Regulární výrazy (diskuse)

[I]

Regularni vyrazy nejsou slozite, protoze slozite je to teprve bez nich =)

[kafa]

Přesně tak. Vždycky mě velmi pobaví, když někdo právě na regulárních výrazech demonstruje údajnou nečitelnost (a nepoužitelnost) Perlu. Já už bych nikdy nechtěl dělat kontrolu vstupů v jazyce, který neumožňuje regulární výrazy. Na tu dřinu se ještě pamatuju.

[David Watzke]

Souhlasím, přepisoval jsem slovnik.cz CLI do Perlu a díky chybějícímu switch/case (bude v Perl 6, btw.) jsem to vyřešil daleko snadněji pomocí regexpů.

[zoul]

BTW: given/when už je i v pětkové řadě Perlu.

[happy barney]

my $mode_map = {
  'show' => \ &do_show,
  'submit' => \ &do_submit,
};

$mode_map->{$mode}->(@param);

uznávam, na given/when to nemá, obyčajný switch/case to zvládne v pohode.

pre parsovanie textu si pozri \G a modifikátory cg

[Honza Balák]

Výbornej článek. Jelikož ve tvorbě regexp trochu plavu (nebo spíš pro kontrolu), tak používám www.regexp.cz. Co se týká praktického použití, tak třeba nedávno místo abych se paplal s vytvářením výrazu na změnu názvů souborů, tak jsem raději použil KRename, ale stejně to bylo kontraproduktivní, protože tu změnu jsem z jistých důvodů musel dělat několikrát. Takže místo abych jen v historii našel příkaz a znovu spustil, tak jsem musel znovu projít cestu Next->Next v KRename.

[Dejv]

Fajn odkaz, ale dostala se ti do neho chybicka Spravne to ma byt www.regexp.cz

Dejv

[petris]

takže použijete-li například o odstavec výše zmíněný výraz .* a ihned za něj dáte například [0-9]* (libovolný počet číslic), tak si všimněte, že výraz .* využil své moci a označil vše, co jen mohl a na množinu [0-9]* zbyla už jen poslední číslice v řetězci

Na [0-9]* nezbyde nic.

[Honza Balák]

Taky mi to bylo divný, protože vím, že ing. Brandejs na přednáškách říkal, že hvězdička je maximálně žravá.

[David Watzke]

Omlouvám se, moje chyba, hlavně že dole v ukázce u sedu mám potom [0-9]+.

[Robert Krátký]

Opraveno (máslo i na mojí hlavě - měl jsem si toho všimnout).

[🇵🇸]

Danke schön.

[petris]

Závorky a alternativa jsou i v nerozšířených regexpech, protože jinak by se tím nedal popsat regulární jazyk. Více třeba na wikipedii.

[DarkCraft]

Celkem pekny clanek, ale zda se mi pomerne zbytecny, mame tu o tom cele weby, jak jiz nekdo zminil treba http://www.regexp.cz a pak take http://www.regularnivyrazy.info/ takze jak rikam.. Pekne, ale uz o tom bylo napsano moc.

[happy barney]

man perlre
O'Reilly - Mastering Regular Expressions

[miso]

Len taka drobnost: [a-zA-Z] != [:alpha:]
myslim, ze je to armensky jazyk, kde pismeno "z" je cca v druhej tretine abecedy

[happy barney]

aj v slovenčine z nie je posledné písmeno abecedy
"správne" by malo byť [a-ž]

[David Watzke]

Len taka drobnost: [a-zA-Z] != [:alpha:]

Já jsem někde napsal, že je to totéž?

[miso]

Nie, moj prispevok je spomienka na jednu bugu

[CET]

[a-zA-Z]  # Množina rozsahu znaků. Odpovídá jednomu a více
          # výskytům písmen A až Z (malá i velká písmena,
          # pouze bez diakritiky).

Jenom drobnost - tenhle zapis odpovida prave jednomu znaku z mnoziny A-Z nebo a-z. Kdyby to bylo jeden a vic, tak za tim musi byt "+".

[David Watzke]

Hmm, zase chybka... Tak to nevím na co jsem v tu chvíli myslel.

[geon]

Mě se velmi líbí grafické zpracování regulárních výrazů. Je to starší, pro Python, ale přeci.

regex_characters.png

regex_characters.png

[mj41]

Složitější? Ja bych to napsal, tak že ty Perlové uměly vždycky nejvíce a byly nejrychlejší.

Jinak jak budou regulární výraze resp. gramatiky vypadat v Perlu 6 najdete v Synopses 5. Bude to zase o kousek dál.

Např. samotná gramatika Perlu 6, resp. základ parseru v implementaci Rakudo (implementace Perlu 6 pro virtuální stroj Parrot), na které se začalo pracovat poměrně nedávno, vypadá takto.

To k čemu by se měla každá z implementací dopracovat je v Larryho zatím nedokončeném (nefungujícím) návrhu STD gramatiky. Ale to už jsme se dostal k té nejsložitější věci co jsem kdy viděl a samozřejmě ještě nepochopil .

[David Watzke]

Složitější? Ja bych to napsal, tak že ty Perlové uměly vždycky nejvíce

No právě Dokonce si člověk může napsat vlastní RE engine.

Ale to už jsme se dostal k té nejsložitější věci co jsem kdy viděl a samozřejmě ještě nepochopil .

