LINUXSOFT.cz Přeskoč levou lištu

ARCHIV



   

> Perl (17) - Regulární výrazy - kotvy

2. díl o regulárních výrazech věnujeme kotvám.

1.11.2005 07:00 | Jiří Václavík | Články autora | přečteno 33362×

Kotvy jsou speciálními znaky, které se vyznačují nulovou délkou. Jsou totiž určeny svým okolím. Nejde tedy o znak ve svém smyslu, ale spíše o pozici. V regulárním výrazu se označuje buď speciálním metaznakem nebo escape znakem.

Určení začátku a konce řetězce

Dosud jsme vytvářeli vzory, které se mohli vyskytovat na libovolném místě řetězce. Nezřídka ale potřebujeme specifikovat, jakým podřetězcem má řetězec začínat nebo jakým končit. To je asi nejčastější užití kotev. Začátek řetězce je reprezentován znakem ^ a konec znakem $. V praxi vypadá jejich použití následovně:

  $retezec = "text, který končí\n slovem xxx";
  print $retezec =~ /xxx$/;   #true - řetězec skutečně končí na xxx
  print $retezec =~ /^text/;  #true - řetězec začíná na text
  print $retezec =~ /končí\n/;#true - řetězec obsahuje daný vzor
  print $retezec =~ /končí$/#false - řetězec nekončí vzorem

Samozřejmě nám nic nebrání určit začátek i konec řetězce zároveň. Toto jsou zápisy, které dělají totéž, ale každý jinak:

  $retezec = "regexp";
  print $retezec eq "regexp";  #tiskne 1 - $retezec má stejnou hodnotu jako "regexp"
  print $retezec =~ /^regexp$/;#tiskne 1 - to samé s využitím regulárních výrazů

Hranice slova

Escape sekvence \b je nalezena na místech, kde končí nebo začíná slovo - tedy v místě, kde se stýká znak slova (\w) s jiným znakem (\W). Doplňkem pozice, určené znakem \b je \B. Tomu vyhovují všechny pozice mimo hranici slova.

  print "slovo" =~ /\blov\b/; #nevyhovuje
  print "slov" =~ /\blov\b/;  #nevyhovuje
  print "lov," =~ /\blov\b/;  #vyhovuje; čárka není znakem slova
  print "lovec" =~ /\blov\B/; #vyhovuje

První 3 příkazy hledají v řetězci slovo "lov" a poslední příkaz slovo, které na "lov" začíná.

Začátek řádku, začátek řetězce

Dalšími znaky se speciálním významem jsou \A a ^. ^ znamená začátek řádku a \A začátek řetězce. Abychom mohli tyto 2 znaky rozlišit, musíme ale v regulárním výrazu aktivovat režim více řádků. K tomu slouží přepínač m (regulární výraz pak bude vypadat takto: m//m). V tomto režimu bude ^ nalezeno na začátku řetězce, ale také za každým znakem nového řádku. \A se vždy vztahuje jen na začátek řetězce - je tedy v řetězci právě jednou.

O přepínačích ještě nějakou dobu mluvit nebudeme. Pro pochopení stačí vědět, že se uvádějí za koncové lomítko regulárního výrazu. Pokud k m/vzor/ chceme přidat přepínače x a y, bude zápis vypadat takto: m/vzor/xy.

Mějme řetězec:

  radek 1\nradek 2\nradek 3

Teď do něj znázorněme znaky \A a ^. Bez použití přepínače m:

  <\A><^>radek 1\nradek 2\nradek 3

A pokud je přepínač m nastaven na "zapnuto", je na začátku každého řádku ještě ^:

  <\A><^>radek 1\n<^>radek 2\n<^>radek 3

Pokud nemáte představu, jak by se začátek řádku použil, zde je ještě konkrétní příklad:

  print "MATCHED" if "radek 1\nradek 2\nradek 3" =~ /^\Aradek 1\n^/m; #vyhovuje
  print "MATCHED" if "radek 1\nradek 2\nradek 3" =~ /\A^radek 1\n^/m; #vyhovuje - navíc je vidět, že nezáleží na pořadí ^ a \A
  print "MATCHED" if "radek 1\nradek 2\nradek 3" =~ /^radek 1\n^/;   #nevyhovuje - není přepínač a ^ tedy funguje stejně jako začátek řetězce

Konec řádku, konec řetězce

Mechanizmus funguje podobně jako začátek řetězce nebo řádku. Je též nutný přepínač m.

