Kumpletong gabay sa mga panuntunan ng Regex: kung ano ang mga ito, kung paano gumagana ang mga ito, at mga praktikal na halimbawa

Ang mga regular na expression, na karaniwang kilala bilang Regex, ay kumakatawan sa isa sa pinakamakapangyarihan at maraming nalalaman na mapagkukunan sa mundo ng pag-unlad, pangangasiwa ng system, at pagproseso ng malalaking volume ng teksto. Gayunpaman, para sa maraming mga user at programmer na lumalapit dito sa unang pagkakataon, ang syntax nito ay maaaring maging misteryoso o napakalaki pa nga. Ang pag-master ng mga panuntunan at pattern ng Regex ay nagbibigay-daan para sa paghahanap, pag-filter, pagpapatunay, at pagbabago ng teksto na may walang katulad na kahusayan at kakayahang umangkop.

Naisip mo na ba kung paano ka makakahanap ng mga kumplikadong pattern sa loob ng mga dokumento, magpapatunay ng mga form, mag-transform ng data, o mag-automate ng mga proseso ng paghahanap sa iyong mga proyekto sa IT? Ikaw man ay isang developer, isang sysadmin, o isang mausisa lang na user, ang artikulong ito ay para sa iyo. Maghanda para sa isang kumpleto, praktikal, at, higit sa lahat, malinaw na gabay sa mga panuntunan ng Regex at ang kanilang aplikasyon sa lahat ng uri ng konteksto.

Ano ang mga panuntunan ng Regex o regular na expression?

Mga regular na expression (Regex, para sa pagdadaglat nito sa Ingles ng Regular Expression) ay mga pagkakasunud-sunod o pattern ng mga character na may kakayahang tumukoy ng mga panuntunan para sa paghahanap, pagpapatunay o pagmamanipula ng mga teksto sa loob ng ibang mga teksto. Isipin na naghahanap ka ng mga partikular na parirala, mga partikular na format (gaya ng mga email, petsa, numero ng telepono), mga pangalan na nakakatugon sa ilang partikular na pamantayan, o gusto mong palitan ang mga bahagi ng teksto nang maramihan: sa lahat ng mga kasong ito, Ang Regex ay ang perpektong tool.

Ang pangunahing ideya ay Ilarawan, na may isang serye ng mga simbolo, titik at espesyal na operator, ang pattern na dapat matugunan ng text na gusto nating hanapin, patunayan o baguhin.Halimbawa, kung gusto mong hanapin ang lahat ng numero sa isang parirala, maaari mong tukuyin ang isang simpleng pattern na nagsasabing "anumang numerong character" (tulad ng \d). Kung gusto mo ng mas advanced, maaari kang bumuo ng mga panuntunan na kasing kumplikado ng: "lahat ng mga string na nagsisimula sa 'Kopyahin' at nagtatapos sa isang numero."

Kasaysayan at ebolusyon ng Regex

Ang mga regular na expression ay ipinanganak noong kalagitnaan ng ika-20 siglo, sa larangan ng pormal na lohika at teorya ng automata. Ang unang praktikal na paggamit nito ay sa mga sistemang nakabatay sa UNIX, na may mga kagamitan tulad ng ed, grep, uhaw y ang awkward. Sa dakong huli, ang pamantayan POSIX pinalawak ang syntax nito at isinama ito sa maraming kapaligiran. Mamaya, ang wika Perl dinala ang Regex sa bagong antas, nagdagdag ng mga bagong feature at nagpapasikat sa mga ito sa komunidad ng developer.

Sa kasalukuyan, Ang Regex ay binuo sa karamihan ng mga programming language (JavaScript, Python, Java, C#, PHP, Ruby, atbp.), pati na rin ang mga advanced na text editor, operating system, web framework, at maramihang command-line utility. Ginagawa nitong ang mga panuntunan ng Regex ay isang tunay na unibersal na wika para sa pagproseso ng teksto sa anumang konteksto ng pag-compute.

Para saan ang mga panuntunan ng Regex?

ang Mga panuntunan ng regex Ang mga ito ay hindi lamang ginagamit para sa paghahanap, sila rin ay nagpapatunay, nag-extract, nag-transform at nagbibigay-daan sa iyo upang i-filter o baguhin ang malalaking volume ng data sa loob ng ilang segundo.

