เชี่ยวชาญนิพจน์ทั่วไป:คู่มือปฏิบัติพร้อมตัวอย่างในโลกแห่งความเป็นจริง

เช่นเดียวกับหลายๆ สิ่งในชีวิต การแสดงออกเป็นประจำเป็นหนึ่งในสิ่งที่คุณจะเข้าใจได้อย่างแท้จริงโดยการทำเท่านั้น ฉันขอแนะนำให้คุณลองใช้ regex ขณะที่คุณกำลังอ่านบทความนี้

สารบัญ

• พื้นฐาน Regex
  • ตรงทั้งหมด
  • ชุดอักขระ
    • จับคู่ช่วงใน regex
    • จับคู่อักขระที่ไม่อยู่ในชุด
  • คลาสตัวละคร
  • ปริมาณ
  • จับภาพกลุ่ม
    • วิธีใช้ตรรกะ OR ใน regex
    • วิธีอ้างอิงกลุ่มการจับ
    • วิธีตั้งชื่อกลุ่มการบันทึก
• วิธีใช้ regex ด้วยเครื่องมือบรรทัดคำสั่ง
  • การค้นหา regex แบบเรียกซ้ำด้วย grep
  • การทดแทนด้วย sed
• Regex ขั้นสูง:การค้นหา
  • มองไปด้านหลัง
  • การมองไปข้างหน้า
• ตัวอย่างการใช้งานจริงของ Regex
  • การแยกวิเคราะห์บันทึก
  • การเปลี่ยนชื่อไฟล์จำนวนมาก
  • การตรวจสอบอีเมล
  • ข้อจำกัดของรหัสผ่าน
• คำพูดสุดท้าย

พื้นฐาน Regex

นิพจน์ทั่วไปไม่ใช่อะไรนอกจากลำดับของอักขระที่ตรงกับรูปแบบ นอกจากการใช้อักขระตัวอักษร (เช่น 'abc') แล้ว ยังมีอักขระเมตาบางตัว (*,+,? และอื่นๆ) ซึ่งมีวัตถุประสงค์พิเศษ นอกจากนี้ยังมีฟีเจอร์ต่างๆ เช่น คลาสอักขระซึ่งสามารถช่วยให้คุณลดความซับซ้อนของนิพจน์ทั่วไปได้

ก่อนที่จะเขียน regex คุณจะต้องเรียนรู้เกี่ยวกับกรณีพื้นฐานและกรณีขอบทั้งหมดสำหรับรูปแบบที่คุณกำลังมองหา

ตัวอย่างเช่น หากคุณต้องการจับคู่ 'Hello World' คุณต้องการให้บรรทัดขึ้นต้นด้วย 'Hello' หรือขึ้นต้นด้วยอะไรก็ได้ คุณต้องการช่องว่างระหว่าง 'Hello' และ 'World' เพียงหนึ่งช่องหรืออาจมีมากกว่านั้นก็ได้ ตัวละครอื่นสามารถมาหลัง 'World' ได้หรือควรจบบรรทัดตรงนั้น? คุณสนใจเกี่ยวกับความละเอียดอ่อนของตัวพิมพ์เล็กและใหญ่หรือไม่? และอื่นๆ

คำถามเหล่านี้เป็นคำถามที่คุณต้องมีคำตอบก่อนจะนั่งเขียน regex

ตรงทั้งหมด

รูปแบบพื้นฐานที่สุดของ regex คือการจับคู่ลำดับอักขระในลักษณะเดียวกับที่คุณสามารถทำได้ด้วย Ctrl-F ในโปรแกรมแก้ไขข้อความ

ที่ด้านบน คุณจะเห็นจำนวนรายการที่ตรงกัน และที่ด้านล่างมีคำอธิบายว่า regex จับคู่อะไรกับอักขระทีละอักขระ

ชุดอักขระ

ชุดอักขระ Regex ช่วยให้คุณสามารถจับคู่อักขระตัวใดก็ได้จากกลุ่มอักขระ กลุ่มนี้ล้อมรอบด้วยวงเล็บเหลี่ยม []

ตัวอย่างเช่น 20 จับคู่ "ไท" และ "ธี" ที่นี่ 't' และ 'i' ได้รับการแก้ไขแล้ว แต่ระหว่างทั้งสองสามารถมี 'a' หรือ 'h' ได้

