ̀ka tí ó ṣáájú lè tún ṣe. * túmọ̀ sí odo tàbí síwájú síi, + túmọ̀ sí ọ̀kan tàbí síwájú síi, ? sì túmọ̀ sí odo tàbí ọ̀kan (kìí ṣe dandan). Fún iye gan-an, {3} túmọ̀ sí mẹ́ta gan-an, {2,4} sì túmọ̀ sí méjì sí mẹ́rin. Nítorí náà \d{4} ń bá ọdún tí ó ní nọ́mbà mẹ́rin mu, colou?r sì ń bá ọ̀nà kíkọ méjèèjì mu.

Àwọn ìdúró (anchors) ń fi ìlànà kan sí ipò kan dípò àmì kan. ^ ń bá ìbẹ̀rẹ̀ ọ̀rọ̀ náà mu, $ ń bá ìparí rẹ̀ mu, \b sì ń fi àlà ọ̀rọ̀ hàn. Ìlànà ^Error ń bá àwọn ìlà tí ó bẹ̀rẹ̀ pẹ̀lú "Error" nìkan mu, ìyẹn gan-an ni ohun tí o fẹ́ nígbà tí o bá ń ṣàyẹ̀wò àkọsílẹ̀.

Ẹgbẹ́ (groups) ń fi apá ìlànà kan sínú àmì-akolé, yálà láti fi olùkà-iye sí orí àmì púpọ̀ ní ẹ̀ẹ̀kan tàbí láti mú ọ̀rọ̀ tí ó bá mu fún ìlò lẹ́ẹ̀kan sí i. Nínú (\d{4})-(\d{2})-(\d{2}), ẹgbẹ́ kọ̀ọ̀kan ń mú ẹ̀ka ọjọ́ kan tí o lè yọ jáde lẹ́yìn náà. Ìyàn (alternation) pẹ̀lú àmì pipe ń ṣiṣẹ́ bí "tàbí": cat|dog|fish ń bá ọ̀kan lára ọ̀rọ̀ mẹ́ta náà mu.

Àwọn ìlànà tí wàá lò ní ti gidi

Iṣẹ́ díẹ̀ tí ó ń tún padà ni ó bo apá pàtàkì iṣẹ́ gidi. Láti mú ohun tí ó dà bí ímeèlì, [\w.+-]+@[\w-]+\.[\w.-]+ jẹ́ ibi ìbẹ̀rẹ̀ tí ó wúlò; ìjẹ́rìí ímeèlì kíkún gẹ́gẹ́ bí ìlànà ìṣirò náà nira gidigidi, ìlànà tí ó lọ́rọ̀ díẹ̀ sì sábà máa jẹ́ yíyàn tí ó tọ́ fún fífi àwọn olùdíje hàn dípò kíkọ àwọn olùmúlò sílẹ̀.

Fún nọ́mbà, \d+ ń mú ọ̀wọ́ nọ́mbà, nígbà tí -?\d+(\.\d+)? sì ń bá nọ́mbà òdì àti eléwì kìí ṣe dandan mu. Láti gé àyè òfìfo ní ìbẹ̀rẹ̀ àti ìparí, bá ^\s+|\s+$ mu kí o sì pààrọ̀ rẹ̀ pẹ̀lú ohun kankan. Láti wá àwọn ọ̀rọ̀ tí a ṣe ìlọ́po méjì, ìlànà backreference \b(\w+)\s+\1\b ń bá ọ̀rọ̀ kan tí ó tẹ̀lé ara rẹ̀ mu, níbi tí \1 ti ń tọ́ka padà sí ẹgbẹ́ àkọ́kọ́ tí a mú.

Àwọn àsíá ń yí bí ìbáramu ṣe hù padà

Àsíá jẹ́ ìyí tí ó ń yí gbogbo ìlànà padà. Àsíá global (g) ń wá gbogbo ìbámu dípò dídúró sí ọ̀kan àkọ́kọ́, ìyẹn ni ohun tí o fẹ́ nígbà tí o bá ń fihàn gbogbo ìgbà tí ó farahàn. Àsíá case-insensitive (i) ń mú error bá "Error" àti "ERROR" mu bákan náà. Àsíá multiline (m) ń yí ^ àti $ padà kí wọ́n bá ìbẹ̀rẹ̀ àti ìparí ìlà kọ̀ọ̀kan mu, kìí ṣe gbogbo ọ̀rọ̀ náà nìkan, èyí tí ó ṣe pàtàkì fún iṣẹ́ àkọsílẹ̀ ìlà-fún-ìlà. Àwọn àsíá mìíràn tí ó wúlò ni s (dotall, tí ó ń jẹ́ kí dọ́ọ̀tì bá kúrọ̀-ìlà mu) àti u fún ìṣàkóso Unicode kíkún.

Àwọn ìrísí yàtọ̀síra díẹ̀ láti èdè sí èdè

Regex jẹ́ ìdílé àwọn èdè, kìí ṣe ìwọ̀n kan tí a ti pinnu. JavaScript, Python, PCRE (PHP), Java, .NET, Go, àti Rust fara mọ́ gírámà pàtàkì tí ó wà lókè, ṣùgbọ́n wọ́n yàtọ̀ ní àwọn ẹ̀gbẹ́: àtìlẹ́yìn lookbehind, gírámà ẹgbẹ́-tí-a-fúnní-ní-orúkọ ((?<name>...) lòdì sí (?P<name>...)), àwọn àmì ohun-ìní Unicode, àti àwọn àsíá tí ó wà ń yàtọ̀síra. Ìlànà tí ó ń ṣiṣẹ́ nínú ẹ̀rọ kan lè nílò àtúnṣe kékeré nínú ẹ̀rọ mìíràn, nítorí náà ó tọ́ láti dán an wò lòdì sí ìrísí tí o ń lò gan-an. Nígbà tí o bá ti ṣàtúnṣe ìlànà kan dáadáa, àwọn irinṣẹ́ olùṣàkóso-kọ̀ǹpútà àti olùṣàkóso-ọ̀rọ̀ yòókù wa lè ràn ọ́ lọ́wọ́ pẹ̀lú iṣẹ́ tí ó yí i ká ti fífọ́, ṣíṣàkóso, àti yíyí dátà tí o kàn ṣẹ̀ṣẹ̀ mu padà.

Àwọn ìbéèrè tí a sábà máa ń béèrè