Paghahanap ng mga pattern sa malalaking teksto: Maghanap ng mga email, URL, pangalan, numero, petsa, at higit pa—kahit sa malalaking file o database—nang walang manu-manong pagsisikap.
I-validate ang input ng user: Tinitingnan kung ang isang password ay nakakatugon sa mga kinakailangan, isang numero ng telepono, o isang email address ay tama bago ito iimbak.
Baguhin at palitan ang text: Palitan ang mga partikular na bahagi ng isang text, mula sa pag-alis ng mga HTML tag hanggang sa pag-normalize ng mga format ng data.
I-automate ang mga proseso: I-filter ang mga log, ibahin ang anyo ng mga listahan, pag-aralan ang mga log file, o palitan ang pangalan ng mga file nang maramihan ayon sa napakatumpak na mga panuntunan.

Mga Pangunahing Kaalaman sa Regex: Mga Pangunahing Konsepto

Ang mga panuntunan ng regex ay binubuo ng kumbinasyon ng mga literal na character at metacharacter. Ang pag-unawa sa mga elementong ito ay ang pundasyon para sa pagbuo ng mga kapaki-pakinabang na pattern.

1. Mga literal na karakter

Ang literal na karakter ay eksaktong kumakatawan sa karakter na gusto mong hanapin. Halimbawa, ang expression Casa ay eksaktong mahahanap ang pagkakasunod-sunod na iyon, sa ganoong pagkakasunud-sunod, sa loob ng target na teksto.

2. Metacharacters: ang kapangyarihan ng Regex

Ang mga metacharacter ay mga espesyal na simbolo na nagpapalawak ng kahulugan ng mga regular na expression, na nagbibigay sa kanila ng versatility at kapangyarihan. Ang pinakakaraniwan ay kinabibilangan ng:

. Ang tuldok ay kumakatawan sa anumang karakter maliban sa line break.
[] Tinutukoy ng mga bracket ang mga klase o hanay ng mga pinapayagang character.
^ Maaaring markahan ng circumfix ang alinman sa simula ng isang linya/salita, o, kung ito ay nakapaloob sa mga bracket, ang negation ng isang set.
$ Ang simbolo ng dolyar ay nagpapahiwatig ng dulo ng isang linya o teksto.
* Binibigyang-daan ka ng asterisk na maghanap ng "zero o higit pang mga pag-uulit" ng nakaraang elemento.
+ Ang plus sign ay naghahanap ng "isa o higit pang mga pag-uulit."
? Isinasaad na ang nakaraang elemento ay opsyonal (zero o isang beses).
() Ang mga panaklong ay nagpapangkat ng mga bahagi ng isang expression upang maglapat ng mga quantifier, mag-extract ng mga subgroup, o tumukoy ng mga alternatibo.
| Ang patayong bar ay kumakatawan sa isang lohikal na alternatibong "o".
\ Tinatakas ng backslash ang espesyal na kahulugan ng sumusunod na karakter o ipinakilala ang mga pinaikling sequence (tulad ng \d, \w, \s).

3. Quantifiers: pagkontrol sa pag-uulit

Binibigyang-daan ka ng mga quantifier na tukuyin kung ilang beses dapat ulitin ang isang character, klase o grupo:

*: Zero o higit pang mga pag-uulit.
+: Isa o higit pang beses.
?: Minsan o hindi man (opsyonal).
{n}: Sakto n mga pag-uulit.
{n,}: Kahit na n beses (walang maximum).
{n,m}: Sa pagitan n y m mga pag-uulit.

4. Mga klase ng karakter at pagdadaglat

Binibigyang-daan kami ng mga klase ng character na mas paliitin kung ano ang gusto naming hanapin:

[az]: anumang maliit na titik.
[AZ]: malaking titik.
[0-9]: anumang digit.
[abc]: ang titik a, b o c.
[^xyz]: anumang karakter maliban sa x, at z.
\d: decimal digit (katumbas ng [0-9]).
\D: anumang karakter na hindi maging isang digit.
\w: character ng salita (titik, numero, o underscore; katumbas ng [a-zA-Z0-9_]).
\W: anumang hindi salita na karakter.
\s: puting espasyo (space, tab, line break).
\S: anumang karakter maliban sa isang espasyo.

5. Anchors: paglalagay ng pattern sa loob ng text

Binibigyang-daan ka ng mga anchor na maglagay ng mga pattern sa simula o dulo ng isang linya, o sa simula/tapos ng mga salita.

