Создание электронных книг в формате FictionBook 2.1: практическое руководство (pre-release)
Шрифт:
Метасимволы — это специальные символы, являющиеся важнейшим понятием в регулярных выражениях. Существует несколько групп метасимволов.
• Разделители строк (начало строки, конец строки и т.п.)
• Стандартные перечни символов (цифры, буквы и цифры и т.п.)
• Границы слов (показывают, что вхождение должно быть на границе слова)
• Повторения (указывает, сколько раз должна присутствовать последовательность)
• Варианты (позволяет указать набор масок, с любой из которых должен совпадать текст)
• Подвыражения (используются при замене)
•
Разделители и границы
^ — начало строки
$ — конец строки
\A — начало текста
\Z — конец текста
\b — Совпадает на границе слова
\B — Совпадает НЕ на границе слова
Оговорка. В FB Editor (и, скорее всего, в большинстве других программ) метасимволы \b и \B не реагируют на кириллицу.
Примеры:
^Все — Находит все строки в тексте, начинающиеся словом «Все»
\bмир — Находит все слова, начинающиеся буквосочетанием «мир». Слова будут найдены и в начале строк, и в середине.
^\x20$ — Находит все строки в тексте, состоящие из единственного пробела.
Метасимволы — стандартные перечни символов
. (точка) — Любой символ
\w — буквенно-цифровой символ или "_"
\W — не \w
\d — цифровой символ
\D — не \d
\s — любой «пробельный» символ: [\x20\t\n\r\f]
\S — не \s
Оговорка. В FB Editor (и, скорее всего, в большинстве других программ) метасимволы \w и \W не реагируют на кириллицу.
Метасимвол «.» по умолчанию совпадает с любым символом, однако, если выключить модификатор s ((?-s), синтаксис см. ниже), то «.» не будет совпадать с разделителями строк.
Стандартные перечни \w, \d и \s можно использовать и внутри перечней символов.
Примеры:
—foob[\w\s]r — —находит «foobar», «foob r», «foobbr» но не «foob1r», «foob=r»
—\+\d (\d\d\d) \d\d\d-\d\d-\d\d — —Находит телефон в формате «+7 (095) 555-55-55»
Метасимволы — повторения
После любого элемента регулярного выражения может следовать очень важный тип метасимвола — повторитель. Используя их Вы можете определить число допустимых повторений предшествующего символа, метасимвола или подвыражения.
Указание числа вхождений
* — ноль или более раз (может быть «жадным»), то же что {0,}
+ — один или более раз (может быть «жадным»), то же что {1,}
? — ноль или один раз (может быть «жадным»), то же что {0,1}
{n} — точно n раз (может быть «жадным»)
{n,} — не менее n раз (может быть «жадным»)
{n,m} — не менее n но не более m раз (может быть «жадным»)
*? — ноль или более раз («не жадный»), то же что {0,}?
+? — один или более раз («не жадный»), то же что {1,}?
?? — ноль или один раз («не жадный»), то же что {0,1}?
{n}? — точно n раз («не жадный»)
{n,}? — не менее n раз («не жадный»)
{n,m}? — не менее n
Т.о. {n,m} задает минимум n повторов и максимум — m. Повторитель {n} эквивалентен {n,n} и задает точно n повторов. Повторитель {n,} задает минимум n повторов. Теоретически величина параметров n и m не ограничена, но рекомендуется не задавать большие значения, поскольку в некоторых ситуациях это может потребовать существенных затрат времени и ОЗУ при обработке такого повторителя.
Небольшое пояснение по поводу «жадности». «Жадные» варианты повторителей пытаются захватить как можно большую часть входного текста, в то время как «не жадные» — как можно меньшую. Например, b+ как и b* примененные к входной строке «abbbbc» найдут «bbbb», в то время как b+? найдет только «b», а b*? — вообще — пустую строку; b{2,3}? найдет «bb», в то время как b{2,3} найдет «bbb».
По умолчанию, в FB Editor повторители могущие быть жадными, являются таковыми.
Примеры:
foob.*r — находит «foobar», «foobalkjdflkj9r» и «foobr»
foob.+r — находит «foobar», «foobalkjdflkj9r» но не «foobr»
foob.?r — находит «foobar», «foobbr» и «foobr» но не «foobalkj9r»
fooba{2}r — находит «foobaar»
fooba{2,}r — находит «foobaar», «foobaaar», «foobaaaar» и т.д.
fooba{2,3}r — находит «foobaar», или «foobaaar» но не «foobaaaar»
((\+\d )?\(\d{3}\) )?(\d{3}(-\d\d){2}) — Находит номера телефонов в форматах «+7 (095) 555-55-55», «(095) 555-55-55», «555-55-55». Это сложный пример, и в нем используется группировка скобками. Подробнее о применении скобок см. ниже.
(?g)([^-].{5,59}(\r\n)){4,} — Этот пример найдет нам стихи — цепочки (из 4-х и более) следующих друг за другом коротких (от шести до шестидесяти символов) параграфов. Такой вид (много коротких параграфов) характерен, например, для стихов. Первый знак не должен быть длинным тире, так как серии коротких параграфов характерны и для диалогов, а нам диалоги не нужны. Обратите внимание, что пришлось использовать модификатор жадности, так как в «не жадном» режиме мы бы нашли только четыре первых строфы.
Метасимволы — варианты
Вы можете определить перечень вариантов, используя метасимвол «|» для их разделения, например, fee|fie|foe найдет «fee» или «fie» или «foe», (так же как f(e|i|o)e). В качестве первого варианта воспринимается все от предыдущего метасимвола ( или [ или от начала выражения до первого метасимвола «|», в качестве последнего — все от последнего «|» до конца выражения или до ближайшего метасимвола). Обычно, чтобы не запутаться, набор вариантов всегда заключают в скобки, даже если без этого можно было бы обойтись.
Варианты пробуются начиная с первого и попытки завершаются сразу же как удастся подобрать такой, при котором совпадет вся последующая часть выражения. Это означает, что варианты не обязательно обеспечат «жадное» поведение. Например, если применить выражение foo|foot ко входной строке «barefoot», то будет найдено «foo» так это первый вариант, который позволил совпасть всему выражению.
Обратите внимание, что метасимвол | воспринимается как обычный символ внутри перечней символов, например, [fee|fie|foe] означает ровно то же самое что и [feio|].