Wyrażenia regularne cz. 1

 
Każdy kto kiedykolwiek będzie miał styczność z programowaniem, prędzej czy później musi spotkać się z wyrażeniami regularnymi. Wyrażenia regularne mimo, że nie wyglądają zbyt przyjaźnie na pierwszy rzut oka i często na początku zniechęcają swoją składnią, są jednym z najbardziej użytecznych narzędzi w pracy z kodem.
 

^(([a-zA-Z0-9]?)([A-Z]{0,12})(\d)){6,12}$

Czy ten ciąg znaków wygląda czytelnie? :)

W 1951 roku, amerykański matematyk Stephen Cole Kleene zaproponował i opisał schemat języka programowania do wyszukiwania dowolnego ciągu znaków. Od tamtego czasu wyrażenia regularne zostały zaadaptowane na potrzeby większości języków programowania.

Z regexów możemy korzystać w kodzie źródłowym, na przykład do walidowania inputów tekstowych czy do porządkowania parsowanego pliku tekstowego.

Są także wbudowane w edytory tekstu co znacznie ułatwia pracę programistów.

Dzięki wyrażeniom regularnym za pomocą ustandaryzowanych znaków specjalnych tworzymy wzorzec tekstu aby później sprawdzić czy występuje on w badanym kodzie.

W przykładach będę posługiwał się językiem JavaScript oraz wbudowanych do niego metod pozwalających na użycie regexów.

 
Podstawy

W języku JavaScript metoda RegExp.prototype.test();
testuje czy w podanym przez nas obiekcie string występuje założone przez nas wyrażenie i zwraca odpowiednio true lub false.

W poniższym przykładzie zadeklarowałem zmienną testString a następnie przetestowałem nią kawałek tekstu. Spróbujcie zmienić regexa lub tekst w teście na niepasujący do siebie. W takim wypadku uzyskamy false.



Składnie wyrażenie regularnego musimy zacząć od slasha. Następnie podaję ciąg znaków i całe wyrażenie zamykam kolejnym slashem.
Po to by na początku uzyskać true jako zmienną z regexem zadeklarowałem /est/.

Powiedzmy, że chciałbym być pewien, że testowany ciąg znaków brzmi DOKŁADNIE tak jak wyrażenie regularne.
Tutaj z pomocą przychodzi nam symbol ^ na początku wyrażenia oraz $ na jego końcu:



Jeśli skasujemy część “ or not to be” z testowanego tekstu otrzymamy true.
Znak ^ sprawdza czy badany tekst zaczyna się tak jak początek regexa. Znak $ natomiast sprawdza końcowe znaki w tekście. Jeśli użyjemy ich obu w jednym wyrażeniu regularnym zbadamy czy tekst brzmi dokładnie tak samo jak znaki pomiędzy ^ oraz $.

Po usunięciu $ z końca regexa również otrzymamy true ponieważ nasze testowane zdanie zaczyna się od To be.

 
String.replace oraz flagi

Posłużmy się ciekawszą metodą String.prototype.replace().



Jak pewnie zauważyliście replace zmieniło słowa z regexa na podane słowo w drugim parametrze metody replace.
W powyższym przykładzie użyliśmy tak zwanych flag czyli literek g oraz i po slashu.

g oznacza, że regex ma zostać zastosowany dla całego tekstu (inaczej zmieniłby się tylko pierwszy napotkany yellow).

i oznacza brak case sensitivity czyli regex może być zastosowany zarówno do wielkich jak i małych liter bez znaczenia.

Idźmy dalej.

 
Znaki specjalne

Załóżmy, że chcielibyśmy przetestować poprawność kodu pocztowego w inpucie z formularza.
Polskie kody pocztowe składają się z 2 i 3 cyfr rozdzielonych myślnikiem.
Z pomocą przychodzą nam tutaj najpierw znaki specjalne.
Przy użycie backslasha i małe literki d odnosimy się do pojedynczej cyfry (digit).



W regexie mamy po kolei najpierw 2 cyfry (\d\d) następnie myślnik (-) oraz kolejne 3 cyfry (\d\d\d).
Możemy jednak uprościć ten zapis korzystając z pierwszego rodzaju kwantyfikatorów.

Jeśli po danym wyrażeniu napiszemy {2} będzie to oznaczało, że dane wyrażenie musi powtórzyć się 2 razy żeby zwrócić true.
Jeśli chcielibyśmy żeby wyrażenie powtórzyło się od 2 do 7 razy – {2,7}.
Powyżej 5 razy? – {5,}.

Zmieńmy naszego regexa:


Zauważcie że jeśli po wpisanej liczbie 456 wpiszecie więcej cyfr skrypt również zwróci true. Dzieje się tak dlatego że nie użyliśmy ^ oraz $ do ograniczenia długości walidacji. Regex trafia w 3 cyfry po myślniku i kończy działanie. Reszta, mimo że jest kontynuacją naszego tekstu już go nie interesuje.

