Текстообработка с помощта на Регулярни изрази(RegEx)

[Websolut]

Сигурен съм,че във форума има хора,които много повече разбират от регулярни изрази,но въпреки това реших да направя едно скромно видео и се надявам и по-големите разбирачи да споделят нещо.
Всеки от нас се е сблъсквал примерно с обработка на голям текстов файл в който трябва да премахне елементи или части от текста,които не са му нужни.
Когато елементите са еднакви,няма проблеми Search and replace и готово ,но когато се касае за различни елементи,например URL-та които не са ни нужни,имейли и много други положението се усложнява.
Ако става и въпрос за голям по обем текстов файл,работата става досадна,дори непоносима в един момент.
Аз ще използвам за пример Open Office,който е малко скаран с регулярните изрази,но с малко импровизация става.
Не бъдете много критични,не съм програмист все пак:arrow:

[video=youtube_share;tRiTDrhdO5M]http://youtu.be/tRiTDrhdO5M?hd=1[/video]

 

[harkon]

От: Текстообработка с помощта на Регулярни изрази(RegEx)

Това съм го правил в базата, със sql.

 

[ma57er]

От: Текстообработка с помощта на Регулярни изрази(RegEx)

Добре си си направил труда да направиш клип за RegEx-а, но ще е хубаво да обясняваш и значението на символите вътре. За повечето са неразбираеми комбинации от букви, цифри, скоби и специални знаци.

 

[Websolut]

От: Текстообработка с помощта на Регулярни изрази(RegEx)

Щеше да стане много дълго,но по-нататък не пречи.

Ето един прост пример:

Регулярните изрази се заключват между такива скоби [ ],вътре в тях се пишете какво да се търси примерно a-z значи ,че търси всички букви от a до z , 0-9 търси числа от 0 до 9 и примерно звездичка * на края значи,че може да има 0 или повече съвпадения.
Тоест регулярния израз: [a-z0-9]* значи,че търсим букви от a-z,цифри от 0 до 9, които може да се повтарят 0 или повече пъти.
Тоест в текста Obicham Sladoled ot 5lv. ,този регулярен израз ще открие само малките букви цифрата и ще пропусне интервала и точката,ако му дадем Search and replace,заместване с нищо от текста ще остане следното:
O S .
Първото нещо,което трябва да направите е да научите всички основни регулярни изрази и после да експериментирате.
За да ги разберете по-добре,хубава работа върши програмата RegexBuddy,има и онлайн тулове.
Малко е объркващо в началото,но схванете ли принципа,разбирате,че не е кой знае колко сложно,а спестявате толкова нерви и време.

 

[Unwise]

От: Текстообработка с помощта на Регулярни изрази(RegEx)

Преди време бях писал някакво кратко ръководство за регълярни изрази. Сега ще се опитам сбито да обясня същото.

Цел на регулярните изрази:
Чрез регулярен израз се описва по-конкретно или по-общо текст в текста (под "текст" разбирайте "поредица от знаци").

Всеки знак означава себе си освен ако не е специален. Ето няколко специални знаци (понякога са по два):
- "." - кой да е знак (един)
- "\d" - цифра
- "\w" - буква (латински и други в зависимост от машината за регулярни) или цифра
- "\s" - някакъв white space (интервал, нов ред, таб,..)

Специални знаци указващи нещо към знакът (или поредица от знаци оградена със скоби) преди тях:
- "+" - Предният знак трябва да го има веднъж или повече пъти.
- "*" - Предният знак трябва да да го има нула (т.е. да го няма) или повече пъти.
- "?" - Предният знак трябва да го има нула (т.е. да го няма) или един път (т.е. да го има).
- "{A,B}" - Па мястото на буквите "A" и "B" се слагат цифри, които указват колко пъти трябва да се повтаря предният знак. Ако имаме "{3,5}", това означава, че предният знак трябва да го има от 3 до 5 пъти (т.е. и 4 пъти става). На мястото на което и да е от двете може да оставите празно. Ако първото е празно, това означава от 0 пъти (т.е. може и да го няма), а ако второто е празно, това означава до безкраен брой пъти.
- "?" приложено след "+" или "*" - най-краткото възможно (нали тези два знака указват "или повече пъти")

Ако искате да укажете буквално конкретен знак, който e специален (т.е. не смисъла му като специален, а самият той), тогава пред него слагате "\").

Изброяване на варианти за знак на една позиция:
"[abcdef]" - Това описва само един знак, който може да е който и да е от изброените, но не и друг.
"[a-q3-8]" - Същото, но в случая са зададени интервали
"[^a-f^3-5]" - Знакът "^" указва, отрицание за знака или интервалът след него, т.е. "не това".

Хващане на важните части:
Каквото ви интересува го ограждате с кръгли скоби. Всяко оградено става елемент с пореден номер броено отляво надясно започвайки от елемент номер 1 (не от номер 0). Ако имаме скоби в скоби, тогава по-преден е този с по-вляво разположена отваряща скоба.

За какво са ви тези хванати неща:
Ако ви трябват конкретни данни, точно хванатите неща са търсеното.
Може да ги ползвате и при замяна, но това е по-сложно нещо и няма да го обяснявам сега.

Има и още неща, но мисля, че на начинаещите им стига толкова. Отделно, че ме мързи да пиша повече.

 

[Websolut]

От: Текстообработка с помощта на Регулярни изрази(RegEx)

Браво Unwise,само,че според мен първо трябва да се научи дългия вариант на регулярните изрази и после съкратения,защото съкратения е малко объркващ в началото,а и много текстообработващи програми не бачкат със съкратения вариант.

 

[mlazarov]

Unwise, браво за труда! Дано помогне на повече хора да достигнат до знанието на регулярните изрази.

buymore, май само ти си знаеш какво каза в последния си пост? За какъв съкратен дълъг и съкратен формат говориш?

Цялата тази лудница дето я направи може да се напише с точно един регулярен израз, а не с два.

 

[Websolut]

От: Текстообработка с помощта на Регулярни изрази(RegEx)

Споменал съм,че не съм голям спец така,че е нормално,дълъг вариант имам в предвид a-z0-9 и така нататък ,а не \w,объркващо е в началото.

 

[Unwise]

От: Текстообработка с помощта на Регулярни изрази(RegEx)

Абе, то има и още, но ще стане дълго. Някои неща от PCRE не се поддържат от някои по-елементарни програми.
Тези регулярни са одъртяли и тепърва ще навлизат новите регулярни на Perl 6, но да почакаме и да видим.

Въпрос:
К'ви са тези дълги и кратки варианти? Регулярните са си просто регулярни.