Մասնակից:Ruho1/Ավազարկղ

Կանոնավոր արտահայտություն-ը (անգլերեն՝ regular expressions) որոնման ֆորմալ լեզու է, որը նկարագրում է տողի ենթատողերի հետ կատարվող գործողություններ։ Այն տող-ձևաչափ է (անգլերեն՝ pattern), որը բաղկացած է սիմվոլներից և մետասիմվոլներից՝ ներառելով որոնման կանոնները։

XX դարի վերջում կանոնավոր արտահայտությունները բեկում են առաջացրել տեքստի էլեկտրոնային վերամշակման գործում։ Մի շարք ժամանակակից ծրագրավորման լեզուներ ունեն ներդրված կանոնավոր արտահայտությունների գործիքներ։ Այդպիսի ծրագրավորման լեզուներից են Perl-ը, TCL-ը, Java-ն, PHP-ն, JavaScript-ը, Python-ը, Lua-ն, C++11-ը։ Կանոնավոր արտահայտություններն օգտագործվում են մի շարք տեքստային խմբագրիչներում և գործիքներում՝ տեքստի որոնման և փոխարինման համար։ Օրինակ կանոնավոր արտահայտությունների միջոցով կարելի է ստեղծել ձևանմուշներ, որոնք թույլ են տալիս.

• ցանկացած տեքստում գտնել «երգ» բառը պարունակող հաջորդականությունները, օրինակ՝ «երգահան», «մեներգ»:
• գտնել «երգ» բառը և այն փոխարինել «տաղ»-ով:
• գտնել «երաժշտություն» բառը, որին հաջորդում է «ժողովրդական» կամ «էստրադային» բառը:
• տեքստից հեռացնել բոլոր նախադասությունները,որոնք պարունակում են «երգ» կամ «երաժշտություն» բառերը:

Պատմություն

Կանոնավոր արտահայտությունների պատմության հիմքում ընկած են ավտոմատների տեսությունը, ֆորմալ լեզուների տեսությունը, ֆորմալ քերականության դասակարգումը՝ ըստ Չոմսկու։ 1940-ական թվականներին Ուորրեն Մակկալոկը և Ուոլտեր Փիթսը նկարագրել են նյարդային համակարգը, օգտագործելով պարզ ավտոմատը որպես նեյրոնի մոդել։ Ավելի ուշ մաթեմատիկոս Ստիվեն Կլինին նկարագրել է այդ մոդելները՝ օգտագործելով իր մաթեմատիկական նշանակումների համակարգը, որը կոչվում է կանոնավոր բազմություններ։ Քեն Թոմփսոնը (Ken Tompson) UNIX օպերացիոն համակարգում կանոնավոր արտահայտություններն իրականացրել է QED, ապա ed խմբագրիչներում։ Այդ ժամանակվանից կանոնավոր արտահայտությունները լայն տարածում են գտել UNIX-ում և UNIX-անման համակարգերում, օրինակ՝ expr, awk, Emacs, vi, lex և Perl գործիքներում ու լեզուներում։

Կանոնավոր արտահայտությունները Perl-ում և Tcl-ում ներառված են Հենրի Սպենսերի կողմից գրված իրականացմամբ։ Ֆիլիպ Հեյզելը մշակել է PCRE գրադարանը (անգլ. Perl-compatible regular expressions)։

Ֆորմալ լեզուների տեսությունում

Կանոնավոր արտահայտությունները կազմված են հաստատուններից եւ օպերատորներից, որոնք սահմանում են տողերի բազմություն եւ դրանց համապատասխան գործողությունների բազմություն: Տվյալ վերջավոր Σ այբուբենում սահմանված են հետևյալ հաստատունները՝

• (դատարկ բազմություն) ∅,
• (դատարկ տող) ε-ով նշանակում են այն տողը, որը որևէ սիմվոլ չի պարունակում: Հավասարազոր է «»,
• (սիմվոլային լիտերալ) «a», որտեղ a-ն Σ այբուբենի սիմվոլ է,
• սիմվոլների կամ այլ բազմությունների (բազմություն),

և հետևյալ գործողությունները՝

• (կոնկատենացիա) RS նշանակում է բազմություն {αβ | α ∈ R & β ∈ S}: Օրինակ՝ {«boy», «girl»}{«friend», «cott»} = {«boyfriend», «girlfriend», «boycott», «girlcott»},
• (դիզյունկցիա) R|S նշանակում է R-ի և S-ի միավորում: Օրինակ՝ {«ab», «c»}|{«ab», «d», «ef»} = {«ab», «c», «d», «ef»},
• (Կլինիի փակում, Կլինիի աստղ) R* նշանակում է նվազագույն ենթաբազմություն R բազմությունից, որը պարունակում է ε և փակ է կոնկատենացիայի նկատմամբ, այսինքն բոլոր տողերի բազմությունը, որոնք ստացվում են R-ի զրո կամ ավել տողերի կոնկատենացիայից: Օրինակ՝ {«Run», «Forrest»}* = {ε, «Run», «Forrest», «RunRun», «RunForrest», «ForrestRun», «ForrestForrest», «RunRunRun», «RunRunForrest», «RunForrestRun», …}:

