Regex goljufija

Q: Kakšna je razlika med pohlepnimi in lenimi kvantifikatorji?

Pohlepni kvantifikatorji (*, +, {2,}) se čim bolj ujemajo in vračajo znake le, če se preostali del vzorca ne ujema. Dodajanje? jih naredi lene: ujemajo se čim manj in vzamejo več le, ko so prisiljeni. Na " " vzorec vrne celoten niz in vrne samo .

Regularni izrazi so dovolj kompaktni, da je sintakso lažje poiskati kot si jo zapomniti. Ta stran je vse na enem zaslonu – razredi, kvantifikatorji, sidra, skupine, pogled naokoli, pobeg in zastavice – z delujočim primerom za vsako vrstico.

Okus je JavaScript, ki se izvaja v vašem brskalniku in uporablja preizkuševalec regularnih izrazov na tem spletnem mestu. Večina je identična v Pythonu, Javi, Go in PCRE; kjer se okusi razlikujejo, se razlikujejo na robovih — podpora za pogled nazaj, sintaksa poimenovane skupine in ali \d pomeni "številko ASCII" ali "katero koli številko Unicode".

Dve stvari predstavljata večino presenečenj. Kvantifikatorji so požrešni: vzamejo vse, kar lahko, in vrnejo šele, ko preostali vzorec odpove, zato <.+> pogoltne dve oznaki, <.+?> pa ne. In alternacija je najbolj ohlapna od vseh, tako da ^a|b$ pomeni "začne se z a ali konča z b" - ni tisto, kar večina ljudi namerava napisati.

Razredi znakov

Okrajšave so samo za ASCII, razen če dodate zastavico u in uporabite ubežne znake lastnosti Unicode.

Sintaksa	Pomen	Primer
.	Kateri koli znak razen preloma vrsticeDodajte zastavico s, da se ujema tudi z novo vrstico.	/a.c/"abc" → "abc"
\d	Številka, 0–9	/\d+/"order 42" → "42"
\D	Vse, kar ni številka	/\D+/"42abc" → "abc"
\w	Črka, številka ali podčrtajSamo ASCII — "é" ni \w.	/\w+/"user_1!" → "user_1"
\W	Karkoli \w se ne ujema	/\W+/"a++b" → "++"
\s	Vsak presledek, vključno z zavihki in novimi vrsticami	/\s+/"a \t b" → " \t "
\S	Kateri koli znak, ki ni presledek	/\S+/" hi" → "hi"
[abc]	Kateri koli od navedenih znakov	/[aeiou]/"rhythm and" → "a"
[^abc]	Kateri koli znak razen navedenih	/[^aeiou ]+/"aeiou xyz" → "xyz"
[a-z]	Razpon znakov	/[a-f]+/"zzabcz" → "abc"
\p{L}	Katera koli črka Unicode (potrebuje zastavico u)	/\p{L}+/"42 café" → "café"

Kvantifikatorji

Vsi ti so privzeto pohlepni: vzamejo, kolikor lahko, in vrnejo le, če preostali vzorec ne uspe.

Sintaksa	Pomen	Primer
*	Nič ali več	/ab*/"a" → "a"
+	Eno ali več	/ab+/"abbb" → "abbb"
?	Nič ali ena — ni obvezna	/colou?r/"color" → "color"
{3}	Točno tri	/\d{3}/"id 12345" → "123"
{2,}	Dva ali več	/a{2,}/"aaa" → "aaa"
{2,4}	Med dvema in štirimi	/a{2,4}/"aaaaa" → "aaaa"
*?	Leni — vzame čim manjPohlepni <.+> bi pogoltnil oba taga.	/<.+?>/"<a><b>" → "<a>"

Sidra in meje

Te se ujemajo s položajem, ne z značajem, zato ne porabijo ničesar.