  • $ - odpovídá konci řetězci a je-li uveden přepínač m, je také před každým znakem nového řádku
  • \Z - konec řetězce

S přepínačem m vypadá řetězec a neviditelné znaky v něm následovně:

  <\A><^>radek 1<$>\n<^>radek 2<$>\n<^>radek 3<$><\Z>

Variantou znaku \Z je \z. Jejich význam se liší v tom, že u \z nesmí být na konci řetězce znak nového řádku.

  $x = "...XXX\n";
  print "MATCHED" if $x =~ /XXX\Z/; #vyhovuje
  print "MATCHED" if $x =~ /XXX\z/; #nevyhovuje

Poznámka: Existuje speciální proměnná $*, která umí nahradit přepínač m. Pokud $* == 1, fungují vzory jako s m, v případě, že $* == 0 ne. Tato proměnná se ale nedoporučuje používat. Dávejte raději přednost uvedení přepínače.

Poslední nalezení vzoru

Znak \G je na pozici, kterou lze určit funkcí pos, což je místo posledního úspěšného nalezení vzoru.

Funkce pos

pos vrací pozici, na které byl nalezen poslední hledaný výskyt. Je tedy nutný přepínač g, který ale teprve budeme rozebírat. Teď napišme program, který vypíše počet výskytů určeného znaku a jeho pozice. V každé iteraci cyklu budeme hledat v daném řetězci další pozici hledaného znaku, a právě tu přidáme do pole @pozice.

  $" = ", ";
  $retezec = "matematika";
  while ($retezec =~ /a/g){
      push(@pozice, pos $retezec);
  }
  print "Písmeno a se v řetězci vyskytuje ", scalar @pozice, "x a to na pozicích @pozice.\n";

Vyjádření "NEBO"

Představte si následující kód:

  if ($volba =~ /Linux/ or $volba =~ /Perl/ or $volba =~ /C/){
      print "Správná volba!";
  }

Zápis je dost nepohodlný a nepřehledný. Logické or lze naštěstí přesunout z podmínky přímo do regulárního výrazu. Zapisuje se znakem | (někdy se nazývá alternace). Předchozí kód tak velmi zjednodušíme:

  if ($volba =~ /Linux|Perl|C/){
      print "Správná volba!";
  }

Tento kód uzná každý řetězec, ve kterém se vyskytuje 1 z hledaných podřetězců. Ale takové C se může vyskytovat v leckterém řetězci. Proto bude vhodné specifikovat začátek a konec řetězce. K tomu nestačí uvést jen znaky ^ a $, ale je nutné ozávorkovat vše, co patří k OR. Závorky sdružují skupinu znaků.

Poznámka - problematice závorek se ještě budeme podrobně věnovat.

  if ($volba =~ /^(Linux|Perl|C)$/){
      print "Správná volba!";
  }

Podobným způsobem je výhodné dělit slova. Kupříkladu

  /Perl(5|6)/

bude rychlejší než

  /Perl5|Perl6/

Řetězec "Perl" je totiž v 1. případě hledán pouze jednou.

Příště se konečně podíváme na třídy znaků.

Verze pro tisk

pridej.cz

 

DISKUZE

Zajímavě hloupý konečný automat 3.11.2005 10:57 Hynek (Pichi) Vychodil
  L Re: Zajímavě hloupý konečný automat 3.11.2005 13:45 Hynek (Pichi) Vychodil




Příspívat do diskuze mohou pouze registrovaní uživatelé.
> Vyhledávání software
> Vyhledávání článků

28.11.2018 23:56 /František Kučera
Prosincový sraz spolku OpenAlt se koná ve středu 5.12.2018 od 16:00 na adrese Zikova 1903/4, Praha 6. Tentokrát navštívíme organizaci CESNET. Na programu jsou dvě přednášky: Distribuované úložiště Ceph (Michal Strnad) a Plně šifrovaný disk na moderním systému (Ondřej Caletka). Následně se přesuneme do některé z nedalekých restaurací, kde budeme pokračovat v diskusi.
Komentářů: 1

