Отчёт по Cofe'n'Cod: Введение в Регулярные Выражения

Сегодня прошла встреча в формате Cofe'n'Cod
Думаю будет неплохо если я опубликую затрагиваемую мной тему.

Тема: Введение в RegExp

Введение.
Регулярные выражения поддерживаются во многих языках программирования и являются по настоящему мощным инструментом работы с текстом. Я постараюсь рассказать про базовый "Словарь RegExp".
Понимание происходящего в RegExp открывает много новых возможностей для программиста и значительно ускоряет его работу.
Пока я не могу отвечать на такие вопросы как "Как?" и "Почему?" я попробую ответить на вопрос "Что?" возможно это и не интересно, но крепкий фундамент и ответ на вопрос "Что есть регулярные выражения" помогут в дальнейшем понимать суть происходящего.

Знакомство с Регулярными Выражениями
Ни для кого не будет секретом если я скажу что у RegExp есть 2 типа символов

• Специальные символы (метасимволы)
  
• Символы (литералы)

Существует бесплатная программа egrep для выполнения регулярных выражений в текстовом файле.
Для составления регулярных выражений можно воспользоваться сервисом http://myregexp.com/
Итак рассмотрим простые метасимволы которые мы будем использовать практически каждый раз.
Описывать регулярные выражения я буду в символах ‼(19)

Базовые метасимволы RegExp

Начало и конец строки

‼^‼ - означает начало строки (крышка, циркумфлекс)
‼$‼ - означает конец строки
Теперь мы можем составить простейший слог ‼^$‼ данное выражение будет искать строки у которых есть начало и сразу же идёт конец
Специфика данных символов заключается в том что они не привязаны к конкретному символу строки, а связанны именно с позицией.

Символьный класс

‼[]‼ - содержимое класса определяет список символов, и подразумевается связка "или" между символами, а не "и" как это происходит вне класса.
К примеру можно вести поиск слова "Антон" или "антон" используя символьный класс ‼[Аа]нтон‼
Причём класс не обязательно должен состоять из 2х символов, но в контексте выражения он будет означать именно один символ из множества.

Дополнительно стоит отметить что у Символьного класса существует свои Метасимволы. Символ "-" может записывать интервалы. Так [123456789] и [1-9] будут обозначать одно и тоже. Если же внутри класса символ "-" необходимо использовать в качестве литера его необходимо употреблять сразу после "[".

Любой Символьный класс можно инвертировать метасимволом "^", в начале класса. Так выражение ‼[^Аа]нтон‼ будет искать слово которое не начинается на символы "А" или "а" и заканчивается "нтон", корректным к примеру будет "Онтон" или "кнтон"
Инвертированный класс лучше всего воспринимать как сокращённую запись символьного класса включающего все возможные символы кроме перечисленных.

Один произвольный символ

Метасимвол "." означает совпадение с любым символом. Так если мы ищем конкретную дату но записанную в разных форматах 17-12-1985 или 17.12.1985 или 17/12/1985 то мы можем использовать выражение ‼17.12.1985‼ для поиска нужных дат. Тем ни менее стоит учитывать что в данную выборку попадут и такие фраз 1781221985 поскольку метасимвол "." обозначает любой символ

Конструкция выбора

Метасимвол "|" обозначает условие "или" и работает вне символьного класса, к конструкции выбора так же относится ещё 2 метасимвола "(" и ")" которые ограничивают область действия конструкции выбора так к примеру ‼А|антон‼ и ‼(А|а)нтон‼ будут иметь абсолютно разное значение в первом случае будет искаться символ "А" в любом месте или слово "антон" в любом месте даже внутри слова, во втором случае будет искаться слова "Антон" или "антон" в любом месте.

Конструкция повторения

Иногда случается необходимость поиска повторяющихся символов для этого служат следующие метасимволы

• "?" - не более одного символа
  
• "+" - не менее одного символа
  
• "*" - любое количество символов даже их отсутствие

Так данные метасимволы можно использовать при поиски не обязательных пробелов, или наоборот обязательного символа.
Данные метасимволы можно использовать как на определённые символы так и на символьный класс
Также может быть доступна задание интервала повторений. Данный интервал указывается в "{х,у}" так интервал повторения {0, 1} соответствует "?"

Обратные ссылки

В регулярных выражениях можно использовать обратные ссылки. Данное свойство очень полезно для поиска повторяющихся символов в строке ‼([т]*)([о]).+\1\2‼
ссылка "\1" обращается к первой скобке, а "\2" ко второй, нумерация скобок идёт последовательно

Экранирование

Данная функция применяется при необходимости использовать метасимвол в качестве обычного литера, или придания литеру особого смысла. Символ используемый для экранирования "\" к примеру для поиска "." в тексте выражение типа ‼.‼ будет бесполезным поскольку данная фраза говорит что необходимо найти любой символ. В таком случае нам необходимо использовать экранирование ‼\.‼ тем самым мы говорим что необходимо искать именно точку.

Заключение

Вот собственно и перечислены основные "буквы" регулярных выражений. Осталось только научиться использовать их в нужных местах. Конечно есть множество особенностей в регулярных выражениях с которыми я ещё не успел познакомиться. Но надеюсь что фундамент для дальнейшего развития и понимания регулярных выражений заложен.
Для закрепления знаний предлагаю решить простую задачу, каждый сам для себя и обсудить пути её решения.
Также стоит отметить что регулярные выражения всегда ведут себя позитивно, т.е. они ищут присутствие символа, а не его отсутствие. Для полного понимания выражения стоит читать его буквально.

Задание для самоконтроля

Поиск номера телефона заданного формата в тексте, с игнорированием номеров указанных в ""
Здравствуйте уважаемые господа, для обратной связи со мной используйте телефон № 8(819)-238-91-28
Здравствуйте уважаемые господа, для обратной связи со мной используйте телефон № +7 819 238 91 28
Здравствуйте уважаемые господа, для обратной связи со мной используйте телефон № +8/819/238/91/28
Здравствуйте уважаемые господа, для обратной связи со мной используйте телефон № 8.(928)*233-91 28 с руско говорящим интерфейсом
Не звоните мне на номер "+7 147 233 87 92" поскольку он более не актуален.