Интернет-журнал "Домашняя лаборатория", 2007 №9 - Журнал «Домашняя лаборатория»

так и в других ситуациях. Обычные константы в таких случаях будут выдавать синтаксическую ошибку, а @-константы не выдают ошибок и корректно интерпретируют запись регулярного выражения.

Синтаксис регулярного выражения простой формулой не описать, здесь используются набор разнообразных средств:

• символы и escape-последовательности;

• символы операций и символы, обозначающие специальные классы множеств;

• имена групп и обратные ссылки;

• символы утверждений и другие средства.

Конечно, регулярное выражение может быть совсем простым, например, строка "abc" задает образец поиска, так что при вызове соответствующего метода будут разыскиваться одно или все вхождения подстроки "abc" в искомую строку. Но могут существовать и очень сложно устроенные регулярные выражения. Приведу таблицу, (15.1) в которой дается интерпретация символов в соответствии с их делением на группы. Таблица не полна, в ней отражаются не все группы, а описание группы не содержит всех символов. Она позволяет дать общее представление о синтаксисе, которое будет дополнено большим числом примеров. За деталями придется обращаться к справочной системе, которая, к сожалению, далеко не идеальна для данного раздела.

Повторяю, данная таблица не полна. В ней не отражены, например, такие категории, как подстановки, обратные ссылки, утверждения.

Для приведенных категорий также не дан полный список возможных символов.

Таблица 15.1. Символы, используемые в регулярных выражениях

Символ ∙ Интерпретация

Категория: escape-последовательности

b ∙ При использовании его в квадратных скобках соответствует символу "обратная косая черта" с кодом — u0008

t ∙ Соответствует символу табуляции u0009

r ∙ Соответствует символу возврата каретки u000D

n ∙ Соответствует символу новой строки u000A

е ∙ Соответствует символу escape u001B

40 ∙ Cоответствует символу ASCII, заданному кодом до трех цифр в восьмеричной системе

х20 ∙ Cоответствует символу ASCII, заданному кодом из двух цифр в шестнадцатиричной системе

u0020 ∙ Cоответствует символу Unicode, заданному кодом из четырех цифр в шестнадцатиричной системе

Категория: подмножества (классы) символов

. ∙ Соответствует любому символу, за исключением символа конца строки

[aeiou] ∙ Соответствует любому символу из множества, заданного в квадратных скобках

[^аеiоu] ∙ Отрицание. Соответствует любому символу, за исключением символов, заданных в квадратных скобках

[o-9a-fA-F] ∙ Задание диапазона символов, упорядоченных по коду. Так, 0–9 задает любую цифру

р{name} ∙ Соответствует любому символу, заданному множеству с именем name, например, имя L1 задает множество букв латиницы в нижнем регистре. Поскольку все символы разбиты на подмножества, задаваемые категорией Unicode, то в качестве имени можно задавать имя категории

P{name} ∙ Отрицание. Большая буква всегда задает отрицание множества, заданного малой буквой

w ∙ Множество символов, используемых при задании идентификаторов — большие и малые символы латиницы, цифры и знак подчеркивания

s ∙ Соответствует символам белого пробела

d ∙ Соответствует любому символу из множества цифр

Категория: Операции (модификаторы)

* ∙ Итерация. Задает ноль или более соответствий; например, w* или

(abc)*. ∙ Аналогично, {0,}

+ ∙ Положительная итерация. Задает одно или более соответствий; например, w+ или (abc)+. Аналогично, {1,}

? ∙ Задает ноль или одно соответствие; например, w? или (abc)?. Аналогично, {0,1}

{n} ∙ Задает в точности n соответствий; например, w{2}

{n,} ∙ Задает, по меньшей мере, n соответствий; например, (abc) {2, }

{n,m} ∙ Задает, по меньшей мере, n, но не более m соответствий; например, (abc) {2,5}

Категория: Группирование

(?<Name>) ∙ При обнаружении соответствия выражению, заданному в круглых скобках, создается именованная группа, которой дается имя Name. Например, (?<tei> d{7}). При обнаружении последовательности из семи цифр будет создана группа с именем tel

() ∙ Круглые скобки разбивают регулярное выражение на группы. Для каждого подвыражения, заключенного в круглые скобки, создается группа, автоматически получающая номер. Номера следуют в обратном порядке, поэтому полному регулярному выражению соответствует группа с номером 0

(?imnsx) ∙ Включает или выключает в группе любую из пяти возможных опций. Для выключения опции перед ней ставится знак минус. Например, (?i-s:) включает опцию i, задающую нечувствительность к регистру, и выключает опцию s — статус single-line

Знакомство с классами пространства RegularExpressions

В данном пространстве расположено семейство из одного перечисления и восьми связанных между собой классов.

Класс Regex

Это основной класс, всегда создаваемый при работе с регулярными выражениями. Объекты этого класса определяют регулярные выражения. Конструктор класса, как обычно, перегружен. В простейшем варианте ему передается в качестве параметра строка, задающая регулярное выражение. В других вариантах конструктора ему может быть передан объект, принадлежащий перечислению RegexOptions и задающий опции, которые действуют при работе с данным объектом. Среди опций отмечу одну: ту, что позволяет компилировать регулярное выражение. В этом случае создается программа, которая и будет выполняться при каждом поиске соответствия. При разборе больших текстов скорость работы в этом случае существенно повышается.

Рассмотрим четыре основных метода класса Regex.

Метод Match запускает поиск соответствия. В качестве параметра методу передается строка поиска, где разыскивается первая подстрока, которая удовлетворяет образцу, заданному регулярным выражением. В качестве результата метод возвращает объект класса Match, описывающий результат поиска. При успешном поиске свойства объекта будут содержать информацию о найденной подстроке.

Метод Matches позволяет разыскать все вхождения, то есть все подстроки, удовлетворяющие образцу.

У алгоритма поиска есть важная особенность — разыскиваются непересекающиеся вхождения подстрок. Можно считать, что метод Matches многократно запускает метод Match, каждый раз начиная поиск с того места, на котором закончился предыдущий поиск. В качестве результата возвращается объект MatchCollection, представляющий коллекцию объектов Match.

Метод NextMatch запускает новый поиск, начиная с того места, на котором остановился предыдущий поиск.

Метод Split является обобщением метода Split класса String. Он позволяет, используя образец, разделить искомую строку на элементы. Поскольку образец может быть устроен сложнее, чем простое множество разделителей, то метод Split класса Regex эффективнее, чем его аналог класса string.

Классы Match и MatchCollection

Как уже говорилось, объекты этих классов создаются автоматически при вызове методов Match и Matches. Коллекция MatchCollection, как и все коллекции, позволяет получить доступ к каждому ее элементу — объекту Match. Можно, конечно, организовать цикл for each для последовательного доступа ко всем элементам коллекции.

Класс Match является непосредственным наследником класса Group, который, в свою очередь, является наследником класса Capture. При работе с объектами класса Match наибольший интерес представляют не столько методы класса, сколько его свойства, большая часть которых унаследована от родительских классов. Рассмотрим основные свойства:

• свойства Index, Length и Value наследованы от прародителя Capture.