Spróbujcie wpisać więcej cyfr do zmiennej testString oraz ^ i $ do regexa na początku i końcu tak jak we wcześniejszej części artykułu.
Czy uda wam się zwrócić false?

Posłużymy się jeszcze innym kwantyfikatorem.

Znak ? oznacza, że dana cześć regexa może pojawić się 0 lub 1 raz.
Co to oznacza w praktyce? Zobaczcie na przykład:

Założyłem, że w naszym testowanym stringu myślnik może pojawić się 0 lub 1 raz.

Dla pierwszego testu z 1 myślnikiem: true.
Dla drugiego testu bez myślnika (0 razy): true.
W trzecim przykładzie gdzie pojawił się myślnik obok myślnika: false.
 
 
Zestawy znaków

Używając nawiasów kwadratowych w wyrażeniu regularnym, sprawdzamy czy którykolwiek znak z nawiasu pojawi się w badanym stringu.

Jeśli regex wyglądałby tak: /[abc]/ metoda test zwróci nam true jeśli napotka na a, b lub c.

Możemy użyć również zakresów znaków.
[a-z] znajdzie dowolną małą literę z alfabetu, [A-Z] dowolną wielką a [0-9] dowolną cyfrę.

Zestawy możemy oczywiście łączyć z kwantyfikatorami.
[A-Z]{0,12} oznaczać będzie, że dany tekstu musi posiadać od 0 do 12 wielkich liter z zakresu a do z.
 
 
Proste, prawda?

Na początku artykułu przytoczyłem przykład regexa. Dla mnie taki regex na samym początku przygody z wyrażeniami regularnymi był przerażający. Czy słusznie?

^(([a-zA-Z0-9]?)([A-Z]{0,12})(\d)){6,12}$

Wykorzystajmy zdobytą w tym artykule wiedzę i zobaczmy co autor tego wyrażenia miał na myśli.

Pomińmy na początku znaki ^ i $.

[a-zA-Z0-9]? – oznacza jak już pewnie wiecie, że aby zwrócić true musimy trafić na literę od a do z, małą lub wielką lub na cyfrę w przedziale 0-9. Pytajnik na końcu oznacza, że takie wyrażenie musi wystąpić dokładnie 0 lub 1 raz.

[A-Z]{0,12} – oznacza zakres od a do z wyłącznie wielkich liter. Musi być ich co najmniej 0 a maksymalnie 12.

\d – po tym wszystkim musi wystąpić jedna cyfra.

Zauważcie, że każde z tych wyrażeń jest w okrągłych nawiasach. Pełnią one dwojaką funkcję. Po pierwsze oddzielają konkretne części wyrażenia oraz powodują zapamiętanie części wyrażenia regularnego (ale o tym kiedy indziej :)).

Na końcu nasze 3 zestawy są również zamknięte nawiasem okrągłym a znaki {6,12} oznaczają, że całe to wyrażenie musi powtórzyć się co najmniej 6 a maksymalnie 12 razy.

Nasze poznane wcześniej ^ oraz $ oznaczają, że cały badany string musi mieć taką formę jak wrażenie. Nic mniej. Nic więcej

Przetestujmy to!

Ponieważ pierwsza (? – 0 lub 1 raz) i druga ({0,12}) część wyrażenia może powtórzyć się 0 razy do uzyskania true potrzebujemy co najmniej sześciu ({6,12}) cyfr (\d).

Poniżej 6 cyfr skrypt zwróci false (spróbujcie z 01234).
 
 
Łamigłówka 1 :) Dla ilu maksymalnie cyfr wpisanych w testString skrypt będzie zwracał true?

Odpowiedź:

 
 
Dlaczego?
Każde wyrażenie może mieć jedną cyfrę z wyrażenia [a-zA-Z0-9]? oraz musi mieć drugą cyfrę z wyrażenia \d co po pomnożeniu przez maksymalny zakres z {6,12} daje nam 24 cyfry.
 
 
Łamigłówka 2.
Wiemy, że minimalna ilość znaków dla zwrócenia true to 6 cyfr.
A ile możemy mieć maksymalnie wszystkich znaków w zmiennej testString?

Odpowiedź:

 
 
What next?

W powyższym artykule tylko delikatnie udało mi się rozpocząć złożony temat wyrażeń regularnych. Jak widzicie można dzięki nim testować części tekstu, zamieniać tekst oraz robić wiele innych przydatnych rzeczy dla których dziś nie starczyło mi miejsca.

Gdzie może się to przydać? Wszelka walidacja formularzy kontaktowych, poprawności danych, maili, numerów telefonów, adresów mailowych, linków url…

cdn.