Technology Pug
Регулярні вирази у мовах програмування — потужний, але складний в опануванні інструмент. Тому не дивно, що багато хто відкладає його на потім або намагається використовувати по мінімуму.
Але це найкращий спосіб опрацювання текстів, а також метод розв’язання завдань, які пов’язані з пошуком, редагуванням, заміною тексту у файлах. Тому регулярні вирази варто знати. Сьогодні мова піде про регулярні вирази в популярній кросплатформенній мові Java.
Зміст
Регулярні вирази в Java — це певні послідовності символів, за допомогою яких можна обробляти рядки тексту за спеціальними синтаксичними шаблонами.
Приклад регулярних виразів має такий вигляд:
String regex="java"; // шаблон рядка "java";
String regex="\\d{3}"; // шаблон рядка з трьох цифрових символів; Ця методика дає змогу дізнатися, чи входить певний символ або їхня послідовність у рядок. Інакше кажучи, це методика для обробки рядків.
Наприклад, вона може застосовуватися, якщо потрібно перевірити коректність введення електронної пошти. У ньому обов’язково має бути присутнім символ @, адреса домену, крапка після нього і доменна зона. Тобто система перевіряє, щоб адреса виглядала як user@gmail.com (сама адреса без лапок, зрозуміло), а не user.gmail.com або user@gmail,com, або навіть user@gmail.com.
Клас Java, який називається Pattern — це базове рішення для роботи з регулярними виразами в Java. Саме його використовують при підключенні RegEx до коду програми.
Цей клас можна використовувати двома різними способами (методами). По-перше, це Pattern.matches(). Він застосовується для швидкої перевірки тексту на відповідність заданому регулярному виразу. Але він перевіряє тільки один текст або рядок.
По-друге, це Pattern.compile() — скомпільований екземпляр Pattern. Ось його вже можна використовувати кілька разів, щоб скласти регулярний вираз для кількох текстів.
Наприклад:
String regex="java"; // шаблон рядка "java";
String regex="\\d{3}"; // шаблон рядка з трьох цифрових символів; Ще один клас Java для регулярних виразів — Matcher (java.util.regex.Matcher) — він необхідний для пошуку декількох входжень того чи іншого набору символів у межах одного тексту, а також застосовується для пошуку в різних текстах, які подаються на вхід у межах одного шаблону. У ньому є низка своїх методів, які використовуються для роботи.
Серед основних відзначимо такі:
boolean matches(): цей метод повертає значення true у разі збігу рядка з шаблоном;boolean find(): цей метод повертає значення true у разі виявлення підрядка, що збігається з шаблоном, після чого перейде до нього;int start(): цей метод повертає значення індексу відповідності;int end(): використовуючи цей метод, можна отримати показники індексу відповідності;String replaceAll(String str): а ось цей метод виводить значення, яке задається підрядком str при зміні основного рядка.А ось такий вигляд має приклад із використанням Pattern і Matcher:
імпорт java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Main {
public static void main (String[] args) {
Pattern pattern1 = Pattern.compile ("[x-z]+");//Пошук відбуватиметься від x до z включно.
//Пошук відбуватиметься тільки за символами нижнього регістру.
//Щоб вимкнути чутливість до регістру, можна використовувати Pattern.CASE_INSENSITIVE.
Matcher matcher1 = pattern1.matcher ("x y z 1 2 3 4 ");
System.out.println (matcher1.find()); //Пошук будь-якого збігу з шаблоном.
//Виводиться значення true, оскільки в рядку є символи шаблону.
Matcher matcher2 = pattern1.matcher ("X Y Z 1 2 3 4");
System.out.println (matcher2.find()); //Виводиться значення false.
//Так як у рядку немає символів, що підходять за шаблоном.
Шаблон pattern2 = Pattern.compile ("[a-zA-Z0-9]");
//Додається пошук за символами нижнього і верхнього регістру, а також цифр.
Matcher matcher3 = pattern2.matcher ("A B C D X Y Z a b c d x y z 1 2 3 4");
System.out.println (matcher3.find()); //Виводиться значення true Ще один клас — PatternSyntaxException. Він виводить повідомлення про неперевірене виключення, якщо в синтаксисі регулярного виразу припустилися помилки. Йдеться про некоректні символи в шаблоні, наприклад, про друкарську помилку.
