• Регулярните изрази в бита на програмиста
• Регулярните изрази в Ruby (1.9.3)
• Как да ги ползваме в Ruby код
• Преди това, две дребни задачки, за да не ви е скучно

Имаме следната задача:

Да се напише кратък Ruby expression, който проверява дали дадено число е просто или не, посредством употреба на регулярен израз. Резултатът от изпълнението му трябва да е true за прости числа и false за всички останали. Неща, които можете да ползвате:

• Самото число, разбира се.
• Произволни методи от класа Regexp
• Подходящ регулярен израз (шаблон)
• Текстовия низ '1'.
• String#*.
• Някакъв условен оператор (например if-else или ? … : …)
• true, false, ...

Материалът, необходим за решаването й, ще го има изцяло в днешната лекция.

Имаме следната задача:

Да валидирате изрази от следния тип за правилно отворени/затворени скоби:

• (car (car (car ...)))
• Например: (car (car (car (car list))))
• Целта е израз, чийто резултат да може да се ползва в условен оператор (true/false-еквивалент)
• Можете да ползвате произволни методи от класа Regexp
• И регулярен израз, разбира се

Примерно решение — на някоя от следващите сбирки.

• На възраст над 60 години (Клини)
• Practical Extraction and Report Language
• Perl и PCRE-библиотеката (Perl-Compatible Regular Expressions)
• Почти всеки general-purpose програмен език имплементира някаква форма на РИ
• Незаменими unix-програми като grep, sed, awk, vi, Emacs...
• Разглеждат се дори в курса по ДМ покрай граматики и автомати

• Търсене на по-сложна последователност от символи в низ
• Заместване на такива последователности с нещо друго
• Изобщо, модифициране на текстови последователности (например, Markdown към HTML)
• Проверка дали даден низ отговаря на определени условия (валидация)
• Проверка дали едно число е просто или не :)

• „шаблон“, още „регулярен израз“ (pattern)
• Специални символи (meta characters)
• Екраниране на специалните символи (escape-ване)
• Повторители и повторение (quantifiers and repetition)
• Класове от символи (character classes)
• Групи

• Всеки регулярен израз е обект, инстанция на класа Regexp
• Има литерален синтаксис за създаване на регулярни изрази: /pattern/
• Може да се ползва и синтаксисът с %r, например: %r{/path/maching/made/easy}
• Операциите с регулярни изрази са методи на Regexp, а някои са в String

• За да демонстрираме какво "хващат" определени шаблони, ще ползваме Regexp#match
• Този метод примеа аргумент текстов низ и връща nil, ако шаблонът не "хваща" нищо
• Връща инстанция на MatchData, ако шаблонът "хваща" нещо от низа
• MatchData в детайли — по-късно
• От тук нататък ще ползваме match-ва като синоним на "хваща" :)

• В сърцето на всеки регулярен израз стои шаблон (pattern)
• В шаблона, всеки символ (освен някои специални) означава себе си
• Следователно, шаблонът /dubstep/ ще отговаря на точно тази последователност от символи в низ
• Цялата магия е в специалните символи:
• (, ), [, ], {, }, ., ?, +, *, ^, $, \, ...
• Някои символи са специални само в определен контекст (например -)

/find me/.match 'Can you find me in this long sentence?'  # #<MatchData "find me">
/find me/.match 'I am not here and you will not find ME!' # nil

• Този шаблон не съдържа специални символи
• Както виждате, по подразбиране шаблоните са чувствителни към регистъра на буквите
• Може да се промени

• . съвпада с един произволен символ (с изключение на символите за нов ред)
• [ и ] се ползват за дефиниране на класове от символи
• *, ?, +, { и } се ползват за указване на повторения
• ^, $, \b, \B и т.н. са "котви" и съответстват на определени "междусимволни дупки" :)
• | има смисъл на или, например:

/day|nice/.match  'A nice dance-day.'  # #<MatchData "nice">
/da(y|n)ce/.match 'A nice dance-day.'  # #<MatchData "dance" 1:"n">

Внимавайте с приоритета на |

• \ пред специален символ го прави неспециален такъв (екранира го)
• За да вкарате наклонена черта, ползвате \\ (като в обикновен низ)

• Заградени между [ и ]
• Match-ват един символ от посочените вътре
• Могат да се декларират диапазони, например [a-z] или [0-9A-F]
• Ако първият символ в класа е ^, това означава "някой символ, който не е посочен в класа"
• Можете да екранирате тире в символен клас така: [a\-b]
• Друг вариант е да сложите тирето в началото или в края на класа: [-abc] или [abc-] - тук то няма специален смисъл
• Има предефинирани класове от символи

