На этом шаге мы рассмотрим метасимволы и примеры их использования.
В языке Perl к метасимволам относятся следующие символы:
"\", ".", "^", "$", "|", "[", "(", ")", "*", "+", "?", "{"
Регулярное выражение, подобно арифметическому выражению, строится с соблюдением определенных правил. В нем можно выделить операнды (элементы) и операции.
Простейшее регулярное выражение состоит из одного обычного символа. Обычный символ в регулярном выражении представляет самого себя. Соответственно, последовательность обычных символов представляет саму себя и не нуждается в дополнительной интерпретации. Для использования в операциях в качестве образца регулярное выражение заключается между двумя одинаковыми символами-ограничителями. Часто в качестве ограничителя используется символ "/" (косая черта). Например, образцу /Perl/ будут соответствовать все строки, содержащие слово Perl.
Если в регулярном выражении какой-либо метасимвол требуется использовать в буквальном, а не специальном значении, его нужно экранировать или маскировать при помощи другого метасимвола - "\". Например, образцу /\\\*/ соответствует фрагмент текста \*. Здесь первый метасимвол "\" экранирует второй метасимвол "\", а третий метасимвол "\" экранирует метасимвол "*".
Метасимвол "." представляет любой одиночный символ, кроме символа новой строки. Так, образцу /./ будет соответствовать любая непустая строка. Если в операциях сопоставления с образцом установлен флаг s, то метасимволу "." соответствует также и символ новой строки.
Метасимвол "[" используется в конструкции [...] для представления любого одиночного символа из числа заключенных в скобки, т. е. он представляет класс символов. Два символа, соединенные знаком минус, задают диапазон значений, например, [A-Za-z] задает все прописные и строчные буквы английского алфавита. Если первым символом в скобках является символ "^", вся конструкция обозначает любой символ, не перечисленный в скобках. Например, [^1-9] обозначает все нецифровые символы. Ниже мы рассмотрим и другие способы представления классов символов.
Метасимволы "^" и "$" используются для задания привязки к определенному месту строки. Метасимвол "^" в качестве первого символа регулярного выражения обозначает начало строки. Метасимвол "$" в качестве последнего символа регулярного выражения обозначает конец строки. Например, следующим образцам соответствуют:
/^$/ - пустая строка (начало и конец, между которыми пусто);
/^Pегl/ - слово Perl в начале строки;
/Perl$/ - слово Perl в конце строки.
Метасимвол "|" можно рассматривать как символ операции, задающей выбор из нескольких вариантов (подобно логической операции ИЛИ). Например, образцу /а|b|с/ соответствует фрагмент текста, содержащий любой из символов а, b, с. Если вариантами выбора являются одиночные символы, как в данном примере, то лучше использовать конструкцию, определяющую класс символов, в данном случае [abc]. Но в отличие от конструкции [...] операция "|" применима и тогда, когда вариантами выбора являются последовательности символов. Например, образцу /Word|Excel|Windows/ соответствует фрагмент текста, содержащий любое из слов Word, Excel, Windows.
Следующая группа метасимволов служит в качестве коэффициентов или множителей, определяющих количество возможных повторений отдельных атомарных элементов регулярного выражения.
- r* - нуль и более повторений r,
- r+ - одно и более повторений r,
- r? - нуль или одно повторение r,
- r{n} - ровно n повторений r,
- r{n,} - n и более повторений r,
- r{n,m} - минимум n, максимум m повторений r.
Атомарные элементы, или атомы - это простейшие элементы, из которых строится регулярное выражение. Это не обязательно одиночный символ.
Образец Соответствие
/.*/ любая строка;
/.+/ любая непустая строка;
/ [ 0-9] {3} / любая последовательность из трех цифр;
/\ [+/ последовательность, состоящая из любого числа символов [.
В первых двух примерах атомом является метасимвол ".". В третьем образце в качестве атома выступает конструкция [0-9], определяющая класс цифро вых символов. В четвертом образце атом - это пара символов "\[", включающая метасимвол "\", отменяющий специальное значение следующего за ним метасимвола "[". Полный список атомов мы приведем после изучения всех необходимых синтаксических конструкций.
Алгоритм, применяемый в операциях поиска и замены (см. ниже) для обработки регулярных выражений, содержащих множители, является "жадным": он пытается найти для образца, снабженного множителем, максимальный сопоставимый фрагмент текста. Рассмотрим, например, что происходит при поиске в строке
"Скроен колпак не по-колпаковски, надо колпак переколпаковать"
Алгоритм найдет максимальный фрагмент, удовлетворяющий выражению .* (вся строка без завершающего символа новой строки), затем начнет двигаться назад, отбрасывая в найденном фрагменте по одному символу, до тех пор, пока не будет достигнуто соответствие с образцом. Найденный фрагмент будет иметь вид "Скроен колпак не по-колпаковски, надо колпак переколпак".
Можно заставить алгоритм работать иначе, снабдив множитель "*" модификатором "?". В этом случае алгоритм из "жадного" превращается в "ленивый" и будет для образца, снабженного множителем, искать минимальный соответствующий фрагмент. "Ленивый" алгоритм для множителя "*?" начнет поиск в строке с пустого фрагмента "", добавляя к нему по одному символу из строки до тех пор, пока не достигнет соответствия с образцом. В этом случае найденный фрагмент будет иметь вид "Скроен колпак". Все сказанное справедливо и для других множителей. Например, в строке "1234567" будет найден:
- для образца /\d*/ - максимальный фрагмент "1234567";
- для образца /\d+/ - максимальный фрагмент "1234567";
- для образца /\d?/ - максимальный фрагмент "1";
- для образца /\d{2, 5}/ - максимальный фрагмент "12345";
- для образца /\d*?/ - минимальный фрагмент "";
- для образца /\d+?/ - минимальный фрагмент "1";
- для образца /\d??/ - минимальный фрагмент "";
- для образца /\d{2,5}?/ - минимальный фрагмент "12".
На следующем шаге мы рассмотрим метапоследовательности.