Клас оголошується ось так:
public class PatternSyntaxException extends IllegalArgumentException
У переліку методів класу відзначимо такі:
getDescription (): метод отримує опис помилок;int getIndex (): цей метод отримує індекс помилки;getMessage (): у цьому методі повертається багаторядковий рядок, що містить опис помилки, індекс, шаблон із помилкою та навіть візуально показує, де в шаблоні допущена помилка;getPattern (): цей метод, своєю чергою, отримує помилковий шаблон регулярного виразу.Приклад класу має такий вигляд:
Жива демонстрація
package com.tutorialspoint;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.regex.PatternSyntaxException;
public class PatternSyntaxExceptionDemo {
private static String REGEX = "["";
private static String INPUT = "Собака каже мяу" + "Усі собаки кажуть мяу.";
private static String REPLACE = "cat";
public static void main(String[] args) {
try{
Pattern pattern = Pattern.compile(REGEX);
// отримати об'єкт matcher
Matcher matcher = pattern.matcher(INPUT);
INPUT = matcher.replaceAll(REPLACE);
} catch(PatternSyntaxException e){
System.out.println("PatternSyntaxException: ");
System.out.println("Description: "+ e.getDescription());
System.out.println("Index: "+ e.getIndex());
System.out.println("Message: "+ e.getMessage());
System.out.println("Pattern: "+ e.getPattern());
}
}
} Для створення регулярного виразу задіюються рядки або об’єкти класу String. Але далеко не кожен рядок автоматично може скомпілюватися в регулярний вираз. Він має бути відповідним чином написаний — з використанням синтаксису, який визначається в офіційних специфікаціях Java.
У цьому разі йдеться про використання букв, цифр і метасимволів, які мають спеціальне значення саме в рамках регулярних виразів.
Синтаксичні конструкції регулярних виразів, як сказано вище, охоплюють літерні, цифрові та метасимволи.
Серед них:
Для пошуку меж рядків, слів і тому подібних даних використовуються такі метасимволи:
^ — метасимвол початку оброблюваного рядка;$ — метасимвол закінчення оброблюваного рядка;- — так задається метасимвол, який має бути поза дужками, причому він повинен бути тільки один;\b — таким чином задається закінчення слова;\B — так задається умова, коли слово не закінчене;\A — так задається старт введення;\Z — так задається закінчення введення.Також можна вибирати певні класи символів:
\d — будь-який цифровий символ;\D — будь-який нецифровий;\s — символ пробілу;\S\ — символ, що не має пробілу;. — задати один довільний символ;\w — абетково-цифровий символ;\W — будь-який символ, за винятком абетково-цифрового.Для завдання діапазону можна використовувати -, у цьому разі регулярний вираз (a-z) шукатиме всі символи в заданому діапазоні.
Серед інших способів використання косої риски відзначимо:
\n — перенесення рядка; \\+ — екранування символу, оскільки коса риска використовується як спецсимвол.Детальніше про це поговоримо нижче у відповідному розділі.
Приклад найпростішого регулярного виразу для перевірки адреси електронної пошти на правильність має такий вигляд:
^[A-Z0-9+_.-]+@[A-Z0-9.-]+$
Тут перевіряється входження символу @, крапки-роздільника і доменної зони, які є обов’язковими для електронної пошти.
А ось так виглядає складніший приклад, який шукає цифрові символи в рядку:
імпорт java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexMatches {
public static void main( String args[] ) {
// Рядок для сканування, щоб знайти шаблон
String str = "Хрещення Київської Русі відбулося в 988 році! Чи не так?";
String pattern = "(.*)(\\d+)(.*)";
// Створення Pattern об'єкта
Pattern r = Pattern.compile(pattern);
// Створення matcher об'єкта
Matcher m = r.matcher(str);
if (m.find( )) {
System.out.println("Знайдено значення: " + m.group(0));
System.out.println("Знайдено значення: " + m.group(1));
System.out.println("Знайдено значення: " + m.group(2));
}інакше {
System.out.println("НЕ Збігається");
}
}
} На виході отримаємо такий результат:
Крім символів у регулярних виразах застосовуються квантифікатори. Це обмежувачі, за допомогою яких задається частота появи певного символу або декількох. Їх потрібно записувати після самих символів.
Основні квантифікатори:
? — символ не з’являється зовсім або ж з’являється лише раз;- — символу зовсім немає в рядку або він з’являється, або з’являється більше ніж 0 разів;+ — символ з’являється щонайменше двічі або більшу кількість разів;{n} — символ з’являється задане число разів (n разів);{n,} — символ з’являється задане число разів з умовою (n і більше);{n,m} — не менше n, але не більше m разів.Квантифікатори можуть функціонувати в одному з трьох режимів: жадібному, наджадібному та ледачому. Базовий — жадібний режим — саме в ньому регулярні вирази працюють за замовчуванням.
У жадібному режимі програма буде шукати символи максимальної довжини, що збігаються в рамках рядка. Прохід здійснюється спочатку зліва направо, а потім справа наліво.
Наджадібний режим функціонує подібним чином, але він не використовує зворотний прохід (коли перевірка рядка йде справа наліво) — так званий реверсивний пошук. Це в деяких випадках дає змогу прискорити процес.
Лінивий режим шукає найкоротше входження символів, які збігаються, та задовольняє всім умовам, заданим у пошуковому шаблоні.
Давайте перейдемо до прикладів.
Ось такий вигляд має жадібний режим:
"A.+a"// Шукає максимальний за довжиною збіг у рядку.