Ano, přesně o tom mluvím

[thingie]

Regulární výrazy jako skutečné regulární výrazy, budou-li regulárními výrazy, tak přece nemůžou umět víc nebo míň, musí umět všechny stejně.

[zoul]

„Regulární výrazy“ v Perlu a většině ostatních jazyků nebo knihoven nejsou klasické regulární výrazy v informatickém slova smyslu – viz například (.*)\1 (WikiWiki, MoinMoin apod.), což podle Wikipedie není ani bezkontextové, natož regulární. I v rámci třídy regulárních výrazů ale můžou být některé věci navíc – viz například pojmenované závorky (named captures) v novém pětkovém Perlu.

[thingie]

No, to opravdu není ani bezkontextové, no. Ale to je pak trochu zvrhlý bavit se o regulárním výrazu, když nám na to nestačí ani zásobníkovej automat. (Byť třeba tuhle speciální věc je asi snadný implementovat.)

[zoul]

Jasně, ale to názvosloví už je zažité a těžko po někom chtít, aby dodržoval přesné definice z teorie automatů. Větší problémy z toho stejně nekoukají – pokud někdo automatům a gramatikám rozumí, rychle si všimne, že si ty definice tak docela neodpovídají.

[thingie]

No mně by hlavně nenapadlo, že na něco takovýho můžu poštvat nějaké regulární výrazy. Takže je možná hezký, že to umí víc, ale jak to mam vědět

[zoul]

To je fakt. man perlre každý den dvakrát před spaním :)

[depka]

(str|pwd) # Odpovídá řetězci str nebo pwd.

nemelo by to byt radej: (str)|(pwd) ?

[David Watzke]

Ani ne.

[zoul]

Viz man perlre:

The first alternative includes everything from the last pattern delimiter (“(”, “[”, or the beginning of the pattern) up to the first “|”, and the last alternative contains everything from the last “|” to the next pattern delimiter. That’s why it’s common practice to include alternatives in parentheses: to minimize confusion about where they start and end.

[b*d]

nevite ja dostat perlre do vim?

[Ondrej Skutka]

Nevím, jestli je to perlre, ale můžete zkusit použít \v ve vyhledávaném řetězci. Více viz :help magic

[I]

Vzdyt je to prece PCRE (Perl Compatible Regular Expressions) a Vim samozrejme podporu ma, vizte tip #393 http://www.vim.org/tips/tip.php?tip_id=393

[spenat28]

Velmi užitečné [[:<:]]slovo[[:>:]]. Skoro nikde to není napsané ač o regulárních výrazech už vyšlo článků ...

[David Watzke]

Co to dělá? Není to standardní regulární výraz, jelikož poslední egrep říká Nepřípustný název třídy znaků. Perlová specialita?

[Ash]

Hranice slov se často užijí třeba ve vim ve formě \<slovo\>.

[Ash]

Neboli když hledá člověk proměnnou i, tak lépe /\<i\> než /i. Pokud tedy zrovna nepoužije * # nebo gd a podobné.

[Semo]

Rozšířené regulární výrazy

...Bash je nepodporuje

man bash: An additional binary operator, =~, is available, with the same precedence as == and !=. When it is used, the string to the right of the operator is considered an extended regular expression and matched accordingly.

Zatvorky {,} zvladaju aj basic regexpy, len sa musia escapovat pomocou \, inak su to obycajne znaky. V extended regexp presne naopak. Uplne rovnako je to aj s (, ), ? a +. Vsetky su zvladane aj v BRE ak su escapovane.

Vsetko je popisovane spravanie grepu a sedu a grep -E a sed -r.

[Daniel Novotny]

místo "echo /etc/fstab" v posledním příkladu má pravděpodobně být "cat /etc/fstab", ne?

[David Watzke]

Ne, takovou věc bych nikdy nenapsal Ale někdo se toho koukám chytnul a změnil to...

[Daniel Novotny]

jo, pravda... neuvědomil jsem si kontext, pardon

[Ash]

Trochu zákeřné:

bash$ sed -n -e "s/^\([A-Z]\)$/\1/p" <<<a
a

obzvlášť ve formě

bash$ sed -n -e "s/^.*\([A-Z]\).*$/\1/p" <<<Aa
a

versus

bash$ sed -r -n -e "s/^.*([[:upper:]]).*$/\1/p" <<<Aa
A

Jinak bash umí i extended regexp.

bash$ [[ a =~ ^[A-Z]$ ]] && echo matches
matches

bash$ [[ a =~ ^[[:lower:]]$ ]] && echo matches
matches

bash$ [[ a =~ ^[[:upper:]]$ ]] && echo matches

[David Watzke]

Hmm, tak ten bash jsem si měl nejdřív zkusit, to jsem netušil...

[jakub]

Aky regexp mam pouzit v sede, ak chcem trebars v retazci retezec4214 nahradit vsetky znaky e znakom y?

$ echo "retezec4214" | sed -r 's/e/y/' nahradi len prvy vyskyt a skonci

dakujem

[David Watzke]

(Všimni si toho g na konci.)

echo "retezec4214" | sed 's/e/y/g'

Toto není regulární výraz, mimochodem.

[jakub]

jasne, islo mi len o to g na konci...

ja myslim, ze 'e' je regularny vyraz, sice primitivny, ale je to slovo regularneho jazyka