Программирование на языке Ruby

Фултон Хэл

Глава 3. Регулярные выражения

Я провела бы его по лабиринту, где тропы орнаментом украшены…

Эми Лоуэлл

Мощь регулярных выражений как инструмента программирования часто недооценивается. Первые теоретические исследования на эту тему датируются сороковыми годами прошлого века, в вычислительные системы они проникли в 1960-х годах, а затем были включены в различные инструментальные средства операционной системы UNIX. В 1990-х годах популярность языка Perl привела к тому, что регулярные выражения вошли в обиход, перестав быть уделом бородатых гуру

Красота регулярных выражений заключается в том, что почти весь наш опыт можно выразить в терминах образцов. А если имеется образец, то можно провести сопоставление с ним, можно найти то, что ему соответствует, и заменить найденное чем-то другим по своему выбору.

Во время работы над данной книгой язык Ruby находился в переходном состоянии. Старая библиотека регулярных выражений заменялась новой под названием Oniguruma. Этой библиотеке посвящен раздел 3.13 данной главы.

Что касается интернационализации, то это тема главы 4.

3.1. Синтаксис регулярных выражений

Обычно регулярное выражение ограничено с двух сторон символами косой черты. Применяется также форма

%r

. В таблице 3.1 приведены примеры простых регулярных выражений:

Таблица 3.1. Простые регулярные выражения

Регулярное выражение	Пояснение
/Ruby/	Соответствует одному слову Ruby
/[Rr]uby/	Соответствует Ruby или ruby
/^abc/	Соответствует abc в начале строки
%r(xyz$)	Соответствует xyz в конце строки
%r|[0-9]*|	Соответствует любой последовательности из нуля или более цифр

Сразу после регулярного выражения можно поместить однобуквенный модификатор. В таблице 3.2 приведены наиболее часто употребляемые модификаторы.

Таблица 3.2. Модификаторы регулярных выражений

Модификатор	Назначение
I	Игнорировать регистр
O	Выполнять подстановку выражения только один раз
M	Многострочный режим (точка сопоставляется с символом новой строки)
X	Обобщенное регулярное выражение (допускаются пробелы и комментарии)

Дополнительные примеры будут рассмотрены в главе 4. Чтобы завершить введение в регулярные выражение, в таблице 3.3 мы приводим наиболее употребительные символы и обозначения.

Таблица 3.3. Общеупотребительные обозначения в регулярных выражениях

Обозначение	Пояснение
^	Начало строки текста (line) или строки символов (string)
$	Конец строки текста или строки символов
.	Любой символ, кроме символа новой строки (если не установлен многострочный режим)
\w	Символ - часть слова (цифра, буква или знак подчеркивания)
\W	Символ, не являющийся частью слова
\s	Пропуск (пробел, знак табуляции, символ новой строки и т.д.)
\S	Символ, не являющийся пропуском
\d	Цифра (то же, что [0-9])
\D	Не цифра
\A	Начало строки символов (string)
\Z	Конец строки символов или позиция перед конечным символом новой строки
\z	Конец строки символов (string)
\b	Граница слова (только вне квадратных скобок [ ])
\B	Не граница слова
\b	Забой (только внутри квадратных скобок [ ])
[]	Произвольный набор символов
*	0 или более повторений предыдущего подвыражения
*?	0 или более повторений предыдущего подвыражения (нежадный алгоритм)
+	1 или более повторений предыдущего подвыражения
+?	1 или более повторений предыдущего подвыражения (нежадный алгоритм)
{m, n}	От m до n вхождений предыдущего подвыражения
{m, n}?	От m до n вхождений предыдущего подвыражения (нежадный алгоритм)
?	0 или 1 повторений предыдущего подвыражения
|	Альтернативы
(?= )	Позитивное заглядывание вперед
(?! )	Негативное заглядывание вперед
	Группировка подвыражений
(?> )	Вложенное подвыражение
(?: )	Несохраняющая группировка подвыражений
(?imx-imx)	Включить/выключить режимы, начиная с этого места
(?imx-imx: expr)	Включить/выключить режимы для этого выражения
(?# )	Комментарий

Умение работать с регулярными выражениями — большой плюс для современного программиста. Полное рассмотрение этой темы выходит далеко за рамки настоящей книги, но, если вам интересно, можете обратиться к книге Jeffrey Friedl, Mastering Regular Expressions [8] .

Дополнительный материал вы также найдете в разделе 3.13.

3.2. Компиляция регулярных выражений

Для компиляции регулярных выражений предназначен метод

Regexp.compile

(синоним

Regexp.new

). Первый параметр обязателен, он может быть строкой или регулярным выражением. (Отметим, что если этот параметр является регулярным выражением с дополнительными флагами, то флаги не будут перенесены в новое откомпилированное выражение.)

8

Дж. Фридл. Регулярные выражения. — Питер, 2003 (Прим. перев.)

pat1 = Regexp.compile("^foo.*") # /^foo.*/

pat2 = Regexp.compile(/bar$/i) # /bar/ (i не переносится)

Если второй параметр задан, обычно это поразрядное объединение (ИЛИ) каких-либо из следующих констант:

Regexp::EXTENDED

,

Regexp::IGNORECASE

,

Regexp::MULTILINE

. При этом любое отличное от

nil

значение приведет к тому, что регулярное выражение не будет различать регистры; мы рекомендуем опускать второй параметр.

options = Regexp::MULTILINE || Regexp::IGNORECASE

pat3 = Regexp.compile("^foo", options)

pat4 = Regexp.compile(/bar/, Regexp::IGNORECASE)

Третий параметр, если он задан, включает поддержку многобайтных символов. Он может принимать одно из четырех значений:

"N" или "n" означает отсутствие поддержки

"Е" или "е" означает EUC

"S" или "s" означает Shift-JIS

"U" или "u" означает UTF-8

Литеральное регулярное выражение можно задавать и не вызывая метод

new

или compile. Достаточно заключить его в ограничители (символы косой черты).

pat1 = /^fоо.*/

pat2 = /bar$/i

Более подробная информация приводится в главе 4.

3.3. Экранирование специальных символов

Метод класса

Regexp.escape

экранирует все специальные символы, встречающиеся в регулярном выражении. К их числу относятся звездочка, вопросительный знак и квадратные скобки.

str1 = "[*?]"

str2 = Regexp.escape(str1) # "\[\*\?\]"

Синонимом является метод

Regexp.quote

.

3.4. Якоря

Якорь — это специальное выражение, соответствующее позиции в строке, а не конкретному символу или последовательности символов. Позже мы увидим, что это простой частный случай утверждения нулевой длины, то есть соответствия, которое не продвигает просмотр исходной строки ни на одну позицию.

Наиболее употребительные якоря уже были представлены в начале главы. Простейшими из них являются

^

и

$

, которые соответствуют началу и концу строки символов.