^: simula ng linya o text.
$: dulo ng linya o teksto.
\b: hangganan ng salita (simula o wakas).
\B: non-word boundary point (interior).

Mga praktikal na halimbawa ng mga panuntunan ng Regex

Tingnan natin ngayon kung paano nalalapat ang mga panuntunang ito sa mga sitwasyon sa totoong buhay, parehong simple at advanced, para mabilis mong maisagawa ang iyong natutunan.

I-validate ang mga email: ^\w+([\.-]?\w+)*@\w+([\.-]?\w+)*(\.\w{2,6})+$
Hanapin ang mga numero ng DNI: \b\d{8}[- ]?[trwagmyfpdxbnjzsqvhlcke]?\b
I-detect ang mga IP v4 address: ^(?:(?:25[0-5]|2[0-4]\d|1?\d?\d)(?:\.(?!$)|$)){4}$
I-extract ang mga URL mula sa mga HTML tag:
I-detect ang mga nagkomento na linya sa Java: //[^\r\n]*[\r\n]

Advanced na lohika at pag-customize ng pattern

Binibigyang-daan ka ng Regex na bumuo ng mga kumplikadong pattern sa pamamagitan ng pagsasama-sama ng mga pangkat, alternasyon, sanggunian, at mga advanced na quantifier, na nagbibigay-daan sa iyong i-filter, patunayan, o hanapin ang napaka-tiyak na impormasyon.

Mga grupo at asosasyon

Sa pamamagitan ng paglalagay ng bahagi ng pattern sa mga panaklong, lumikha kami ng isang pangkat. Nagbibigay-daan ito sa amin na maglapat ng mga quantifier sa buong grupo, kumuha ng impormasyon, o mag-refer ng mga subpattern.

Halimbawa, ang expression ((ma)+b) ay tutugma sa “mab” o “mamab”, ngunit hindi sa “maab”. Ang mga pangkat ay maaaring i-reference sa ibang pagkakataon gamit \1, \2, atbp., perpekto para sa paghahanap ng mga katulad na paulit-ulit na pattern.

Mga Alternatibo (|): lohikal na "o" sa Regex

Ang patayong bar | nagbibigay-daan sa iyo na tukuyin ang mga alternatibo: alinman sa mga pattern na pinaghihiwalay ng simbolo na ito ay magiging wasto. Halimbawa, (lalaki|babae) ay tutugma sa parehong salita.

Makatakas sa mga metacharacter na may \

Ang backslash \ Napakahalaga na i-neutralize ang espesyal na kahulugan ng isang metacharacter o ipakilala ang mga pinaikling sequence. Halimbawa, "\." naghahanap ng literal na tuldok, “\?” para sa tandang pananong, "\\" para sa mismong backslash, atbp.

Mga sakim at tamad na quantifier

Bilang default, matakaw ang mga quantifier ng Regex: kumukuha sila ng maraming text hangga't maaari. Pagdaragdag ? Ito ay binago sa "tamad", na kumukuha ng minimum na kinakailangan.

Por ejemplo: aso ay mahahanap ang pinakamahabang string sa pagitan ng "perr" at "o", habang aso kukunin ang pinakamababa.

Mga paninindigan at pagtingin sa paligid

Binibigyang-daan ka ng lookahead at lookbehind assertions na patunayan ang mga kundisyon "bago" o "pagkatapos" ng isang tugma nang hindi gumagamit ng mga character mula sa text.

Positibong tingin sa unahan: (?=pattern) Suriin na ang "pattern" ay matatagpuan pagkatapos ng kasalukuyang posisyon.
Negatibong pagtingin: (?! pattern) Suriin na ang "pattern" ay WALA sa ibaba.
Positibo/Negatibong tingin sa likod: (?<= pattern) y (? Ginagawa nila ang parehong bagay "pabalik."

Mga praktikal na aplikasyon ng Regex sa totoong mundo

Ginagamit ang Regex sa iba't ibang larangan at pang-araw-araw na gawain:

Pagpapatunay ng form: mga email, numero ng telepono, pangalan, malakas na password.
Pagproseso ng log at pag-audit ng system: Paghahanap ng mga pattern sa mga log file, pagkuha ng mga error at babala.
SEO at pamamahala ng URL: Ang muling pagsusulat ng URL sa .htaccess, mga filter ng parameter, pagse-segment ng paghahanap.
Maramihang pag-edit ng teksto: Linisin ang mga HTML tag, alisin ang mga kalabisan na espasyo, gawing normal ang data sa mga spreadsheet, iakma ang legacy na code.
Web development at automation: awtomatikong pagsubok, pagsasaayos ng panuntunan ng server, pagbuo ng scraper.