Շարահյուսություն

Սիմվոլների ներկայացումը

Հիմնական հոդվածը՝ Սիմվոլների ներկայացումը կանոնավոր արտահայտություններում:

Սովորական սիմվոլներ (լիտերալներ) և հատուկ սիմվոլներ (մետասիմվոլներ)

Կանոնավոր արտահայտություններում նշանների մեծ մասը ներկայացնում են իրենք իրենց՝ բացառությամբ [ ] \ / ^ $ . | ? * + ( ) { } հատուկ սիմվոլների, որոնք կարող են իրենք իրենց ներկայացնել «\»(ետշեղգիծ) սիմվոլի օգնությամբ: Կարելի է էկրանավորել սիմվոլների մի ամբողջ հաջորդականություն՝ վերցնելով դրանք «\Q»-ի և «\E»-ի միջև:

Օրինակ	Համապատասխանություն
a\.?	a. կամ a
a\\\\b	a\\b
a\[F\]	a[F]
\Q+-*/\E	+-*/

Նմանապես կարող է ներկայացված լինել այլ հատուկ սիմվոլներ (սիմվոլների հավաքածուն, որոնք պահանջում են էկրանավորում, կարող են տարբեր լինել՝ կախված կոնկրետ իրականացումից): Սիմվոլների մի մասը, որոնք այս կամ այն իրականացման ժամանակ չեն պահանջում էկրանավորում (օրինակ պայմանական չակերտները՝ < >) , կարող են էկրանավորվել տեքստն ընթեռնելի դարձնելու նպատակով:

Ցանկացած սիմվոլ

Մետասիմվոլ «.»-ը (կետ) նշանակում է մեկ ցանկացած սիմվոլ՝ բացառությամբ որոշ իրականացումներում նոր տողի դեպքում:

Սիմվոլների հավաքածու

Սիմվոլների հավաքածուն քառակուսի փակագծերում՝ [], անվանվում է սիմվոլների դաս և թույլ է տալիս նշել կանոնավոր արտահայտությունների ինտերպրետատորին, որ տողի այդ մասում կարող է լինել թվարկված սիմվոլներից որևէ մեկը: Մասնավորապես, [աբգ] տալիս է նշված երեք սիմվոլներից մեկին տեքստում հայտնվելու հնարավորություն, իսկ [1234567890]՝ համապատասխանաբար նշված թվերից մեկին: Կարելի է տալ սիմվոլների միջակայքը հետևյալ ձևով՝ օրինակ [Ա-Ֆա-ֆ] համապատասխանում է հայոց այբուբենի բոլոր տառերին: Եթե պահանջվում է նշել սիմվոլներ, որոնք չեն մտնում նշված հավաքածուի մեջ, ապա օգտագործում են «^» սիմվոլը քառակուսի փակագծերի մեջ, օրինակ՝ [^0-9] նշանակում է ցանկացած սիմվոլ՝ թվերից բացի:

Հատուկ սիմվոլների հավաքածուների ավելացումը էկրանավորման միջոցով ամենապարզ եղանակն է: Սակայն ժամանակակից կանոնավոր արտահայտություններում կան նաև ավանդական մոտեցումներ - տես Ավանդական կանոնավոր արտահայտություններ: Մի շարք սիմվոլների դասեր կարելի է փոխարինել հատուկ մետասիմվոլներով:

Սիմվոլ	Հավասարազոր	Համապատասխանություն
\d	[0-9]	Թվային սիմվոլ
\D	[^0-9]	Ոչ թվային սիմվոլ
\s	[ \f\n\r\t\v]	Space սիմվոլ
\S	[^ \f\n\r\t\v]	Ոչ Space սիմվոլ
\w	[ [:word:] ]	Տառային կամ թվային սիմվոլ կամ ընդգծելու սիմվոլ
\W	[^[:word:]]	Ցանկացած սիմվոլ, բացի տառային, թվային, ընդգծելու սիմվոլներից

Դիրքը տողի մեջ

Հետևյալ սիմվոլները թույլ են տալիս որոշել կանոնավոր արտահայտությունների տեղը տեքստի էլեմենտների նկատմամբ:

Ներկայացում	Դիրք	Օրինակ	Համապատասխանություն
^	Տեքստի սկիզբ (կամ տողի՝ ?m կերպափոխիչից հետո)	^a	aaa aaa
$	Տեքստի վերջ (կամ տողի՝ ?m կերպափոխիչից հետո)	a$	aaa aaa
\b	Բառի ծայր	a\b	aaa aaa
\b	Բառի ծայր	\ba	aaa aaa
\B	Բառի ոչ ծայր	\Ba\B	aaa aaa
\G	Նախորդ բարեհաջող փնտրում	\Ga	aaa aaa (փնտրումը կանգնեցվել է 4-րդ դիրքում՝ այնտեղ, որտեղ «a»չի գտնվել)

Խմբի նշանակություն

Կլոր փակագծերը օգտագործվում են գործողության սահմանը և առաջնահերթությունը որոշելու համար: Խմբի միջի կաղապարը մշակվում է որպես մեկ ամբողջություն: Օրինակ՝ (տր[աու]մ-?)* արտահայտությունը գտնում է տրամ-տրամ-տրումտրամ-տրում-տրամտրում տեսքի հաջորդականություն:

Թվարկում

Ուղղահայաց գիծը՝ «|», բաժանում է հնարավոր տարբերակները: Օրինակ՝ gray|grey համապատասխանում է gray կամ grey: Պետք է հիշել, որ տարբերակների դասավորումը կատարվում է ձախից աջ, ինչպես ցույց են տրված: Եթե պահանջվում է նշել տարբերակների ցուցակը ավելի բարդ կանոնավոր արտահայտությունների մեջ, ապա դրանք պետք է վերցնել խմբի մեջ:Օրինակ՝ gray|grey կամ gr(a|e)y նկարագրում են gray կամ grey տողը: Մեկ սիմվոլանի այլընտրանքի դեպքում նախընտրելի է gr(a|e)y, քանի որ սիմվոլների դասի հետ համեմատած ավելի հեշտ է իրականացվում, քան խմբի վերամշակումը՝ իր բոլոր հնարավոր ձևափոխություններով և գեներացնող հետադարձ կապով:

Քվանցիֆիկացիա (հաջորդականության որոնում)

Սիմվոլից, սիմվոլային դասից կամ խմբից հետո քվանցիֆիկատորը որոշում է, թե քանի անգամ կարող է հանդիպել նախորդ արտահայտությունը: Նշենք, որ կանոնավոր արտահայտության մեջ քվանցիֆիկատորը կարող է վերաբերել ավելի քան մեկ սիմվոլի, եթե այն սիմվոլային դաս է կամ խումբ:

Ներկայացում	Կրկնման քանակ	Օրինակ	Համապատասխանություն
{n}	n	colou{3}r	colouuur
{m,n}	m-n ներառյալ	colou{2,4}r	colouur, colouuur, colouuuur
{m,}	ոչ քիչ, քան m	colou{2,}r	colouur, colouuur, colouuuur և այլն
{,n}	ոչ շատ, քան n	colou{,3}r	color, colour, colouur, colouuur

Ներկայացում	Կրկնման քանակ	Հավասարազոր	Օրինակ	Համապատասխանություն
?	0 կամ 1	{0,1}	colou?r	color, colour
*	0 կամ ավել	{0,}	colou*r	color, colour, colouur և այլն
+	1 կամ ավել	{1,}	colou+r	colour, colouur և այլն (բայց ոչ color)

Հաճախ օգտագործվում է «.*» հաջորդականությունը երկու կանոնավոր արտահայտությունների միջև ցանկացած քանակի և ցանկացած սիմվոլի նշանակման համար: Սիմվոլային դասերը ՝ համադրելով քվանցիֆիկատորների հետ, թույլ են տալիս հաստատել համապատասխանություն իրական տեքստերի հետ: Օրինակ՝ թվերի, հեռախոսահամարների,փոստային հասցեների սյուներ և այլն: Եթե «{» և «}» սիմվոլները չեն ձևավորում քվանցիֆիկատոր, նրանց հատուկ նշանակությունը անտեսվում է:

Ագահ և ծույլ քվանցիֆիկացիա

Կանոնավոր արտահայտությունների մի քանի իրականացումներում քվանցիֆիկատորներին համապատասխանում է հնարավոր տողերից ամենաերկարը (քվանցիֆիկատորները համարվում են ագահ, անգլերեն՝ greedy): Դա կարող է հանդիսանալ կարևոր խնդիր: Օրինակ՝ հաճախ ակնկալվում է, որ (<.*>) արտահայտությունը տեքստում կգտնի HTML-ի տեգերը:Սակայն, եթե տեքստը ունի ավելի քան մեկ HTML-տեգ, ապա այս արտահայտությանը համապատասխանում է տեգերի բազմությունը պարունակող ամբողջ տողը:
< p >Վիկիպեդիան ազատ հանրագիտարան է, որտեղ ամեն ոք կարող է փոփոխել կամ ավելացնել ցանկացած հոդված:< /p > Այդ խնդիրը կարելի է լուծել երկու եղանակով:

1. Դիտարկել սիմվոլները, որոնք չեն համապատասխանում ցանկալի օրինակին (<[^> *> վերը նշված դեպքի համար):
2. Սահմանել քվանցիֆիկատորը որպես ծույլ (անգլերեն՝ lazy): Շատ իրականացումներ թույլ են տալիս դա անել՝ քվանցիֆիկատորից հետո ավելացնելով ? սիմվոլը:

Ծույլ քվանցիֆիկատորների օգտագործումը կարող է հանգեցնել հակառակ խնդրին՝ երբ արտահայտությանը համապատասխանում է շատ կարճ, մասնավորապես, դատարկ տող:

Ագահ	Ծույլ
*	*?
+	+?
{n,}	{n,}?

Ինչպես նաև ագահ և ծույլ արտահայտությունների ընդհանուր խնդիր են համարվում վերադարձի կետերը արտահայտության տարբերակների կրկնման համար:Կետերը դրվում են քվանցիֆիկատորի ամեն մի գործողությունից հետո: Եթե ինտերպրետատորը քվանցիֆիկատորից հետո չի գտել համապատասխանություն, ապա այն սկսում է վերադառնալ բոլոր սահմանած կետերին՝ արտահայտությունը այդտեղից այլ կերպ հաշվելով:

Ագահ և ծույլ արտահայտությունների օգտագործման օրինակներ

(<.*>) արտահայտությունը համապատասխանում է HTML-ի մի քանի տեգ պարունակող տողի ամբողջությամբ: < p >Վիկիպեդիան ազատ հանրագիտարան է, որտեղ ամեն ոք կարող է փոփոխել կամ ավելացնել ցանկացած հոդված:< /p > Որպեսզի տարբերել առանձին տեգերը, կարելի է օգտագործել այդ արտահայտության ծույլ տարբերակը՝ (<.*?>): Նրան համապատասխանում է ոչ թե վերևում նշված ամբողջ տողը, այլ առանձին տեգերը : < p >Վիկիպեդիան — ազատ հանրագիտարան է, որտեղ ամեն ոք կարող է փոփոխել կամ ավելացնել ցանկացած հոդված:< /p >

Խանդոտ քվանցիֆիկացիա

Ի տարբերություն սովորական (ագահ) քվանցիֆիկացիային, խանդոտ (possessive) քվանցիֆիկացիան ոչ միայն փորձում է գտնել առավելագույն երկարությամբ տարբերակը, այլև թույլ չի տալիս ալգորիթմին վերադառնալ նախորդ քայլերին, որպեսզի գտնի հնարավոր համապատասխանությունը կանոնավոր արտահայտության մնացած մասի համար:

aaaaa տողի մեջ (a+a+)+a արտահայտությունը փնտրելու համար ինտերպրետատորը կկատարի հետևյալ քայլերը՝ aaaaa aaaa aaaaa aaa aaaaa aaaa aaaaa - և միայն այստեղ ստուգելով բոլոր վերադարձի կետերը՝ կդադարեցնի: Խանդոտ քվանցիֆիկատորի օգտագործման դեպքում կկատարվի ալգորիթմի միայն առաջին քայլը:

Քվանցիֆիկատորի օգտագործումը մեծացնում է փնտրման արագությունը հատկապես այն դեպքերում, երբ տողը չի համապատասխանում կանոնավոր արտահայտությանը: Բացի այդ, խանդոտ քվանցիֆիկատորները կարող է վերացնել անցանկալի համընկնումները:

Ագահ	Խանդոտ
*	*+
?	?+
+	++
{n,}	{n,}+

Օրինակ	Համապատասխանություն
ab(xa)*+a	abxaabxaa, բայց ոչ abxaabxaa, քանի որ a տառը արդեն զբաղված է:

Սա նման է ատոմային խմբավորոմանը

Խմբավորում

Հետադարձ կապ

Խմբավորման կիրառություններից մեկը վաղ գտնված սիմվոլների խմբերի կրկնակի օգտագործումն է : Արտահայտության վերամշակման ժամանակ ենթատողերը, որոնք գտնվել են խմբի ներսում՝ ըստ կաղապարի, պահվում են հիշողության առանձին տարածքներում և ստանում են համարներ՝ սկսած մեկից: Կանոնավոր արտահայտություններում յուրաքանչյուր ենթատողի համապատասխանում է մի զույգ փակագիծ: Խնբի քվանցիֆիկացիան չի ազդում պահպանվող արդյունքի վրա, այսինքն պահպանվում է միայն առաջին դեպքը: Որպես կանոն, ապահովվում է մինջև 9 համարակալված ենթատողերը՝ 1-9 համարներով, սակայն որոշ ինտերպրետատորներ թույլ են տալիս աշխատել ավելի մեծ համարներով: Հետեւաբար, տվյալ կանոնավոր արտահայտության սահմաններում կարելի է օգտագործել \1-ից մինջև \9 արժեքները նախորոք գտնված ենթատողի համապատասխանությունը ստուգելու համար: Օրինակ, (տա|տու)-\1 կանոնավոր արտահայտությունը կգտնի տա-տա կամ տու-տու տողը, բայց բաց կթողնի տա-տու տողը: Ինչպես նաև նախորոք գտնված ենթատողը կարելի է օգտագործել կանոնավոր արտահայտության փոխարինման համար: Այս դեպքում փոխարինող տեքստում դրվում են այն նույն արժեքները, որոնք դրված են հենց արտահայտության մեջ:

Խմբավորում առանց հետադարձ կապի

Եթե խումբը օգտագործվում է միայն խմբավորման համար, և նրա արժեքը հետագայում չի օգտագործվում, ապա կարելի է օգտագործել (?:կաղապար) տեսքի խմբավորումը: Այդպիոի խմբավորման դեպքում չի հատկացվում հիշողության առանձին տարածք և, հետևաբար, նրան չի տրվում համար: Դա դրական է ազդում արտահայտության կատարման արագության վրա, սակայն նվազեցնում է ընթերցանելիությունը:

Ատոմային խմբավորում

(?>կաղապար) տեսքի ատոմային խմբավորումը, ինչպես նաև առանց հետադարձ կապի խմբավորումը, չեն ստեղծում հետադարձ կապեր: Ի տարբերություն առանց հետադարձ կապի խմբավորման, այսպիսի խմբավորումը արգելում է տողով վերադարնալ ետ, եթե կաղապարի մի մասը արդեն հայտնաբերված է:

Օրինակ	Համապատասխանություն	Ստեղծվող խումբ
a(bc|b|x)cc	abccaxcc , abccaxcc	abccaxcc, abccaxcc
a(?:bc|b|x)cc	abccaxcc , abccaxcc	չկա
a(?>bc|b|x)cc	abccaxcc , բայց ոչ abccaxcc ՝ x-ը գտնված է, մնացածը անտեսվում է	չկա
a(?>x*)xa	չի գտնվի axxxa ՝ բոլոր x-երը զբաղված են և խմբի ներսում ետ դարձ չկա	չկա

Ատոմային խմբավորումը կատարվում է ավելի արագ, քան առանց հետադարձ կապի խմբավորումը, և արտահայտության մնացած մասը կատարելիս խնայում է ժամանակ, քանի որ արգելվում են ցանկացած այլ տարբերակների ստուգումները խմբի ներսում, երբ մեկ տարբերակը արդեն գտնված է: Դա շատ օգտակար է բազմաթիվ տարբերակներ ունեցող խմբերի օպտիմիզացման ժամանակ: Սա նման է խանդոտ քվանցիֆիկացիային

Ձևափոխիչներ

Ձևափոխիչները ազդում են կիրառման պահից մինջև կանոնավոր արտահայտության վերջ կամ մինջև հակառակ ձևափոխիչի կիրառումը: Որոշ ինտերպրետատորներ կարող են ընդունել ձևափոխիչը ամբողջ արտահայտության համար, այլ ոչ թե կիրառման պահից:

Ձևաչափ	Նկարագրություն
(?i)	Արտահայտությանը դարձնում է ոչ զգայուն սիմվոլների ռեգիստրի նկատմամբ:
(?-i)	Արտահայտությանը դարձնում է զգայուն սիմվոլների ռեգիստրի նկատմամբ:
(?m)	^ և $ սիմվոլները առաջացնում են համապատասխանություն միայն «նոր տող» սիմվոլից առաջ և հետո:
(?-m)	^ և $ սիմվոլները առաջացնում են համապատասխանություն միայն տեքստի սկզբում և վերջում:
(?x)	Կանոնավոր արտահայտության մասերի միջև հաշվի չի առնում բացատների առկայությունը և թույլ է տալիս օգտագործել «#» սիմվոլը մեկնաբանությունների համար
(?-x)	Կանոնավոր արտահայտության մասերի միջև հաշվի է առնում բացատների առկայությունը և թույլ է տալիս օգտագործել «#»սիմվոլը մեկնաբանությունների համար

Ձևափոխիչների խմբերը կարելի է համատեղել մեկ խմբում՝ (?i-sm): Այդպիսի խումբը միացնում է i և անջատում s, m ռեժիմները: Եթե ձևափոխիչները օգտագործվում են միայն խմբի ներսում, ապա տվյալ կաղապարը դրվում է խմբի ներսում ձևափոխիչից հետո, բայց «:» սիմվոլից առաջ: Օրինակ՝ (?-i)(?i:tv)set կգտնի TVset, բայց ոչ TVSET:

Մեկնաբանություններ

Կանոնավոր արտահայտություններում մեկնաբանություններ ավելացնելու համար կարելի է օգտագործել մեկնաբանությունների խումբ (?#մեկնաբանություն) տեսքով: Այդպիսի խումբը ամբողջությամբ անտեսվում է ինտերպրետատորի կողմից և չի ստուգվում տեքստ մտնելուց առաջ: Օրինակ՝ Ա(?#այստեղ մեկնաբանություն է)Բ արտահայտությունը համապատասխանում է ԱԲ տողին:

Դիտում առաջ և հետ

Կանոնավոր արտահայտությունների իրականացումներից շատերում կա տեքստի մի մասի որոնման միջոց:

Ներկայացում	Դիտման տեսակ	Օրինակ	Համապատասխանություն
(?=կաղապար)	Դրական առաջդիտում	Լյուդովիկ(?=XVI)	ԼյուդովիկXV, ԼյուդովիկXVI, ԼյուդովիկXVIII, ԼյուդովիկLXVII, ԼյուդովիկXXL
(?!կաղապար)	Բացասական առաջդիտում	Լյուդովիկ(?!XVI)	ԼյուդովիկXV, ԼյուդովիկXVI, ԼյուդովիկXVIII, ԼյուդովիկLXVII, ԼյուդովիկXXL
(?<=կաղապար)	Դրական հետդիտում	(?<=Սերգեյ) Իվանով	Սերգեյ Իվանով , Իգոր Իվանով
(?<!կաղապար)	Բացասական հետդիտում	(?<!Սերգեյ) Իվանով	Սերգեյ Իվանով , Իգոր Իվանով

Փնտրում պայմանով

Կանոնավոր արտահայտությունների մի շարք իարականացումներում հնարավոր է ընտրել, թե որ ճանապարհով է կատարվելու ստուգումը կանոնավոր արտահայտության այս կամ այն մասում՝ հիմնվելով արդեն գտնված արժեքների վրա:

Ներկայացում	Բացատրություն	Օրինակ	Համապատասխան
(?(?=եթե )ապա |հակառակ դեպքում)	Եթե գործողությունը հաջող է դիտարկվել, ապա կատարվում է «ապա»-ի մասը, համառակ դեպքում՝ «համառակ դեպքում»-ի մասը: Արտահայտության մեջ կարող են օգտագործվել չորս դիտարկման գործողություններից ցանկացածը:	(?(?<=ա)մ|պ)	մամ, պապ
(?(n)ապա|հակառակ դեպքում)	Եթե n-րդ խումբը վերադարձրել է որևէ արժեք, ապա պայմանով փնտրումը կատարվում է «ապա» կաղապարով, հակառակ դեպքում՝ «հակառակ դեպքում» կաղապարով:	(ա)?(?(1)մ|պ)	մամ, պապ

Դրոշակներ

Մի շարք լեզուներում (օրինակ՝ JavaScript-ում ) կան «դրոշակներ», որոնք ընդլայնում են կանոնավոր արտահայտությունների ֆունկցիաները: Դրոշակները դրվում են կանոնավոր արտահայտությունից հետո (դրոշակների հերթականությունը կարևոր չէ):Օրինակ՝ /[0-9]$/m:

• g-համընդհանուր փնտրում
• i-տառերի ռեգիստրը կարևոր չէ
• m-բազմատողանի փնտրում
• s-տեքստը համարվում է որպես մեկ տող: Այս դեպքում «.» սիմվոլին համապատասխանում է ցանկացած մեկ սիմվոլ, բացառությամբ «նոր տող»-ի սիմվոլը:

Կանոնավոր արտահայտությունների տեսակները

POSIX-ի հիմնական կանոնավոր արտահայտություններ

(անգլերեն՝ basic regular expressions (BRE)): UNIX-ի ավանդական կանոնավոր արտահայտություններն են: Հիմնական կանոնավոր արտահայտությունների գրելաձև ներկայիս պահին սահմանվում է որպես հնացած POSIX-ը, բայց այն հետադարձ համատեղելիության համար մինչև այժմ լայն տարածում ունի: Շատ UNIX-համակարգեր լռելյայն օգտագործում են այդպիսի կանոնավոր արտահայտություններ: Այս տարբերակում ներառված են հետևյալ մետասիմվոլները՝

• .
• [ ]
• [^ ]
• ^ (ազդում է միայն արտահայտության սկզբում)
• $ (ազդում է միայն արտահայտության վերջում)
• *
• \{ \} — «{ }»-ի սկզբնական տեսքը
• \( \) — «( )»-ի սկզբնական տեսքը
• \n, որտեղ n-ը 1-9 թիվ է

