Dotaz: Regulární výrazy - je toto vůbec možné?

[Petr Mach]

Zdravim,

jiz nekolik hodin se peru s docela delikatnim problemem tykajiciho se regularnich vyrazu v perlu.

Predvedu ho na zjednodusenem prikladu

Mam 3 typy dat. rekneme ze napriklad DATUM, KATEGORIE a UDAJ, ktere lze ve zdrojovem kodu jednoznacne najit. A rekneme ze mam nejaky ten zdrojovy kod. Napriklad toto.

DATUM 1.1.2006
KATEGORIE A
neco uplne jineho
neco uplne jineho
UDAJ udaj1
neco uplne jineho
neco uplne jineho
neco uplne jineho
neco uplne jineho
neco uplne jineho
UDAJ udaj2
neco uplne jineho
neco uplne jineho
UDAJ udaj3
neco uplne jineho
neco uplne jineho
neco uplne jineho
KATEGORIE B
neco uplne jineho
neco uplne jineho
neco uplne jineho
UDAJ udaj4
neco uplne jineho
neco uplne jineho
UDAJ udaj5
neco uplne jineho
neco uplne jineho
neco uplne jineho
UDAJ udaj6
neco uplne jineho
neco uplne jineho
DATUM 2.1.2006
neco uplne jineho
neco uplne jineho
UDAJ udaj7
neco uplne jineho
neco uplne jineho
neco uplne jineho
KATEGORIE C
neco uplne jineho
neco uplne jineho
neco uplne jineho
UDAJ udaj8

A co potrebuji? Potrebuji ziskat UDAJ a zaroven potrebuji vedet V JAKE JE KATEGORII a JAKE MA DATUM. Datum a kategorii ma podle toho, ktere datum a kategorie je mu nejblize nadrazena.

Takze z tohoto textu, co jsem uvedl potrebuju ziskat toto:

udaj1 A 1.1.2006
udaj2 A 1.1.2006
udaj3 A 1.1.2006
udaj4 B 1.1.2006
udaj5 B 1.1.2006
udaj6 B 1.1.2006
udaj7 B 2.1.2006
udaj8 C 2.1.2006

Co jsem zkousel?

Vytvoril jsem 3 regularni vyrazy, po jednom pro nalezeni UDAJE, KATEGORIE a DATUMU. A spojil je pomoci alternace |. Jenze oni se regularni vyrazy chovaji jinak nez jsem ocekaval, a hledaji stale pouze podle 1. regularniho vyrazu a k 2. prikroci az kdyz 1. vubec nematchne. Lze toto nejak zmenit?

Dale me napadlo, zda neni mozne hledat od urcite pozice. Prochazel bych text znak po znaku a u kazdeho znaku bych zkusil aplikovat tyto 3 regularni vyrazy (asi dost neefektivni, ale to by se dalo skousnout) a kdyby selhaly, posunul bych se o znak dal. Jde to nejak?

A nebo jsem jenom blbej a reseni je uplne jednoduchy?

Diiky

Odpovědi

[five]

Ak by si ten text prechadzal po riadkoch a odkladal si aktualny datum, aktualnu kategoriu a nasledne by si ich vypisoval? Regexpy su fajn, ale je nutne takto sa trapit?

celkom dobre nechapem co si spojil alternaciou, rozne regularne vyrazy? Neviem si to celkom dobre predstavit ;0(.

[Jiří Poláček]

Mít to za úkol já, tak se vykašlu na regulární výrazy, sáhnu po svém oblíbeném programovacím jazyku a:

- po řádcích čtu zdrojový soubor

- pokud najdu řádek začínající DATUM nebo KATEGORIE, tak si do patřičných proměnných uložím aktuální hodnotu datumu či kategorie

- pokud najdu UDAJ, vypíšu výsledek v požadovaném tvaru (kategorii a datum mám přeci v proměnných)

- hotovo

[Petr Machj]

vidim ze jsem ten kod prilis zjednodusil:) ono je to ve skutecnosti vsechno na jednom radku a neni to vubec tak hezky citelne jak to vypada zde... Jenom regularni vyraz na udaj ma odhadem 0.5kB.

Kazdopadne jste me inspirovali a napadla me dalsi vec - zkusit tam nejak ty radky simulovat. Zkusim to a uvidim jestli budu uspesny.

Zatim diky

[Martin Tůma]

A proč sem proboha nenapíšete co přesně chcete dělat? Tyhle "abstraktní problémy" tady poslední dobou začínají bejt děsná móda... Pak to dopadá přesně takhle - 0.5kB regulárníma výrazama, který stejně nevedou k cíly.

[bazil]

mno ty udaje na jednom radku musi byt nejak oddelene, co si ty oddelovace prevest na konce radku ??

[Michal Čihař]

Co napsat skutečné zadání?

[happy barney]

ak je tam nejaky jednoznacny oddelovac, tak $/ = oddelovac.
ak nie, vseobecny sposob:

for (split /(A|B|C)/, $riadok) {
  if (/A/) { ...; next; }
  if (/B/) { ...; next; }
  if (/C/) { ...; next; }
}

[happy barney]

kde:
A ... regex pre datum
B ... regex pre kategoriu
C ... regex pre udaj