Dotaz: regulární výraz

[Kit]

Jde jen o příklad, ale potreboval bych z tohodle:

ABC M N NM A AB AC BC BA  CA CB MN ABC M BC BA  CA CB N NM A AB MN

dostat toto: ABC_MN ABC_MN

 

Došel jsem k tomuto:

echo ABC M N NM A AB AC BC BA  CA CB MN ABC M BC BA  CA CB N NM A AB MN | \

sed 's/ABC\([^M][^N]\)\+MN/ABC_MN/g'

ale nefunguje to...

Odpovědi

[fakenickname]

a co je presne to ABC, N a M? Znaky? Stringy? Cisla? Cela cisla? Realna cisla? ...

[Filip Jirsák]

V tom vašem výrazu hledáte všechny výskyty ABC…MN, mezi kterými je alespoň jedna dvojice písmen, přičemž v té dvojici vždy první písmeno nesmí být M a druhé N. Takže třeba pokud bude mezi ABC a MN lichý počet znaků, nebude vám to fungovat. Zkuste místo toho \([^M][^N]\)\+ použít .\+? – pokud tuhle konstrukci váš sed umí. +? je v Perl-like syntaxy „ne-nenasytný“ (ungreedy) operátor, tj. „spolkne“ co nejméně znaků.

Ale možná by nebylo od věci popsat, co chcete udělat doopravdy, možná bude existovat nějaké plně jiné jednoduché řešení. Ten váš příklad totiž nedává žádný smysl.

[vb]

A nešlo by to větším kladivem?

echo ABC M N NM A AB AC BC BA  CA CB MN ABC M BC BA  CA CB N NM A AB MN | perl -pe 's/ABC.+?NM/ABC_NM/g;'

dává

ABC_NM A AB AC BC BA CA CB MN ABC_NM A AB MN

[MalyZelenyHnus]

A co takhle?

Prepinac -r pro sed tam je pro pouziti rozsirenych reg. vyrazu. Bez nej to neprojde.

 

echo "ABC M N NM A AB AC BC BA  CA CB MN ABC M BC BA  CA CB N NM A AB MN" |  sed -r 's/ABC(M[^MN]|[^M])*MM*N/ABC_MN/g'

[Kit]

Děkuji vsem za reakce...

Mě jde o to jake pomocí regulárního výrazu udělat něco jako [^ ] pronekolik znaků, tedy aby se například nemohlo v textu vyskytnout ABC ale mohlo A AB BC AC...

Něco jako [^\(ABC\)]

toto:  echo ABC M N NM A AB AC BC BA  CA CB MN ABC M BC BA  CA CB N NM A AB MN | perl -pe 's/ABC.+?NM/ABC_NM/g;'

je přesnš to co hledám...

Díky moc

Jenom pro zajímavost... Jak by se to udělalo bez tech Perl-like vychytávek?

[Cestmir Houska]

S tou negaci toho ABC, neslo by to takhle?: ([^A][^\ ]*)|(A^B[^\ ]*)|(AB^C[^\ ]*)
Nevim, jestli mam spravne syntaxi, protoze je to uz chvilka, co jsem si naposledy nejak poradne s regexpy hral, ale jde zhruba o to, ze bud bereme slova, ktera zacinaji na cokoliv jineho nez A, nebo (kdyz uz na A zacinaji) alespon nemaji na druhem miste B a nebo na tretim C.

[fakenickname]

sice nejsem odbornik ale tohle musi dany engine pro regularni vyrazy velice tesit (zvlast pokud je to ten co testuje vsecko i kdyz najde driv, neni to posix dfa nebo tak neco?)

[Cestmir Houska]

Hmm, tak odbornik taky nejsem, ale ve skole jsme se ucili, jak jdou regularni vyrazy prevadet na konecne automaty a verim, ze to nejak podobne spousta enginu i dela. Slozitost toho prevodu je myslim i linearni, ale moc se mi nad tim ted premyslet nechce :) Takze na ten regexp, co jsem predtim napsal, by stacily tri konecne automaty, ktere by to prochazelo paralelne a navic, kdyz by to v jednom z nich prestalo odpovidat, tak se muze cela ta jedna vetev prestat resit (neco jako zkracene vyhodnocovani logickych operaci). Fakt nevim, jak jsou ty enginy delany, ale verim, ze s timhle by nemely nejmensi problem.

[fakenickname]

No co sem se dozvedel ze cteni knizky "Mastering regular expressions, Jefrey Friedl", tak pokud se vam podari pouzit dostatecny pocet hvezdicek (nekdy staci i dve) a mate trochu sikovne ruce, tak bezproblemu vytvorite regex, ktery na nekterych enginech (myslim ze sed zrovna ano) muze probihat treba i nekolik milionu let .. Myslim, ze regex o kterem se bavime neni jeden z nejefektivnejsich. Ale co, vem to cert. Kdyz to dobehne rychleji nez by to delal clovek tak je to ok..

[Ladicek]

Problém s regulárními výrazy v Perlu, sedu a všem možném je ten, že nejde o regulární výrazy ve smyslu teorie formálních jazyků Jak v téhle diskusi nevím, ty regexpy jsem nezkoumal

[happy barney]

v dokumentacii hladajte vyraz "negative lookahead".
vacsie kladivo (perl) to zvlada takto m/A(?!BC)/

[ams]

Na urovni POSIX-regexpu tento ukol neni jednoduchy.

 

echo ABC M N NM A AB AC BC BA  CA CB MN ABC M BC BA  CA CB N NM A AB MN | sed 's/ABC\(AB[^C]\|A[^B]\|[^A]\)\+MN/ABC_MN/g'