Առանձնահատկություններ՝

• Աստղանիշը պետք է հաջորդի արտահայտությանը:Օրինակ՝ [xyz]*:
• «\(բլոկ\)*» արտահայտությունը պետք է համարել սխալ:Որոշ դեպքերում, դա համապատասխանում է զրոյին կամ «բլոկ» տողի մի քանի կրկնություններին: Մնացած դեպքերում համապատասխանում է «բլոկ*» տողին
• Սիմվոլների դասի ներսում սիմվոլների հատուկ նշանակությունը հիմնականում անտեսվում է :Հատուկ դեպքեր՝
  • Որպեսզի ավելացնել «^» սիմվոլը հավաքծուի մեջ, նրան չպետք է առաջինը տեղադրել հավաքածուի մեջ:
  • Որպեսզի ավելացնել «-» սիմվոլը հավաքծուի մեջ, նրան պետք է տեղադրել հավաքածուի մեջ առաջինը կամ վերջինը: Օրինակ՝
    • DNS անվան կաղապարը, որտեղ կարող են դրվել թվեր, տառեր, «-» և «.»` [-0-9a-zA-Z.]:
    • ցանկացած սիմվոլ՝ «-»-ից և թվերից բացի՝ [^-0-9]:
  • Որպեսզի ավելացնել «[» կամ «]» սիմվոլը հավաքծուի մեջ, նրան պետք է տեղադրել հավաքածուի մեջ առաջինը: Օրինակ՝
    • [][ab]-ին համապատասխանում է ], [, a կամ b:

POSIX-ի ընդլայնված կանոնավոր արտահայտություններ

(անգլերեն՝ extended regular expressions (ERE)): Գրելաձևը հիմնականում նման է ավանդականին:

• Չի թույլատրվում օգտագործել «\» սիմվոլը «{»,«}»,«(» և «)» մետասիմվոլների համար:
• «\» սիմվոլը մետասիմվոլից առաջ փոխում է նրա հատուկ նշանակությունը (տես՝ Հատուկ սիմվոլների ներկայացումը):
• Չի օգտագործվում տեսականորեն անկանոն կարուցվածք ունեցող «\n»-ը:
• Ավելացված են «+», «?», «|» մետասիմվոլները:

Տես նաև POSIX սիմվոլների դաս]

Perl-ի հետ համընկնող կանոնավոր արտահայտություններ

Հիմնական հոդվածը՝ PCRE: Perl-համատեղելի կանոնավոր արտահայտությունները (անգլերեն՝ Perl-compatible regular expressions (PCRE)) ունեն ավելի հարուստ և, միևնույն ժամանակ, կանխատեսելի գրելաձև, քան անգամ POSIX ERE-ն: Այդ պատճառով շատ ծրագրեր օգտագործում են հենց PCRE գրելաձևը:

Բարդ կանոնավոր արտահայտություններ

Որոշ դեպքերում, կանոնավոր արտահայտությունները հարմար են օգտագործել տեքստային հատվածների՝ մարդկանց կողմից գրված լեզվով վերլուծության համար,որոնք կարող են պարունակել տպագրական սխալներ կամ պահանջվող բառի ոչ ստանդարտ ձևը: Օրինակ, եթե անցկացնել հարցում, (ենթադրենք՝ web-site-ով) թե մետրոյի որ կայարանից են օգտվում մարդիկ, հնարավոր է «Երիտասարդական» կայարանը նշեն որպես՝

• Երիտասարդական
• Երիտ. կայարան
• Երիտ. կայ.

Այստեղ սովորական կանոնավոր արտահայտություններ կիրառելի չեն նախևառաջ այն պատճառով, որ մուտքային տարբերակները կարող են չհամընկնել, բայց, այնուամենայնիվ հարմար կլիներ տարբերակների կառուցվածքային փոխհարաբերությունները նկարագրել կանոնավոր արտահայտությունների միջոցով: Օրինակ՝ այս դեպքում ցույց տալ, որ կարող են համընկնել «Երիտասարդական» և «Երիտ.», «կայարան» և «կայ.» տարբերակները: Այս խնդիրը նման է լիարժեք տեքստային որոնմանը: Տարբերությունն այն է, որ այստեղ կարճ հատվածը պետք է համեմատել մի շարք նմուշների հետ, իսկ լրիվ տեքստային որոնման դեպքում՝ ընդհակառակը, նմուշը սովորաբար մեկն է, իսկ տեքստի հատվածը շատ մեծ: Այս խնդիրը նման է նաև բառային անորոշություն թույլատրման խնդրին, որը, սակայն, թույլ չի տալիս սահմանել կառուցվածքային հարաբերություններ նմուշի տարրերի միջև:

Կան մի շարք գրադարաններ, որոնք իրականացնում են կանոնավոր արտահայտությունների մեխանիզմներ՝ հնարավոր բարդ համեմատությունների դեպքում:

• TRE - C-ով գրված անվճար գրադարան, որը օգտագործում է կանոնավոր արտահայտությունների գրելաձևը, որը նման է POSIX -ին (կայուն ծրագիր):
• FREJ - Բաց կոդով գրադարան Java-ով գրված, որը օգտագործում է Lisp-անման գրելաձև և որը զրկված է սովորական կանոնավոր արտահայտությունների մի շարք հատկություններից, բայց կենտրոնացած է տարբեր տեսակի տեքստային հատվածի ավտոմատ փոխարինողների վրա (beta-տարբերակ):

Իրականացում

• NFA-ն (անգլերեն՝ nondeterministic finite-state automata) օգտագործում է rollback-ի ագահ ալգորիթմը՝ստուգելով կանոնավոր արտահայտության բոլոր հնարավոր ընդլայնումները՝ որոշակի կարգով և վերձնելով առաջին համապատասխան արժեքը: NFA-ն կանող է գործածել ենթաարտահայտություններ և հետադարձ հղումներ: Բայց rollback ալգորիթմի պատճառով ավանդական NFA-ն կարող է մի տեղը ստուգել մի քանի անգամ, ինչը բացասաբար է ազդում աշխատանքի արագության վրա: Քանի որ ավանդական NFA-ն վերցնում է առաջին գտնված համապատասխանությունը, նա կարող է և չգտնել ամենաերկար համապատասխանությունը ( դա պահանջում է POSIX-ի ստանդարտը և կան NFA ձևափոխիչներ,որոնք կատարում են այդ պահանջը՝ GNU sed): Կանոնավոր արտահայտությունների հենց այդպիսի մեխանիզմ է օգտագործվում օրինակ Perl-ում, TCL-ում, .NET-ում:
• DFA-ն (անգլերեն՝ deterministic finite-state automata) աշխատում է գծային ժամանակում, քանի որ չի օգտագործում rollback-ներ և ոչ մի անգամ տեքստի տվյալ հատվածը երկու անգամ չի ստուգում: Նրանք գտնում են տարբերակներից ամենաերկարը: DFA -ն պահում է միայն վերջնական վիճակը, հետեւաբար այն չի կարգավորում հետադարձ հղումները, ինչպես նաև չի ապահովում հստակ ընդլայնումներով կառույցները: DFA-ն օգտագործվում է օրինակ Lex-ում, egrep-ում:

Տես նաև

• Փնտրման կաղապար

Գրականություն

• Ջ. Ֆրիդլ Կանոնավոր արտահայտություններ. - «Питер», 2001. — 352 с. — (Ծրագրավորողի գրադարան). — ISBN 5-318-00056-8.
• Բիլլ Սմիթ.Computing Patterns in Strings. — М.: «Вильямс», 2006. — 496 с. — ISBN 0-201-39839-7.
• Բեն Ֆորտա. Sams Teach Yourself Regular Expressions in 10 Minutes. — М.: «Вильямс», 2005. — 184 с. — ISBN 5-8459-0713-6.
• Յան Գոյվերթս, Սթիվեն Լևիտան. Կանոնավոր արտահայտություններ . Բաղադրատոմսերի հավաքածու. — «Символ-Плюс», 2010. — 608 с. — ISBN 978-5-93286-181-3.
• Ս. Վ. Մելնիկով. Perl պրոֆեսյոնալ ծրագրավորողների համար. Կանոնավոր արտահայտություններ. — М.: «Бином», 2007. — 190 с. — (Ինֆորմացիոն տեխնոլոգիաների հիմունքներ). — ISBN 978-5-94774-797-3.

Հղումներ

• Կանոնավոր արտահայտությունների ուղղեցույց և ռեսուրսներ (անգլերեն) -դասագիրք և շարահյուսության մանրամասն նկարագրություն օրինակներով, տարբեր ինտերպրետատորների համեմատում և այլն
• MSDN - Ծանոթացում կանոնավոր արտահայտությունների հոտ (ռուսերեն)
• Կանոնավոր արտահայտությունների վերամշակման մեխանիզմների իրագործումը C++-ով
• Կանոնավոր արտահայտությունների կառուցման տեսություն և մեթոդներ: Ինքնակարգավորման խնդիր (ռուսերեն)
• կանոնավոր արտահայտությունների օնլայն գեներատոր PHP-ով՝ սկսնակների համար (ռուսերեն)
• կանոնավոր արտահայտությունների կոնստրուկտոր՝ շարահյուսության կարևորմամբ (անգլերեն)
• TRE- Անվճար և տեղափոխելի գրադարան՝ կանոնավոր արտահայտությունների միջոցով բարդ համեմատություններ կատարելու համար
• FREJ (Fuzzy Regular Expressions for Java) -Անոշ կանոնավոր արտահայտություններ Java-Ի համար SourceForge.net լեզվով