Регулярные выражения (RegEx или RegExp) — это набор символов, которые определяют шаблон поиска. Их можно использовать для выполнения операций «Поиск» или «Поиск и замена», а также для проверки условий, таких как политика паролей, ввод номера телефона и т.д.
Приведем пример регулярного выражения:
/t[aeiou]l/
Это регулярное выражение будет искать слово, начинающееся с буквы 't', содержащее любую из букв 'a e i o u' в середине и оканчивающееся буквой 'l'. Это может быть 'tel', 'tal' или 'til'. Совпадение может быть отдельным словом или частью другого слова, например 'tilt', 'brutal' или 'telephone'.
А теперь приступим к рассмотрению основных регулярных выражений на примере командной оболочки Bash.
Основы регулярных выражений
В общем виде синтаксис команды 'grep' выглядит следующим образом:
$ grep поисковый_запрос_regex расположение_файла
Изучим некоторые специальные символы, известные как метасимволы. Они помогают создавать более сложные поисковые выражения:
| . | будет соответствовать любому символу; |
| [ ] | будет соответствовать диапазону символов; |
| [^ ] | будет соответствовать всем символам, кроме указанных в фигурных скобках; |
| * | будет соответствовать любому количеству символов, предшествующих звездочке, в том числе нулю; |
| + | будет соответствовать одному или нескольким из стоящих перед ним выражений; |
| ? | будет соответствовать нулю или одному из стоящих перед ним выражений; |
| {n} | будет соответствовать 'n' повторениям предшествующих выражений; |
| {n,} | будет соответствовать не менее 'n' повторениям предшествующих выражений; |
| {n m} | будет соответствовать не менее 'n' и не более 'm' повторениям предшествующих выражений; |
| {,m} | будет соответствовать не более или равному 'm' повторениям предшествующих выражений; |
| является escape-символом (символом экранирования), используемым, когда нужно включить один из метасимволов. |
Приведем примеры:
. (точка)
Используется для соответствия любому символу, который встречается в поисковом запросе. Например, можем использовать точку как:
$ grep "d.g" file1
Это регулярное выражение означает, что мы ищем слово, которое начинается с 'd', оканчивается на 'g' и может содержать один любой символ в середине файла с именем 'file1'. Точно так же мы можем использовать символ точки любое количество раз для нашего шаблона поиска, например:
T......h
Этот поисковый термин будет искать слово, которое начинается с 'T', оканчивается на 'h' и может содержать любые шесть символов в середине.
[ ]
Квадратные скобки используются для определения диапазона символов. Например, когда нужно искать один из перечисленных символов, а не любой символ, как в случае с точкой:
$ grep "N[oen]n" file2
Здесь мы ищем слово, которое начинается с 'N', оканчивается на 'n' и может иметь только 'o', 'e' или 'n' в середине. В квадратных скобках можно использовать любое количество символов. Мы также можем определить диапазоны, такие как 'a-e' или '1-18', как список совпадающих символов в квадратных скобках.
[^ ]
Это похоже на оператор отрицания для регулярных выражений. Использование [^ ] означает, что поиск будет включать в себя все символы, кроме тех, которые указаны в квадратных скобках. Например:
$ grep "St[^1-9]d" file3
Это означает, что у нас могут быть все слова, которые начинаются с 'St', оканчиваются буквой 'd' и не содержат цифр от 1 до 9.
До сих пор мы использовали примеры регулярных выражений, которые ищут только один символ. Но что делать в иных случаях? Допустим, если требуется найти все слова, которые начинаются или оканчиваются символом или могут содержать любое количество символов в середине. С этой задачей справляются так называемые метасимволы-квантификаторы, определяющие сколько раз может встречаться предшествующее выражение: + * & ?
{n}, {n m}, {n, } или { ,m} также являются примерами других квантификаторов, которые мы можем использовать в терминах регулярных выражений.
* (звездочка)
На следующем примере показано любое количество вхождений буквы 'k', включая их отсутствие:
$ grep "lak*" file4
Это означает, что у нас может быть совпадение с 'lake' или 'la' или 'lakkkkk'.
+
Следующий шаблон требует, чтобы хотя бы одно вхождение буквы 'k' в строке совпадало:
$ grep "lak+" file5
Здесь буква 'k' должна появляться хотя бы один раз, поэтому наши результаты могут быть 'lake' или 'lakkkkk', но не 'la'.
?
В следующем шаблоне результатом будет строка bb или bab:
$ grep "ba?b" file6
С заданным квантификатором '?' мы можем иметь одно вхождение символа или ни одного.
Важное примечание! Предположим, у нас есть регулярное выражение:
$ grep "S.*l" file7
И мы получаем результаты 'Small', 'Silly', и ещё 'Susan is a little to play ball'. Но почему мы получили 'Susan is a little to play ball', ведь мы искали только слова, а не полное предложение?
Все дело в том, что это предложение удовлетворяет нашим критериям поиска: оно начинается с буквы 'S', имеет любое количество символов в середине и заканчивается буквой 'l'. Итак, что мы можем сделать, чтобы исправить наше регулярное выражение, чтобы в качестве выходных данных мы получали только слова вместо целых предложений.
Для этого в регулярное выражение нужно добавить квантификатор '?':
$ grep "S.*?l" file7
или символ экранирования
Символ '' используется, когда необходимо включить символ, который является метасимволом или имеет специальное значение для регулярного выражения. Например, требуется найти все слова, заканчивающиеся точкой. Для этого можем использовать выражение:
$ grep "S.*?." file8
Оно будет искать и сопоставлять все слова, которые заканчиваются точкой.
Итак, вы получили общее представление о том, как работают регулярные выражения. Практикуйтесь как можно больше, создавайте регулярные выражения и старайтесь включать их в свою работу как можно чаще. Проверять правильность использования своих регулярных выражений на конкретном примере можно на специальном сайте.