Iba't ibang lasa at makina ng Regex

Hindi lahat ng pagpapatupad ng Regex ay sumusuporta sa parehong mga kakayahan; may iba't ibang "lasa" depende sa wika, tool, o makina na ginamit.

POSIX: Primordial syntax batay sa UNIX. Hindi gaanong malawak kaysa Perl o PCRE.
Perl/PCRE: Napakakumpleto, sinusuportahan nila ang mga lookaround, advanced na sanggunian, modifier at subroutine.
JavaScript: Malawakang ginagamit sa web, tugma sa karamihan ng mga operator, ngunit may mga limitasyon sa hitsura (maliban sa mga modernong bersyon).
.NET at iba pang mga wika: Karaniwang tugma ang mga ito sa PCRE, ngunit palaging ipinapayong kumonsulta sa sariling dokumentasyon ng wika.

Samakatuwid, sa tuwing magtatrabaho ka sa isang partikular na konteksto, tingnan kung anong suporta at syntax ang tinatanggap ng Regex sa tool o wikang iyon.

Paano subukan at bumuo ng iyong sariling mga pattern ng Regex

Ang pinakamahusay na paraan upang matutunan ang Regex ay ang pagsasanay sa mga halimbawa at paggamit ng mga live na tool sa pagsubok na available sa web.

regex101.com: nagbibigay-daan sa iyo na magsulat ng mga pattern, suriin ang mga resulta, tingnan ang mga paliwanag at istatistika ng pagganap.
regexr.com: : mahusay na step-by-step na mga opsyon sa tulong, visual na graphics, at mga interactive na halimbawa.
Mga visual na nagpapaliwanag at mga tagalikha ng code: perpekto para sa pag-unawa sa mga kumplikadong pattern at pagbuo ng mga expression mula sa simula.
Mga online na laro at kasanayan: Matuto sa pamamagitan ng paglalaro at lutasin ang mga tunay na hamon para ma-internalize kung paano gumagana ang Regex.

Mga karaniwang pagkakamali at praktikal na tip para makabisado ang Regex

Makapangyarihan ang Regex, ngunit maaari rin itong nakalilito. Tutulungan ka ng mga tip na ito na maiwasan ang mga karaniwang pitfalls:

Makatakas sa mga metacharacter kapag hinanap mo ang literal na halaga nito. Halimbawa, gamitin \. para sa punto, \* para sa asterisk, \? para sa interogasyon.
Huwag masyadong gamitin ang tuldok (.) at ang wildcard .*. Ang mga ito ay lubhang kapaki-pakinabang, ngunit maaari silang magbalik ng mga hindi gustong resulta kung hindi mo matukoy nang mabuti ang iyong pattern.
Magdagdag ng mga anchor (^, $) kapag gusto mong limitahan ang pattern sa simula o dulo ng isang linya at iwasan ang mga bahagyang tugma.
Gumamit ng mga partikular na quantifier kapag naghahanap ng eksaktong pag-uulit, sa halip na umasa lamang sa * o +.
Laging subukan na may positibo at negatibong mga halimbawa. Sa ganitong paraan matutukoy mo kung ang pattern ay sumasaklaw sa lahat ng kinakailangang kaso nang hindi gumagawa ng mga maling positibo.
Hatiin at lupigin: Kung mayroon kang isang napaka-komplikadong pattern, buuin ito sa mga bahagi at pagsamahin ang mga fragment sa dulo.
Huwag mag-atubiling tingnan ang mga cheat sheet, dokumentasyon at mga forum. para makakita ng mga halimbawa at pang-araw-araw na trick.

Pagsasama ng Regex sa mga programming language at tool

Ang Regex ay isinama sa mga pinakakaraniwang function ng lahat ng pangunahing wika. Ilang halimbawa:

JavaScript: Pamamaraan pagsusulit(), exec() ng RegExp object, at mga pamamaraan tugma(), paghahanap(), palitan (), hatiin () ng String.
Sawa: Ang modyul re nagbibigay ng mga function tulad ng paghahanap(), tugma(), Hanapin lahat(), sub(), Atbp
PHP: Funciones preg_match(), preg_replace(), preg_split() at iba pa
.NET: Clase regex na may mga advanced na pamamaraan at suporta sa PCRE.

