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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]Սիմվոլների ներկայացումը
[խմբագրել | խմբագրել կոդը]Հիմնական հոդվածը՝ Սիմվոլների ներկայացումը կանոնավոր արտահայտություններում:
Սովորական սիմվոլներ (լիտերալներ) և հատուկ սիմվոլներ (մետասիմվոլներ)
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]Մետասիմվոլ «.»-ը (կետ) նշանակում է մեկ ցանկացած սիմվոլ՝ բացառությամբ որոշ իրականացումներում նոր տողի դեպքում:
Սիմվոլների հավաքածու
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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)
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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:
- Դիտարկել սիմվոլները, որոնք չեն համապատասխանում ցանկալի օրինակին (<[^> *> վերը նշված դեպքի համար):
- 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 > |
Խանդոտ քվանցիֆիկացիա
[խմբագրել | խմբագրել կոդը]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՝
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
[խմբագրել | խմբագրել կոդը]Հետադարձ կապ
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը](?>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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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: |
(?(?<=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՝ |
(ա)?(?(1)մ|պ) | մամ, պապ |
Դրոշակներ
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]POSIX-ի հիմնական կանոնավոր արտահայտություններ
[խմբագրել | խմբագրել կոդը](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
[խմբագրել | խմբագրել կոդը](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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]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
[խմբագրել | խմբագրել կոդը]- 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
[խմբագրել | խմբագրել կոդը]Գրականություն
[խմբագրել | խմբագրել կոդը]- 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
[խմբագրել | խմբագրել կոդը]- 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