จับคู่ช่วงใน regex

บางครั้งคุณอาจต้องการจับคู่กลุ่มอักขระที่มีลักษณะตามลำดับ เช่น ตัวอักษรภาษาอังกฤษตัวพิมพ์ใหญ่ แต่การเขียนจดหมายทั้ง 26 ฉบับคงจะค่อนข้างน่าเบื่อ

Regex แก้ไขปัญหานี้ด้วยช่วง "-" ทำหน้าที่เป็นตัวดำเนินการช่วง ช่วงที่ถูกต้องบางช่วงแสดงอยู่ด้านล่าง:

คุณยังสามารถระบุช่วงบางส่วนได้ เช่น 33 เพื่อจับคู่ตัวอักษร 'bcde' หรือ 45 ใดก็ได้ เพื่อให้ตรงกับตัวเลข '3456' ใดๆ

คุณไม่ได้จำกัดเพียงการระบุช่วงเดียวภายในชุดอักขระ คุณสามารถใช้หลายช่วงและรวมเข้ากับอักขระเพิ่มเติมอื่นๆ ได้ ที่นี่ 52 จะจับคู่ค่าใดก็ได้ของ '3456uvw' หรืออัฒภาค ';'

จับคู่อักขระที่ไม่อยู่ในชุด

หากคุณนำหน้าชุดด้วย '^' การดำเนินการผกผันจะดำเนินการ ตัวอย่างเช่น 65 จะจับคู่อะไรก็ได้ยกเว้นตัวอักษรตัวพิมพ์ใหญ่และตัวเลข

คลาสตัวละคร

ขณะเขียน regex คุณจะต้องจับคู่กลุ่มบางกลุ่ม เช่น ตัวเลขค่อนข้างบ่อยและหลายครั้งในนิพจน์เดียวกันด้วย

ตัวอย่างเช่น คุณจะจับคู่รูปแบบเช่น 'letter-digit-letter-digit' อย่างไร

จากสิ่งที่คุณได้เรียนรู้มาจนถึงตอนนี้ คุณสามารถสร้าง 72 ได้ . วิธีนี้ใช้ได้ผล แต่คุณจะเห็นได้ว่านิพจน์จะยุ่งได้อย่างไรเมื่อความยาวของรูปแบบใหญ่ขึ้น

เพื่อให้นิพจน์ง่ายขึ้น คลาสจึงถูกกำหนดให้กับกลุ่มอักขระที่มีการกำหนดไว้อย่างดี เช่น ตัวเลข ตารางต่อไปนี้แสดงคลาสเหล่านี้และนิพจน์ที่เทียบเท่ากับชุดอักขระ:

คลาสตัวละครมีประโยชน์มากและทำให้สำนวนของคุณสะอาดขึ้นมาก เราจะใช้พวกมันอย่างกว้างขวางตลอดบทช่วยสอนนี้ ดังนั้นคุณสามารถใช้ตารางนี้เป็นจุดอ้างอิงและกลับมาที่นี่หากคุณลืมคลาสใดคลาสหนึ่ง

โดยส่วนใหญ่ เราจะไม่สนใจตำแหน่งทั้งหมดในรูปแบบ "." class ช่วยเราจากการเขียนอักขระที่เป็นไปได้ทั้งหมดในชุด

ตัวอย่างเช่น 83 จับคู่อะไรก็ได้ที่ขึ้นต้นด้วย t และอักขระสองตัวใดๆ ในภายหลัง นี่อาจทำให้คุณนึกถึง SQL 98 โอเปอเรเตอร์ซึ่งจะใช้ 106 เพื่อทำสิ่งเดียวกันให้สำเร็จ

ปริมาณ

คำว่า "รูปแบบ" และ "การทำซ้ำ" เป็นของคู่กัน หากคุณต้องการจับคู่ตัวเลข 3 หลัก คุณสามารถใช้ 115 . แต่ถ้าคุณต้องการจับคู่ตัวเลข 11 หลักล่ะ? คุณสามารถเขียน '\d' ได้ 11 ครั้ง แต่หลักทั่วไปในขณะที่เขียน regex หรือแค่เขียนโปรแกรมใดๆ ก็คือ หากคุณพบว่าตัวเองทำอะไรซ้ำๆ มากกว่าสองครั้ง คุณอาจไม่ทราบถึงคุณสมบัติบางอย่าง

ใน regex คุณสามารถใช้ตัวระบุเพื่อจุดประสงค์นี้ได้ หากต้องการจับคู่ตัวเลข 11 หลัก คุณสามารถเขียนนิพจน์ 124 ได้ .