Sa mga editor tulad ng VSCode, Sublime, Atom o Notepad++, maaari mo ring gamitin ang Regex upang maghanap at palitan. At sa mga sistema ng UNIX, tulad ng mga utility grep, uhaw y ang awkward isama ang kanilang sariling Regex engine.

Regex sa SEO at pamamahala ng URL

Ang Regex ay isang mahalagang bahagi para sa pag-optimize ng URL, pagruruta sa web, at pamamahala ng dynamic na parameter sa mga platform tulad ng WordPress, Joomla, at e-commerce.

.htaccess at mod_rewrite: Nagbibigay-daan sa iyo ang mga ito na baguhin ang mga pangit, puno ng parameter na mga URL upang maging mga friendly na address na may mga panuntunan sa Regex. Sa ganitong paraan, www.ejemplo.com/index.php?p=123 maaaring ibahin sa anyo www.ejemplo.com/articulo/titulo-amigable, na nagpapabuti sa parehong SEO at karanasan ng user.
Pag-filter ng parameter: I-extract, linisin, o ibahin ang mga parameter sa URL upang iangkop ang mga resulta sa iba't ibang konteksto ng paghahanap.

Gamit ang mga panuntunan ng Regex, maaaring gumawa ang mga webmaster ng mga pattern sa muling pagsulat na tumutukoy at nagbabago sa mga bahagi ng URL upang mapabuti ang istraktura, pag-optimize, at pag-unawa ng mga search engine at user.

Mga Advanced na Regular na Ekspresyon: Mga Teknik at Mapagkukunan

Hindi lamang pinapayagan ng Regex ang mga direktang paghahanap; sinusuportahan nito ang conditional grouping, subroutine, recursion, backreference, at marami pang iba. Ginagawa nitong mahalagang kasangkapan para sa mga kumplikadong gawain.

Mga subroutine at backreference: Nagbibigay-daan sa iyo ang mga ito na makahanap ng paulit-ulit na mga pattern, simetriko, pagkakasunud-sunod at napaka-tiyak na pagpapatunay.
Mga Kundisyon: Magpatakbo ng iba't ibang mga paghahanap o pagpapatunay batay sa kung ano ang nakuha sa mga nakaraang pangkat.
Recursion: Binibigyang-daan ka ng ilang advanced na engine na tumukoy ng mga pattern na naaangkop sa kanilang mga sarili, na lubhang kapaki-pakinabang kapag nagpoproseso ng structured data gaya ng XML o JSON.
Mga pandaigdigang modifier: (/g, /i, /m sa Perl/JavaScript) ay nagbibigay-daan sa mga pandaigdigang paghahanap, case-insensitive, o maraming linya.

Mahahalagang mapagkukunan para sa pag-aaral ng Regex

Kung gusto mong palawakin ang iyong kaalaman, magiging kapaki-pakinabang ang mga mapagkukunang ito:

Wikipedia: Detalyadong teoretikal at teknikal na paliwanag.
Regular-Expressions.info: Sanggunian at mga tutorial para sa lahat ng antas.
Mga cheat sheet: Mabilis na buod ng lahat ng pinakakaraniwang operator, grupo, at panuntunan.
Mga interactive na tutorial: Direktang pagsasanay sa mga pagsasanay at agarang feedback.
Mga komunidad at forum: Matuto mula sa ibang mga user, magtanong, at ibahagi ang iyong mga personal na tip.

Nag-aalok ang Learning Regex ng isang mahusay na kalamangan sa pamamahala at pagproseso ng teksto, na nagbibigay-daan para sa mas mahusay na mga paghahanap, pagpapatunay, pagbabago, at automation. Sa pagkakapare-pareho at pagsasanay, ang pagsusulat ng mga pattern ng regex ay nagiging mas madali at mas natural. Samantalahin ang mga online na tool at praktikal na pagsasanay, magsimula sa mga simpleng halimbawa, at umunlad sa mas kumplikadong mga pattern. Kapag napag-aralan mo na ang mga prinsipyo nito, magiging natural na karagdagan ang Regex sa iyong arsenal ng pag-unlad at pangangasiwa ng mga system, na nagpapadali sa mga gawain na maaaring tila kumplikado o nakakapagod dati.

VidaBytes