• \w - символ от дума ([a-zA-Z0-9_])
• \W - символ, който не може да участва в дума ([^a-zA-Z0-9_])
• \d - цифра ([0-9])
• \D - символ, който не е цифра ([^0-9])
• \h - шеснадесетична цифра ([0-9a-fA-F])
• \H - символ, който не е шеснадесетична цифра ([^0-9a-fA-F])
• \s - whitespace-символ (/[ \t\r\n\f]/)
• \S - символ, който не е whitespace (/[^ \t\r\n\f]/)

• [[:alpha:]] - символ от азбука
• [[:alnum:]] - горното или цифра
• [[:blank:]] - интервал или таб
• [[:cntrl:]] - контролен символ
• [[:digit:]] - цифра
• [[:lower:]] - малка буква
• [[:upper:]] - главна буква
• [[:print:]] - printable-символ
• [[:punct:]] - пунктуационен символ
• [[:space:]] - whitespace-символ (вкл. и нов ред)
• [[:xdigit:]] - шеснадеситична цифра
• И други...

• Ruby поддържа и следните не-POSIX символни класове:
• [[:word:]] - символ, който може да участва в дума (работи и за Unicode, за разлика от \w)
• [[:ascii:]] - ASCII-символ

• С конструкцията \p{} може да match-вате символи, имащи съответното свойство (подобно на POSIX)
• Например: \p{Alnum}, \p{Alpha}, \p{Blank}, \p{Cntrl}, \p{Digit}, \p{Graph}
• По този начин, например, може да проверите дали даден символ е от японската азбука катакана: \p{Katakana}
• Или пък да match-нете символ от азбука на кирилица: \p{Cyrillic}, например:

/\s\p{Cyrillic}\p{Cyrillic}\p{Cyrillic}/.match 'Ние сме на всеки километър!' # #<MatchData " сме"># ~> -:1: invalid character property name {Cyrillic}: /\s\p{Cyrillic}\p{Cyrillic}\p{Cyrillic}/
# ~> -:1: invalid multibyte char (US-ASCII)
# ~> -:1: invalid multibyte char (US-ASCII)

• Не съвпадат с реални символи, а вместо това с невидимите граници между тях
• ^ съвпада с началото на ред
• $ съвпада с края на ред
• \A съвпада с началото на текстов низ
• \z съвпада с края на низ
• \b отговаря на граница на дума (когато е извън [ и ]; вътре означава backspace)
• \B отговаря на място, което не е граница на дума

• Важат за непосредствено предхождащия ги символ/клас/група; нека го означим със s
• s* означава нула или повече повторения на s
• s+ търси едно или повече повторения на s
• s? съвпада с нула или едно повторение на s
• s{m,n} означава между m и n повторения на s
• В последното можем да пропуснем m или n:
• s{,n} има смисъл на нула до n повторения, а s{m,} — поне m повторения

• По подразбиране повторителите са "алчни", т.е. изяждат колкото се може повече от низа
• Това поведение може да се контролира с ? след повторителя
• Например .*? прави повторението не-алчно
• Внимавайте с лакомите повторители

/<.+>/.match("<a><b>")  # #<MatchData "<a><b>">
/<.+?>/.match("<a><b>") # #<MatchData "<a>">

Символите ( и ) се използват за логическо групиране на части от шаблона с цел:

• Контролиране областта на влияние на дадена операция
• Например, следното ще match-ва низове, съдържащи думите day или dance: /\bda(y|nce)\b/
• Възможност за референция към „ограденото“ в скобите — в и извън шаблона
• Задаване на по-специални (и не толкова често употребявани) конструкции

Текстът, който match-ва частта на шаблона, оградена в скоби, може да се достъпва:

• В самия шаблон, с нотацията \1 за първата група, \2 за втората и т.н.
• Отвън, през MatchData-обекта
• Отвън, през специални променливи от типа на $1, $2...
• Отвън, през локални променливи, когато групите си имат име
• Повече по темата — в някоя от следващите сбирки

• Идеи, предложения?
• '1' * числото =~ /някакъв регулярен израз/ ? false : true
• '1' * 13 =~ /^1?$|^(11+?)\1+$/ ? false : true
• Много полезно знание :) Въпроси по израза?
• Регулярният израз тук може да се ползва 1:1 в Python за същата цел

Остават още интересни неща за регулярните изрази, част от които ще разгледаме на една от следващите сбирки.

• http://fmi.ruby.bg/
• @rbfmi