Dotaz: Reg. výraz na vyhľadanie určitých častí zo súboru

[Marián Oravec]

Ahoj.

Dosť často, kvôli uľahčeniu práce, potrebujem napísať regulárny výraz, ktorý by našiel určité časti textového, HTML, XML apod. súboru.

Uvažujme nasledujúci súbor (možno sa podobá na XML, ale zaujíma ma riešenie pomocou regulárneho výrazu):

 1. [ROOT]
 2.   [A]
 3.     nieco
 4.   [/A]
 5.   [A]
 6.     aaa
 7.   [/A]
 8.   [A]
 9.     nieco
10.   [/A]
11.   [B]
12.     [C]
13.       nieco
14.     [/C]
15.   [/B]
16.   [A]
17.     aaa
18.   [/A]
19.   [A]
20.     nieco
21.   [/A]
22. [/ROOT]

Chcem vyhľadať LEN tie časti/elementy "[A]..[/A]", ktoré v sebe (kdekoľvek, aj vo vnorenej časti/elemente) obsahujú text "aaa".

Skúšal som nasledovné: (?s)\[A\].*?aaa.*?\[\/A\] ale nefunguje správne. Prvý match je od 2. po 7. riadok a druhý match je od 8. po 18. riadok. Čiže match obsahuje aj časti, ktoré nechcem...

Čo vlastne potrebujem: Nájsť element [A], za ním (v ňom) hľadať text "aaa", ale hľadať ho iba dovtedy, kým nenarazím na koniec tohto elementu [/A].

PS: Uvažujme, že v elemente A nemôže byť vnorený ďalší element A (ale iné môžu).

Za radu vopred ďakujem.

Odpovědi

[Filip Jirsák]

Musíte zařídit, aby výplň okolo aaa nemohla obsahovat [A]. Zkusil bych

(?s)\[A\](?!\[A\])*?aaa(?!\[A\])*?\[\/A\]

[Marián Oravec]

Bohužiaľ toto nefunguje

[Filip Jirsák]

Nefunguje znamená co? Používáte program, který tomu regulárnímu výrazu nerozumí, najde to něco jiného, nenajde to nic?

[Marián Oravec]

Nenájde to nič. Skúšal som viac modifikácií, napr. (?s)\[A\](?!\[A\]).*?aaa(?!\[A\]).*?\[\/A\] (bodky pred *), ale bez úspechu.

[Filip Jirsák]

V tom případě zkuste toto (v eclipse to funguje):

(?s)\[A\]([^\[]|\[(?!A))*?aaa.*?\[/A\]

[Marián Oravec]

Ďakujem, tento regulárny výraz funguje správne. Je to presne to čo som potreboval. Ešte raz ďakujem a otázku označujem za vyriešenú.

[Vojtěch Horký]

Tohle řešení by bylo přípustné (předpokládá uvedené formátování)?

sed -n '/\[A\]/,/\[\/A\]/p' | \
   sed -n ':a;s#\[\/A\]#[/A]#;t b;N;b a;:b;/aaa/p'

PS: Možná by to šlo udělat na jeden průchod (bez roury).

[Marián Oravec]

No super. Toto funguje. Síce neviem pracovať s programom sed, ale pokiaľ neprídem na niečo lepšie, tak je toto použiteľné. O regulárny výraz mi išlo preto, lebo som to chcel používať priamo v Eclipse, Kate... Takto je to trocha nepraktické, ale lepšie, ako prechádzať 0.5 MB XML po riadkoch.

V každom prípade ďakujem za pomoc.