Архив

Полезные регулярные выражения (regexp). Часть 1

Для многих это, как оказалось, очень сложная тема и темный лес ) Многие их боятся. Но стоит попробовать их использовать и через некоторое время Вы их полюбите.
И все же перед дальнейшей практикой настоятельно рекомендую прочитать теорию в справке Датакол: теория, часто используемые выражения.

Ну и теперь перейдем к полезностям и советам/рекомендациям по регуляркам:

У регулярных выражений есть метасимволы

. ^ $ * + ? { } [ ] \ | ( )

Если в Вашем выражении есть какието из этих символов, то его обязательно нужно “экранировать”, т.е ставить слеш “\” перед ним. Например есть выражение в скобках “(сегодня)” регулярка для него будет
\(сегодня\)

Также в регулярках есть заранее предопределенные наборы символов:

  • \d – любая цифра или можно так [0-9]
  • \D – наоборот, НЕ цифра или можно так [^0-9]
  • \s – любой символ whitespace или можно так [ \t\n\r\f\v]
  • \S – наоборот, НЕ whitespace символу или [^ \t\n\r\f\v]
  • \w – любая буква (латинская), цифра или _ аналогично [a-zA-Z0-9_]
  • \W – наоборот, эквивалент [^a-zA-Z0-9_]

Чтобы явно указать, сколько раз должен повторится символ, нужно указать в фигурных скобках количество {1}, также можно указать диапазон {1,5} или  {2,} т.е от 2-х до бесконечности.

Также важный момент, в регулярных выражениях есть группы совпадения. Взяв в скобки (без экранирования) выражение вы можете обратиться к нему по порядковому номеру.

Теперь перейдем к примеру. Скажем у Вас есть строка с датой 27.03.2017. Составим регулярку:

([\d]{2})\.([\d]{2}).([\d]{4})

Разберем ее:
[\d]{2} – указываем что нужно найти 2 цифры
[\d]{4} – указываем что нужно найти 4 цифры

Также каждое выражение мы взяли в скобки (группу). У нас вышло 3 группы. Теперь указав номер группы в настройках строки вырезания, вы можете без дополнительной чистки получить то значение, которое нужно
Использование группы в регулярных выражениях
В данном примере мы получим день, т.е число 27 из нашего примера. Если укажем 2 группу, то получим месяц, т.е 03 и соответственно 3-я группа это год – 2017.

Еще одна фишка, которой мало кто пользуется. Группы можно использовать в заменах! Оставим этот же пример с датой 27.03.2017. Например нам нужно переделать дату в формат месяц, день, год и сделать расделителем дефис “-” 03-27-2017. У нас есть наше выражение

([\d]{2})\.([\d]{2}).([\d]{4})

И мы в заменах делаем замену на $2-$1-$3 и получаем
Использование групп в заменах Датакол

Т.е в заменах группа обозначается символом “$”. Вы можете делать и другие преобразования, какие Вам нужно.

Одна из регулярок (regexp) которая поможет найти E-mail

[a-z0-9_\.-]+@[a-z0-9_-]+\.[a-zA-Z]{2,6}

Находим заголовок документа (title)

<title>([^<>]*?)</title>

При поиске в тегах/между тегами рекомендую использовать выражение [^<>]*? вместо .*? . Это при сложных запросах ускорит поиск и вы точно найдете то, что нужно. Т.к в этом случае идет поиск исключая “<” и “>”, т.е вы в любом случае не выйдите за рамки тега.

Находим метатег дескрипшен (description)

<meta name="description" content="([^<>]*?)">

Также рекомендую для кавычек использовать [‘”] т.е либо одинарная либо двойная. Т.к в коде может быть по разному и еще вы можете включить стандартные замены, а в них двойная кавычка заменяется одинарной. И что бы сразу избежать подобных трудностей, переделаем регулярку
<meta name=[‘”]description[‘”] content=[‘”]([^<>]*?)[‘”]>

Находим метатег кейвордс (keywords)

<meta name=['"]keywords['"] content=['"]([^<>]*?)['"]>

Продолжение статьи >>>

Нужна доработка или готовое решение?

Опишите задачу — отвечу в течение дня и назову сроки и стоимость.

Комментарии: 0

  1. [^]*? или может нужна точка перед звездочкой [^].*? бо вроде как без точки не работает

    1. Вы для начала почитайте теорию.
      .*? – любая строка (. – любой символ ; * – любое количество раз; ? – выбираем самое короткое совпадение из всех возможных)
      То что вы указали в скобках не понятно зачем.
      ^ – это метасимвол начала строки

Оставить комментарий