Sintaksa	Pomen	Primer
^	Začetek niza ali vrstice z zastavico m	/^a/"abc" → "a"
$	Konec niza ali vrstice z zastavico m	/c$/"abc" → "c"
\b	Besedna mejaTo je tisto, kar ustavi "cat" ujemanje znotraj "concatenate".	/\bcat\b/"the cat sat" → "cat"
\B	Brez besedne meje	/\Bcat/"concatenate" → "cat"

Skupine in menjava

Sintaksa	Pomen	Primer
(abc)	Zajemanje skupine — zapomni si za zamenjavo	/(\d+)-(\d+)/"10-20" → "10-20"
(?:abc)	Združevanje brez zajemanjaUporabite to, ko potrebujete samo združevanje; ohranja zajete številke smiselne.	/(?:ab)+/"abab" → "abab"
(?<name>…)	Imenovana skupina za zajem	/(?<year>\d{4})/"in 2026" → "2026"
a\|b	Na obeh straneh — menjavaAlternacija ima najnižjo prednost: ^a\|b$ je "^a" ali "b$", ne "^(a\|b)$".	/cat\|dog/"one dog" → "dog"
\1	Nazaj na prvo skupino	/(\w)\1/"letter" → "tt"

Pogled okoli

Trditve o tem, kaj obdaja položaj. Sami se ne ujemajo z ničemer, zato jih je varno kombinirati.

Sintaksa	Pomen	Primer
(?=…)	Pogled naprej – sledi tole	/\d+(?= kg)/"80 kg" → "80"
(?!…)	Negativni pogled naprej – temu ne sledi	/\d+(?! kg)/"80 lb" → "80"
(?<=…)	Lookbehind — pred tem	/(?<=\$)\d+/"costs $40" → "40"
(?<!…)	Negativni pogled nazaj - pred tem ni	/(?<!\$)\b\d+/"about 40" → "40"

beg

Teh dvanajst znakov je tistih, ki potrebujejo poševnico nazaj, da jih razumemo dobesedno.

Sintaksa	Pomen	Primer
\.	Dobesedna pika	/\d\.\d/"v2.5" → "2.5"
\\	Dobesedna poševnica nazaj	/\\/"C:\\dir" → "\\"
\n	Pomik vrstice	/a\nb/"a\nb" → "a\nb"
\t	Zavihek	/a\tb/"a\tb" → "a\tb"
\uFFFF	Znak po kodni točki	/\u00e9/"café" → "é"

Zastave

Zastava	Ime	Pomen
g	Globalno	Poiščite vsako ujemanje, ne le prvega.
i	Prezri velike in male črke	Ujemanje ne glede na velike ali male črke.
m	Več vrstic	Ujemata se ^ in $ pri vsakem prelomu vrstice namesto samo na koncih niza.
s	Pika na vse	Naj . tudi prelomi vrstic tekem.
u	Unicode	Vzorec obravnava kot kodne točke in omogoči ubežne lastnosti \p{…}.
y	Lepljivo	Ujema se samo pri točno zadnjem indeksu, nikoli ne išče naprej.

FAQ

Kakšna je razlika med pohlepnimi in lenimi kvantifikatorji?

Pohlepni kvantifikatorji (*, +, {2,}) se čim bolj ujemajo in vračajo znake le, če se preostali del vzorca ne ujema. Dodajanje? jih naredi lene: ujemajo se čim manj in vzamejo več le, ko so prisiljeni. Na "<a><b>" vzorec <.+> vrne celoten niz in <.+?> vrne samo <a>.

Zakaj se moja beseda ujema z drugimi besedami?

Ker ga ni nič zasidralo. Zavijte besedo v \b — /\bcat\b/ se ujema z "cat" v "the cat sat", vendar ne znotraj "concatenate". \b se ujema s položajem med besednim znakom in nebesednim znakom, tako da ne porabi ničesar.

Kaj spremeni zastava u?

Poskrbi, da vzorec deluje na kodnih točkah in ne na enotah UTF-16, tako da en sam emoji šteje kot en znak, in omogoča ubežne lastnosti \p{…}, kot je \p{L} za "katero koli črko". Brez tega \w in \d ostaneta samo ASCII, zato se "café" ne ujema popolnoma z /\w+/.

Kdaj naj uporabim skupino brez zajemanja?

Kadarkoli potrebujete združevanje, ne pa tudi zajetega besedila — (?:ab)+ namesto (ab)+. Zajemi stanejo malo, vendar je pravi razlog oštevilčevanje: vsaka zajemna skupina, ki jo dodate, premakne številke tistih za njo in tiho prekine zamenjave, ki uporabljajo $1 in $2.

Je lookbehind varen za uporabo?

V trenutnih brskalnikih in Node, da — (?<=…) in (?<!…) sta podprta v vseh večjih motorjih od leta 2018. Safari je bil zadnji, ki ga je dodal. Če ciljate na zelo stare izvajalne čase, najprej preverite; za sintakso regularnega izraza ni polifilla.