чего стоит быдлокодопаттерн - определение реасширения файла режекспом!

>это ненужно 8) парность скобок не должна определятсья с помощью режекспов

Ну, рекурсия щас заменяется на зацикленный регэксп, по крайней мере при обработке всяких bb-тегов, например. ) Работает отлично ) Тока производительность страдает. А если б это всё было в одной обработке текста, было бы куда лучше, мечта прям ) Я скока в своё время прочёл, наэксперементировал в пхп, но нифига ) Хотя в мануале было написано, что вроде рекурсия в регулярках пхп поддерживается. )

Не самая бесполезная статья на этот раз.

+1
Книга Джефри Фридла - это лучшее, что есть по регулярным выражениям. Читается взахлёб.

http://rapidshare.com/files/294039419/Friedl-mre3.rar

Индусизм это религия программистов. Ога. bb теги отлично парсятся конечным автоматом.

С хтмл-детектором похоже что-то не то...Я в свое время в своем быдлокоде использовал примерно такое:

"/<(\/?)(\w+)([^>]*)>/e"
с строкой подстановки
"'[\\1'.strtoupper('\\2').'\\3]'"

Статья ниочем, но для новичков пойдет в качестве знакомства. Школьников на ЛОРе много стало, им полезно будет почитать. Уверен, что не все из них слышали про RegExp'ы

Не знаю, особо не изучал, вообще мне не нравится этот путь, не понимаю, зачем отказываться от O(N) скорости разбора, за некоторые спорные преимущества.

> зачем отказываться от O(N) скорости разбора

для компактности.
Для тех же целей что и sql. Всё можно сделать итерациями-курсорами. Но гораздо компактнее задать запрос в виде наиболее приспособленного к задаче языка, который даёт возможность сделать это декларативно. Да и оптимизировать можно за вас лучше - когда вы уже не будете котролировать без дебаггера - из-за сложности и неопределённости будущей даты. А главное - вместо страниц кода и циклов - зачастую будет одна строка.
Краткость, или Бритва Оккама.

погуглите «awk one liner», «sed one liner» и напишите то же циклами. Получите более чем на порядок (думается - на два) - больше буккаф.

Прочитал. Секретов не увидел. На таком уровне я учил регекспы 12 лет назад по книжке с верблюдом. Причем там это был всего лишь один из разделов.

С тех пор, правда, я не сильно далеко ушёл.

логи обрабатывать конечными автоматами — тот ещё путь, ага

Неужто Вам-таки на книжку стоимостью 150 рублей не хватает денег?

http://oreilly.com/catalog/9780596004156

(Книжка издавалась в переводе на русский язык)

В статье не указано самого главного - что регвыры различаются не только диалектами, но и особенностями распознавания управляющих символов. В разных средах и программах эти особенности разные, и чаще всего нифига не документированные. А не зная этих особенностей, правильно написать даже простую регулярку невозможно.

У меня собралась такая коллекция:

Особенности регулярных выражений grep в командной строке Linux

В командной строке, при использовании grep, надо выражение заключать в двойные кавычки и перед управляющими символами делать обратный слеш

Пример:

# dmesg | grep "\(sata\)\|\(SATA\)"

Регулярные выражения в sed

В потоковом редакторе sed, для того чтобы спецсимволы рассматривались как обычные символы, можно их экранировать обратным слешем. А можно в качестве разделителей полей вместо прямого слеша «/» использовать двоеточие ":".

Пример. Нужно закомментировать в *.cpp файле строку «namespace prog1 {», то есть добавить перед строкой символы «//». Вот несколько вариантов, как это сделать:

sed -i 's/namespace prog1 {/\/\/ namespace prog1 {/' file.cpp
sed -i 's:namespace prog1 {:// namespace prog1 {:' file.cpp
sed -i 's:namespace prog1 {:// &:' file.cpp

Регулярные выражение в MC

При поиске файлов, в MC можно указывать маску файлов таким образом:

(*.cpp)|(*.h)

Примечание: в версии 4.7.0-pre-1 и старше не работает. Разработчики рекомендуют писать маску в виде «*.cpp, *.h», но она тоже не работает.

Регулярные выражения в среде Code::Blocks

В IDE Code::Blocks в разных местах регулярные выражения трактуются по-разному.

1. Проверка регулярных выражений (плагин)

Особенности: символы вида "(" автоматически считаются разметкой регвыра, и чтобы просто указать символ "(", его надо экранировать обратным слешем.