12.11.2018 21:28 /Redakce Linuxsoft.cz
22. listopadu 2018 se koná v Praze na Karlově náměstí již pátý ročník konference s tématem Datová centra pro business, která nabídne odpovědi na aktuální a často řešené otázky: Jaké jsou aktuální trendy v oblasti datových center a jak je optimálně využít pro vlastní prospěch? Jak si zajistit odpovídající služby datových center? Podle jakých kritérií vybírat dodavatele služeb? Jak volit vhodné součásti infrastruktury při budování či rozšiřování vlastního datového centra? Jak efektivně datové centrum spravovat? Jak co nejlépe eliminovat možná rizika? apod. Příznivci LinuxSoftu mohou při registraci uplatnit kód LIN350, který jim přinese zvýhodněné vstupné s 50% slevou.
Přidat komentář

6.11.2018 2:04 /František Kučera
Říjnový pražský sraz spolku OpenAlt se koná v listopadu – již tento čtvrtek – 8. 11. 2018 od 18:00 v Radegastovně Perón (Stroupežnického 20, Praha 5). Tentokrát bez oficiální přednášky, ale zato s dobrým jídlem a pivem – volná diskuse na téma umění a technologie, IoT, CNC, svobodný software, hardware a další hračky.
Přidat komentář

4.10.2018 21:30 /Ondřej Čečák
LinuxDays 2018 již tento víkend, registrace je otevřená.
Přidat komentář

18.9.2018 23:30 /František Kučera
Zářijový pražský sraz spolku OpenAlt se koná již tento čtvrtek – 20. 9. 2018 od 18:00 v Radegastovně Perón (Stroupežnického 20, Praha 5). Tentokrát bez oficiální přednášky, ale zato s dobrým jídlem a pivem – volná diskuse na téma IoT, CNC, svobodný software, hardware a další hračky.
Přidat komentář

9.9.2018 14:15 /Redakce Linuxsoft.cz
20.9.2018 proběhne v pražském Kongresovém centru Vavruška konference Mobilní řešení pro business. Návštěvníci si vyslechnou mimo jiné přednášky na témata: Nejdůležitější aktuální trendy v oblasti mobilních technologií, správa a zabezpečení mobilních zařízení ve firmách, jak mobilně přistupovat k informačnímu systému firmy, kdy se vyplatí používat odolná mobilní zařízení nebo jak zabezpečit mobilní komunikaci.
Přidat komentář

12.8.2018 16:58 /František Kučera
Srpnový pražský sraz spolku OpenAlt se koná ve čtvrtek – 16. 8. 2018 od 19:00 v Kavárně Ideál (Sázavská 30, Praha), kde máme rezervovaný salonek. Tentokrát jsou tématem srazu databáze prezentaci svého projektu si pro nás připravil Standa Dzik. Dále bude prostor, abychom probrali nápady na využití IoT a sítě The Things Network, případně další témata.
Přidat komentář

16.7.2018 1:05 /František Kučera
Červencový pražský sraz spolku OpenAlt se koná již tento čtvrtek – 19. 7. 2018 od 18:00 v Kavárně Ideál (Sázavská 30, Praha), kde máme rezervovaný salonek. Tentokrát bude přednáška na téma: automatizační nástroj Ansible, kterou si připravil Martin Vicián.
Přidat komentář

   Více ...   Přidat zprávičku

> Poslední diskuze

13.12.2018 10:57 / Jan Mareš
Re: zavináč

2.12.2018 23:56 / František Kučera
Sraz

5.10.2018 17:12 / Jakub Kuljovsky
Re: Jaký kurz a software by jste doporučili pro začínajcího kodéra?

20.9.2018 10:04 / Jan Ober
Jaký kurz a software by jste doporučili pro začínajcího kodéra?

20.9.2018 10:00 / Jan Ober
Re: Gimp

Více ...

ISSN 1801-3805 | Provozovatel: Pavel Kysilka, IČ: 72868490 (2003-2019) | mail at linuxsoft dot cz | Design: www.megadesign.cz | Textová verze