//Приклад жадібного квантифікатора
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Main
{
public static void main(String[] args)
{
Pattern p = Pattern.compile("a+");
Matcher m = p.matcher("aaa");
while (m.find())
System.out.println("Шаблон знайдено з " + m.start() +
" to " + (m.end()-1)));
}
} На виході буде таке:
Pattern found from 0 to 2
Наджадібний режим:
"А.++а"?"// Працює так само, як і жадібний режим, але не здійснює реверсивний пошук під час захоплення рядка.
// Приклад наджадібного квантифікатора
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Main
{
public static void main(String[] args)
{
Pattern p = Pattern.compile("a++");
Matcher m = p.matcher("aaa");
while (m.find())
System.out.println("Шаблон знайдено з " + m.start() +
" to " + (m.end()-1)));
}
} На виході буде таке:
Pattern found from 0 to 2
Ледачий режим:
"A.+?a"// Шукає найкоротший збіг.
//Приклад ледачого квантифікатора
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Main
{
public static void main(String[] args)
{
Pattern p = Pattern.compile("g+?");
Matcher m = p.matcher("ggg");
while (m.find())
System.out.println("Шаблон знайдено з " + m.start() +
" to " + (m.end()-1)));
}
} Висновок буде таким:
Pattern found from 0 to 0 Pattern found from 1 to 1 Pattern found from 2 to 2
У цьому розділі ми розглянемо деякі приклади, які допоможуть зрозуміти, як все це працює на ділі.
Раніше ми згадували, що один із базових прикладів — перевірка адреси електронної пошти на валідність і коректність. Тобто щоб стояв символ @, крапка і доменна зона.
Ось так ця перевірка має вигляд у коді:
List emails = new ArrayList();
emails.add("name@gmail.com");
//Неправильний імейл:
emails.add("@gmail.com");
String regex = "^[A-Za-z0-9+_.-]+@(.+)$";
Pattern pattern = Pattern.compile(regex);
for(String email : emails){
Matcher matcher = pattern.matcher(email);
System.out.println(email +" : "+ matcher.matches());
}
Результат:
name@gmail.com : true
@gmail.com : false Цей регулярний вираз перевіряє валідність номера телефону. Виглядає він так:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class ValidatePhoneNumber {
public static void main(String[] argv) {
String sPhoneNumber = "605-8889999";
// String sPhoneNumber = "605-88899991";
// String sPhoneNumber = "605-888999A";
Pattern pattern = Pattern.compile("\d{3}-\d{7}");
Matcher matcher = pattern.matcher(sPhoneNumber);
if (matcher.matches()) {
System.out.println("Phone Number Valid");
}
іще
{
System.out.println("Номер телефону повинен бути у формі XXX-XXXXXXXXX");
}
}
} А ось клас для визначення валідності IP-адреси, записаної в десятковому вигляді:
private static boolean checkIP(String input) {
return input.matches("((0|1\\d{0,2}|2([0-4][0-9]|5[0-5]))\\.){3}(0|1\\d{0,2}|2([0-4][0-9]|5[0-5]))");
} За правилами, кількість відкритих дужок має збігатися з кількістю закритих, оскільки в іншому випадку порушується логіка роботи. Це перевіряється так:
private static boolean checkExpression(String input) {
Pattern pattern = Pattern.compile("\\([\\d+/*-]*\\)");
Matcher matcher = pattern.matcher(input);
do {
input = matcher.replaceAll("");
matcher = pattern.matcher(input);
} while (matcher.find());
return input.matches("[\\d+/*-]*");
} Тепер спробуємо витягти дату з рядка. Це робиться таким чином:
private static String[] getDate(String desc) {
int count = 0;
String[] allMatches = new String[2];
Matcher m = Pattern.compile("(0[1-9]|[12][0-9]|3[01])[- /.](0[1-9]|1[012])[- /.](19|20)\\d\\\d").matcher(desc);
while (m.find()) {
allMatches[count] = m.group();
count++;
}
return allMatches;
} Перевірка:
public static void main(String[] args) throws Exception{
String[] dates = getDate("coming from the 25/11/2020 to the 30/11/2020");
System.out.println(dates[0]);
System.out.println(dates[1]);
} Результат:
25/11/2020 30/11/2020
Як бачимо, регулярні вирази Java широко використовуються і дають змогу реалізовувати перевірки на коректність даних на льоту, хоча багато програмістів не люблять їх через складність. Але в умілих руках це потужний засіб для пошуку даних, роботи з рядками тощо.
Також ознайомитися з регулярними виразами можна у відео:
21-23 червня українське Ethereum ком’юніті ETHKyiv проведе офлайн-хакатон, який об'єднає талановитих розробників, студентів та ентузіастів…
Некомерційний навчальний заклад SET University запускає стипендійну програму за рядом напрямків. Українці та українки можуть…
За рік в рамках defense-tech кластеру Brave1 963 розробники створили 1 671 інноваційну розробку —…
Корпорація Google звільнила всю команду Python в США. Про це стало відомо з публікації Social.coop…
Команда з ліцею КПІ PL of KPI Igor Sikorsky перемогла на міжнародному хакатоні зі штучного…
Більше половини Go i Ruby розробників з досвідом 3+ роки найняли на $5000 або більше.…