Пример 1: найти в тексте строку drawpic(picidxanm(«main_monkey_finger»)) и выделить параметр функции picidxanm. Для этого нужно использовать выражение:

drawpic\t*\(+\t*picidxanm\t*\(+\t*(.*)\t*\)+\t*\)+

2. Поиск и замена в тексте

Особенности: символы вида "(" считаются обычными символами. Чтобы делать подвыражения, надо скобки экранировать обратным слешем.

Пример 2: чтобы найти строку из примера 1, надо воспользоваться выражением

drawpic\t*(+\t*picidxanm\t*(+\t*\(.*\)\t*)+\t*)+

Народ ! Кто в курсе что с вайном то ? На дворе уже следующая пяница :(
Они что релиз 2.0 готовят что ли ?

Язык SQL всё таки не компактный, но относительно очевидный чего не скажешь о регулярных выражениях. Достаточно хотя бы посмотреть на эту статью, чтобы понять сколько неожиданностей и скрытных нюансов может содержать в себе незамысловатый паттерн. Выбор между страницами кода с циклами и регулярными выражениями совсем не между компактностью и объёмом, а между качеством, временными затратами и быстротой написания паттерна.

В качестве разделителей sed-у можно указывать вообще [почти] любой символ.

$ echo boo | sed 's/b/f/'
foo
$ echo boo | sed 's@b@f@'
foo
$ echo boo | sed 's:b:f:'
foo
$ echo boo | sed 's|b|f|'
foo
$ echo boo | sed 's.b.f.'
foo
$ echo boo | sed 's1b1f1'
foo

Эта часть не айс. В принципе, посмотрел тред - до меня уже более-менее все сказано.

>чего не скажешь о регулярных выражениях. Достаточно хотя бы посмотреть на эту статью, чтобы понять сколько неожиданностей и скрытных нюансов может содержать в себе незамысловатый паттерн.

научитесь их готовить.

Кстати, статья - очень начальная. Тема lookahead, без которых не напишешь сколько-нибудь продвинутых выражений - не раскрыты.

Я использую регэкспы интенсивно для кастом парсеров. В том числе, и генерируя и кеша выражения на-лету. Т.е. на входе - почти человеческий язык, понятных бухгалтерам (хоть в виде таблиц, что включается, что исключается, какие диапазоны эккаунтов итд. Тысячи, десятки тысяч выражений. Которые автоматом преобразуются из типа «7~4*, 7~5*(excluding 735107030, » + «7~550*, 7~551*, 7~555* , 7~558*, 7~560*, 7~565*, 7~5407640, 7~5407650, 7~5407840,7~570*)»
в «7.4.*|7(?!35107030|.550|.551|.555|.558|.560|.565|.5407640|.5407650|.5407840|.570).5.*

или из „F31042 to F31085, F39042 to F39085“ -> „F310(4[2-9]|[567][0-9]|8[0-5]) *|F390(4[2-9]|[567][0-9]|8[0-5]) *“

или „7* (excluding 735107030, 7~550,7~551)“ -> „7(?!35107030|.550|.551).*“)

(это самые простые. Чаще списки - сотни номеров в разных комбинациях)

и таких правил - тысячи, а счетов (их паттернов, категорий) - может и десятки тысяч и меняются они каждый квартал, иногда каждый день. Теперь представьте - вы будете код (свои циклы) менять каждый день? Каждый день релиз?

а потом тысячи правил очень эффективно процессятся.

Теперь напишите это в циклах и посмотрим - сколько раз вы идёте от начала каждого из стрингов. Бьюсь об заклад - что закешенные (пре-компилированные) регэкспы сделают это быстрее. Это важно, когда таких проверок - тысячи. Например, при обработке отчётности на уровне страны или области. Миллионы отчётов.

Другая классическая задача - номера машин. Они, как и номера телефонов - подчиняются определённым правилам. И таких правил может быть много. А при создании рул-энджинов, проверяющих потоки информации, и чтобы эти рул-энджины можно было на лету дополнять, менять непрограммистам - регэкспы - сильнейший тул.

Например, есть приложения обрабатывающие номера машин в реальном времени, а паттерны (правила) всё время меняются, как и законы. Что делать - всё время компилировать код?

«Секреты» - это скрытые вещи, а у регэкспов какие секреты?!! Для тех, кто не читал доки, все регэкспы - один большой секрет! :)
Статью не читал, но наверное для новичков полезная, +1.

“Some people, when confronted with a problem, think «I know, I'll use regular expressions.» Now they have two problems” ©
Особенно в таких примерах.

> Не понимаю, почему в мой любимый фреймворк Qt встроили какую-то кастрированную реализацию.

А чего там не хватает?

regexp: реальный искусственный интеллект

Порадовал anonymous (07.05.2010 23:09:44).

Для народного хозяйства лучший искусственный интеллект — это регэкспы, а не C++ и тем более LISP.