Регулярные выражения в Julia

Регулярное выражение описывает шаблон для сопоставления строк. Его можно использовать, чтобы проверить, содержит ли строка определённую подстроку, заменить совпавшие подстроки или извлечь из строки подстроки, удовлетворяющие определённому условию.

В Julia есть регулярные выражения (regex), совместимые с Perl.

Три формы регулярных выражений в Julia — это сопоставление, подстановка и преобразование:

  • Сопоставление: m// (также можно сократить как //, опуская m)

  • Замена: s///

  • Преобразование: tr///

Эти три формы обычно используются с=~или!~вместе; =~ указывает на совпадение, а !~ указывает на несовпадение.

В Julia ввод регулярных выражений использует префиксы, которые всеrначинаются с:

Пример

julia> re = r"^\s*(?:#|$)"
r"^\s*(?:#|$)"


julia> typeof(re)
Regex

Чтобы проверить, соответствует ли регулярное выражение строке, используйтеoccursin:

Пример

julia> occursin(r"^\s*(?:#|$)", "not a comment")
false

julia> occursin(r"^\s*(?:#|$)", "# a comment")
истина

Как видите,occursinвозвращает только true или false, указывая, встречается ли заданное регулярное выражение в строке. Однако обычно мы хотим знать не только, совпадает ли строка, но и как именно она совпадает. Чтобы получить информацию о совпадении, можно использоватьmatch-функцию:

Пример

julia> match(r"^\s*(?:#|$)", "not a comment")

julia> match(r"^\s*(?:#|$)", "# a comment")
RegexMatch("#")

Если регулярное выражение не совпадает с заданной строкой, match возвращает nothing — специальное значение, которое ничего не выводит в интерактивной консоли. Помимо того что оно не печатается, это совершенно обычное значение, которое можно проверить программно:

Пример

m = match(r"^\s*(?:#|$)", line)
if m === nothing
    println("not a comment")
else
    println("blank or comment")
end

Если регулярное выражение совпадает, match возвращает объект RegexMatch. Эти объекты фиксируют, как выражение совпало, включая подстроку, совпавшую с шаблоном, и любые подстроки, которые могли быть захвачены. В приведённом выше примере была захвачена только часть совпадающей подстроки, но, возможно, мы хотим захватить любой непустой текст после символа комментария. Мы можем сделать это:

Пример

julia> m = match(r"^\s*(?:#\s*(.*?)\s*$|$)", "# a comment ")
RegexMatch("# a comment ", 1="a comment")

При вызове match можно дополнительно указать индекс, с которого начинать поиск. Например:

Пример

julia> m = match(r"[0-9]","aaaa1aaaa2aaaa3",1)
RegexMatch("1")

julia> m = match(r"[0-9]","aaaa1aaaa2aaaa3",6)
RegexMatch("2")

julia> m = match(r"[0-9]","aaaa1aaaa2aaaa3",11)
RegexMatch("3")

Из объекта RegexMatch можно извлечь следующую информацию:

  • Вся совпавшая подстрока:m.match
  • Захваченные подстроки в виде массива строк:m.captures
  • Смещение, с которого начинается всё совпадение:m.offset
  • Смещения захваченных подстрок в виде вектора:m.offsets

Когда захват не совпадает,m.capturesон больше не содержит подстроку в этой позиции, а содержит значение nothing; кроме того,m.offsetsсмещение равно 0 (помните, что индексация в Julia начинается с 1, поэтому нулевое смещение недопустимо для строки). Вот два несколько надуманных примера:

Пример

julia> m = match(r"(a|b)(c)?(d)", "acd")
RegexMatch("acd", 1="a", 2="c", 3="d")

julia> m.match
"acd"

julia> m.captures
3-element Vector{Union{Nothing, SubString{String}}}:
 "a"
 "c"
 "d"

julia> m.offset
1

julia> m.offsets
3-element Vector{Int64}:
 1
 2
 3

julia> m = match(r"(a|b)(c)?(d)", "ad")
RegexMatch("ad", 1="a", 2=nothing, 3="d")

julia> m.match
"ad"

julia> m.captures
3-element Vector{Union{Nothing, SubString{String}}}:
 "a"
 nothing
 "d"

julia> m.offset
1

julia> m.offsets
3-element Vector{Int64}:
 1
 0
 2

То, что захваченные группы возвращаются в виде массива, удобно, потому что их можно привязать к локальным переменным с помощью синтаксиса деструктуризации. Для удобства объекты RegexMatch реализуют метод итератора, делегирующий полю captures, поэтому можно напрямую деструктурировать объект сопоставления:

Пример

julia> first, second, third = m; first
"a"

К захваченным группам также можно получить доступ, индексируя объект RegexMatch по номеру или имени группы захвата:

Пример

julia> m=match(r"(?<hour>\d+):(?<minute>\d+)","12:45")
RegexMatch("12:45", hour="12", minute="45")

julia> m[:minute]
"45"

julia> m[2]
"45"

При использовании replace вы можете ссылаться на захваченные группы в строке замены, используя \n для ссылки на n-ю группу захвата и добавляя префикс s к строке замены. Группа захвата 0 относится ко всему совпадению. В заменах \gможно использовать для ссылки на именованные группы захвата. Например:

julia> replace("first second", r"(\w+) (?<agroup>\w+)" => s"\g<agroup> \1")
"second first"

Для ясности, на нумерованные группы захвата также можно ссылаться с помощью \gнапример:

julia> replace("a", r"." => s"\g<0>1")
"a1"

Вы можете изменить регулярное выражение, добавив такие флаги, как i, m, s и x, после закрывающей двойной кавычки.

Подробнее о регулярных выражениях см.:Регулярные выражения — руководство

Другие расширения