Regular expressions for pros Reguläre Ausdrücke für Fortgeschrittene (Perl) Elena Neuburg

Transkript

1 Regular expressions for pros Reguläre Ausdrücke für Fortgeschrittene (Perl) Elena Neuburg

2 Inhaltsverzeichnis Definition Pattern Matching Greediness Eagerness Backtracking Nützliche Optionen Backreferences und Lookaround-Bedingungen 2

3 Reguläre Ausdrücke Reguläre Ausdrücke (oder kurz: Regexps von engl. regular expressions) stellen in der Programmierung verallgemeinerte Suchmuster dar. Mithilfe dieser Suchmuster können Sie beispielsweise Variableninhalte durchsuchen und bestimmte Inhalte daraus herausziehen oder ersetzen. 3

4 Probleme!!! Greediness Eagerness Backtracking 4

5 Greediness (Gefräßigkeit ) Pattern Matching zeichnet sich dadurch aus, dass sie schrittweise den Folgezustand auswählt, der zum Zeitpunkt der Wahl den größten Gewinn bzw. das beste Ergebnis verspricht <tok><sur>esse</sur><lem cat="v" mor="1sp">essen</lem></tok> Lösungen: a) $line =~ /cat=" (.*) "/; $wortart = $1; $wortart= v" mor="1sp b) $line =~ /cat=" ([^\"]*) "/; $wortart= v c) $line =~ /cat=" (.*?) "/; $wortart= v 5

6 Eagerness (Eifer) versucht, so schnell wie möglich einen Match zum Erfolg zu bringen. Ab und zu sogar schneller als man das erwartet hat $string = "good food"; $string=~s/o*/e/; good food geod food geed food geed feed ged food ged fed egood food $string=~s/o*/e/g; Ergebnis egeede efeede 6

7 Greediness vs. Eagerness "leftmost longest match : einerseits versucht Perl immer den längst möglichen Match zu finden, andererseits immer den erstmöglichen. my $string ="abracadabra"; $string =~ /(a cadabra)+/; print "$1\n"; Ergebnis: a 7

8 Backtracking (Rückwärtsreferenz) mit Hilfe von Klammern wird ein Teil des Suchmusters markiert, darauf man sich später wieder beziehen kann my $string ="abracadabra"; $string =~ /(a ab) ra/; print " Gesamtmatch am Ende: $string\n"; Ergebnis abracadabra $_ = "Food is on the foo table."; if ( /\b(foo)\s+(\w+)/i ) { print "$2 follows $1.\n"; } Ergebnis table follows foo. 8

9 Nützliche Optionen Modifier Eselsbrücke Bedeutung g global globales Matchen, d.h. alle Vorkommnisse finden. my $str = "Gestern ist mir ein Waschlappen vom Haken gefallen. Daraufhin habe ich ihn wieder auf den Waschlappenhaken gehängt. "; while($str=~/([a-z]{3}) waschlappen/ig){ print " $1\n"; } Ergebnis: ein den 9

10 Modifier Eselsbrücke Bedeutung x extend legibility bessere Lesbarkeit zulassen durch Kommentare und Whitespace. my $str = "Gestern ist mir ein Waschlappen vom Haken gefallen. Daraufhinhabe ich ihn wieder auf den Waschlappenhaken gehängt. "; while($str=~/([a-z]{3}) # drei Buchstaben \ # ein Leerzeichen waschlappen # der String "waschlappen /igx){ print " $1 \n"; } 10

11 Modifier Eselsbrücke Bedeutung m multi-line Interpretation des Strings als mehrere Zeilen. Die Anchors ^ und $ matchen damit nicht mehr nur String-Anfange bzw. -Ende, sondern Zeilen-Anfang bzw. -Ende. s single line Punkt jedes Zeichen, auch Zeilenumbrüche(!), matchen lassen. my $zeile= "This is my\nmulti-line string"; if ($zeile=~ /^(.*)$/m){ print "$1\n"; } Ergebnis $1 = This is my my $zeile= "This is my\nmulti-line string"; if ($zeile=~ /^(.*)$/s){ print "$1\n"; } Ergebnis $1 = This is my multi-line string 11

12 Backreferences und Lookaround-Bedingungen Backreferences (Rückbezüge) bezieht sich auf einen vorangegangenen Teil des Patterns (in runden Klammern) und enthält deren Inhalt. $line =~ /\b(\w+) $1\b/; # falsch! $line =~ /\b(\w+) \1\b/; #richtig HTML tags <B><I>bold italic</i></b> text $regex =~ <([A-Z][A-Z0-9]*)\b[^>]*>.*?</\1>. 12

13 Lookaround-Bedingungen $_ = "Coach Pep Guardiola erlebte gestern eine Niederlage"; print "$1 " while /\b(\w+) +([A-Z])/g; Ergebnis Coach eine print "$1 " while /\b(\w+) +(?=[A-Z])/g; Ergebnis Coach Pep eine (positive Variante) while /\b(\w+) +(?![A-Z])/g; Ergebnis Guardiola erlebte gestern (negative Variante) 13

14 Lookbehind my $money = " "; $money =~ s/(?<=\d)(?=(?:\d\d\d)+$)/,/g; Ergebnis ,678 (positive Variante) my $money = " "; $money =~ s/(?<!\.\d)(?<=\d)(?=(?:\d\d\d)+\b)/,/g; Ergebnis 1, (negative Variante) 14

15 Syntax positiver Lookahead: (?=PATTERN) negativer Lookahead: (?!PATTERN) positiver Lookbehind: (?<=PATTERN) negativer Lookbehind: (?<!PATTERN) 15

16 Zusammenfassung Greediness, Eagerness und Backtracking sind eine schnelle Lösung für viele Probleme dennoch oft nicht optimal. (oft eine Falle!!!) Um gleiche Muster im Text zu finden braucht man Backreferences Nützliche Optionen (g x m s) Lookaround erlaubt vor oder nach dem Muster anzuschauen, ohne in das Muster einzuziehen Negativ: bei einem einzigen Fehler in der Anwendung kann das gesamte Programm nutzlos sein. Positiv an Perl ist: Beherrscht man es, dann hat man ein wirklich gutes Anwendungsprogramm mit einem sauberen Ergebnis. 16

17 Zusammenfassung 17 regular_expressions.png

18 Referenzen 1. Dr. Helmut Schmid: Angewandtes Programmieren PERL für Fortgeschrittene ( ) 3. ( ) 4. ( ) 5. Christiansen, T Perl Cookbook O Reilly: 2003 S Brian d foy Mastering Perl. Creating Professional Programs with Perl O Reilly: 2014 S ( ) 18