ตารางด้านล่างแสดงรายการปริมาณที่คุณใช้ได้ใน regex:

ในตัวอย่างนี้ นิพจน์ 138 ตรงกับ 147 ตามด้วยช่องว่าง 1 ช่องขึ้นไป ตามด้วย 152 . แต่คุณจะเห็นได้ว่า 'canwrite' ไม่ตรงกับ 166 หมายความว่าต้องมีการจับคู่ช่องว่างอย่างน้อยหนึ่งช่อง สิ่งนี้มีประโยชน์เมื่อคุณค้นหาผ่านข้อความที่ไม่ได้ถูกตัดออก

คุณเดาได้ไหมว่า 171 จะตรงกันไหม?

จับภาพกลุ่ม

กลุ่มการจับภาพคือนิพจน์ย่อยที่อยู่ในวงเล็บ () คุณสามารถมีกลุ่มการจับจำนวนเท่าใดก็ได้ และแม้แต่กลุ่มการจับที่ซ้อนกัน

นิพจน์ 182 ตรงกับ 'The' สองครั้ง แต่ไม่มีแคปเจอร์กรุ๊ป นิพจน์ 191 จะจับคู่ 'The' ตามด้วยช่องว่าง 2 ช่อง เนื่องจากตัวปริมาณจะถูกนำไปใช้กับอักขระช่องว่าง และจะไม่ใช้กับ 'The ' เป็นกลุ่ม

คุณสามารถจับคู่รูปแบบภายในกลุ่มการจับได้เช่นเดียวกับที่คุณทำกับ regex ที่ถูกต้อง ที่นี่ 203 จับคู่หากพบว่า 'is' ตามด้วยช่องว่าง 1 ช่องขึ้นไปสองครั้ง

วิธีใช้ตรรกะ OR ใน regex

คุณสามารถใช้ "|" เพื่อให้เข้ากับหลายรูปแบบ 214 จับคู่ 'นี่คือ ' ตามด้วย 'ดี' หรือ 'ไม่ดี' หรือ 'หวาน' ใดๆ

winget install -e --id GnuWin32.Grep

grep --color -R "coderush{.*}"

sed 's/pattern/replacement/g' filename
echo "${text}" | sed 's/pattern/replacement/g'

Hello rand chars World 56 rand chars
Henlo 52 rand chars W0rld rand chars
GREP rand chars Henlo 62 rand chars
Henlo 10 rand chars Henlo rand chars
GREP rand chars Henlo 45 rand chars

grep "GREP" texts.txt | sed -En 's/Henlo ([0-9]+)/Hello \1/p'

sed -En '/GREP/ s/Henlo ([0-9]+)/Hello \1/p' texts.txt

[1/10000] Train loss: 11.30368, Valid loss: 8.95446, Elapsed_time: 7.58941
[500/10000] Train loss: 0.96180, Valid loss: 0.20098, Elapsed_time: 82.48651
[1000/10000] Train loss: 0.04051, Valid loss: 0.11927, Elapsed_time: 156.86243

import re
f = open("log_train.txt", "r").read()
train_loss = re.findall(r'Train loss: (\d+\.\d+)', f)
valid_loss = re.findall(r'Valid loss: (\d+\.\d+)', f)
train_loss = [float(i) for i in train_loss]
valid_loss = [float(i) for i in valid_loss]
print("train_loss =", train_loss)
print("")
print("valid_loss =", valid_loss)

sed -En '/Train/ s/.*Train loss: ([0-9]+\.[0-9]+).*/\1/p' log_train.txt | tee train_losses.txt

for i in *.mp4; do
 newname=$(echo $i | sed -En 's/.*Episode_([0-9]+)\.mp4/\1.mp4/p')
 mv $i $newname
done;ls