VadKomarov Junior Member Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору Romul81 Цитата: Парсить что? HTML? Или буфер обмена копированного со станицы текста? Все варианты можно рассмотреть как html так и буфер, но буфер предпочтительней.   вообще регулятки отрабатываются через RegEx в Delphi Код:   ... Reg := TRegEx.Create(masshab[k],[roIgnoreCase, roMultiLine]);   if Reg.IsMatch(form1.Memo2.Lines.Text) then   begin     M:=Reg.Matches(form1.Memo2.Lines.Text); ... for j := 1 to m[i].Groups.Count-1 do begin        form1.Memo2.Lines.Add(M[i].Groups.Item[j].Value); ...     В общем программулина которая следит за памятью и если находит в ней текст который можно отработать каким нибудь регулярным выражением (которые храняться в файле/ах) то програмулина отрабатывает и помещает обратно в буфер уже преобразованные данные.   к примеру есть какой то текст который можно выбирать   01.02.2000 - http//.... Тут какой то текст и т.д. 02.02.2001 - http//..... Тут какой то текст и т.д .... и надо отработать такой текст и в память положить такой результат: ПРОВЕРКА ПРОВОДИЛАСЬ 01.02.2000 г. по адресу http//..... ПРОВЕРКА ПРОВОДИЛАСЬ 01.02.2001 г. по адресу http//..... ....   Регулярные выражения и результаты храняться в таком виде: ПРИМЕР:Файл с регулярками   Все это в программе можно выбирать.... и пока хватало... но возникла необходимость отрабатывать данные с сайта (пока что связано с расписанием) поездов.   и надо регулярку или вариант решения подобной задачи. Всего записей: 100 | Зарегистр. 01-05-2005 | Отправлено: 13:22 14-01-2019

Romul81 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору VadKomarov Теперь понятно. Пробовал с буфером обмена. Если нужны только строки с промежуточными станциями, то регулярка следующая:   Найти: Код: ^\x20\t{2}((?:[^\r\n\t]+\t){5})\r?\n([^\r\n\t]+)   Заменить: Код: \1\t\2 Выставьте флаг "символ ^ находит начало строки" - не знаю, как с этим в Delphi.   Если требуется первый пункт и пункт назначения, то могут быть варианты. Лучше сделать отдельной регуляркой, если есть такая возможноть. Если нет, то надо усложнять эту. Например так:   Найти: Код: ^\x20\t{2}((?:[^\r\n\t]+\t{3}(?:[^\r\n\t]+\t){2}|(?:[^\r\n\t]*\t){5})$)(?:\r?\n(?=\d)([^\r\n\t]+)|$)   Заменить то же. Ещё раз, должны быть вставлены флаги "^$ match at line breaks", хотя можно указать в самой регулярке так:   Код: (?m:^\x20\t{2}((?:[^\r\n\t]+\t{3}(?:[^\r\n\t]+\t){2}|(?:[^\r\n\t]*\t){5})$)(?:\r?\n(?=\d)([^\r\n\t]+)|$))   Проверил другую страницу с расписанием - вроде работает. Всего записей: 1329 | Зарегистр. 03-03-2008 | Отправлено: 14:12 14-01-2019

Baltazar500 Silver Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Есть текст Код: ('10','10','20') <span style="color:#4b4b4b">aaa bbb ccc ddd </span> <br />(aaa bbb ccc 123)</nobr> и в нём надо найти текст обратный "<.+?>" (lazy/non-greed). Всё пытаюсь инвертировать это выражение, но с negative look-ahead (?!) у меня дела туго идут, либо я вообще не в ту сторону смотрю. Всего записей: 2271 | Зарегистр. 19-09-2011 | Отправлено: 06:52 21-01-2019

Romul81 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Baltazar500 Цитата: и в нём надо найти текст обратный "<.+?>" (lazy/non-greed). Вы не совсем ясно объяснили. Тем не менее попробую ответить. Просто так, только в рамках регулярных выражений, инвертировать не получится. Нужна программная логика. Она легко реализуется в том же TextPipe, к примеру. Не говоря уже о языках программирования. Парсить HTML регулярками вообще дело неблагодарное. Для этого существуют специализированные инструменты. Максимум, что вы можете сделать, основываясь на этом примере, это первым проходом удалить HTML-теги. Следующей регуляркой: Код: </?[a-z][a-z0-9]*[^<>]*> Останется нужный вам контент. Всего записей: 1329 | Зарегистр. 03-03-2008 | Отправлено: 12:36 21-01-2019

Baltazar500 Silver Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Romul81, Цитата: Вы не совсем ясно объяснили. тут был интерес в возможности инвертирования данной регулярки для поиска значений обратной ей, дабы grep'ом через -oP выцепить всё, что мне было нужно. Ну ежели так нельзя, значит буду sed'ом по вашей регулярке (спасибо, лишний раз голову ломать не буду). Цитата: Парсить HTML регулярками вообще дело неблагодарное. Да я в курсе Но тот сайт статичен и изменений на нём не предвидится в принципе, так что всё ОК. Цитата: Для этого существуют специализированные инструменты. Порывался разобраться с этим делом и наставил кучу tool'ов, но а итоге понял, что на разборки с ними уйдёт прорва времени для задачи, которая всплывает раз в 2-3 месяца. Всего записей: 2271 | Зарегистр. 19-09-2011 | Отправлено: 21:09 21-01-2019

Nikolai2004 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору в документации текстового редактора EmEditor написано, что он использует Boost library Regex++. хочу под него настроить RegexBuddy 4.5, но в нем нет такой разновидности (flavor) регулярных выражений. я вот нашёл целую таблицу как Boost отличается от std::regex, JavaScript и Perl. кто-нибудь может помочь?   Добавлено: update: блин, заглянул на оф.сайт, уже есть более новая RegexBuddy 4.9, где добавлена разновидность Boost. вопрос снимается Всего записей: 1523 | Зарегистр. 07-01-2004 | Отправлено: 22:06 22-01-2019

Romul81 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Nikolai2004   Дык это, вопрос не так прост на первый взгляд... Boost - это библиотека, написанная на языке С++. В том же RegexBuddy для этой библиотеки имеется 7(!) диалектов. Какой конкретно используется в EmEditor для меня вопрос.   Но это ещё не всё. С версии 15.7 в EmEditor появилась поддержка альтернативного движка - Onigmo, который мне лично кажется более симпатичным. Его синтаксис можно найти как в справке самого EmEditor, так и в репозитории проекта. В RegexBuddy вы можете составлять совместимые регулярки, выбрав синтаксис ...Ruby Да, этот язык программирования использует библиотеку Onigmo в качестве движка регулярных выражений. А вообще, это одно семейство - Perl/PCRE/Boost/Onigmo и многие другие, которые повторяют синтаксис Perl с некоторыми (не)значительными отличиями. Вряд ли вам попадётся ситуация, когда бы потребовалась регулярка, в которой эти отличия имели бы значение. Это, надо сказать, достаточно продвинутый уровень, где важны подобные нюансы. Очень многие программисты даже не тратят время на освоение всех тонкостей и премудростей регэкспов. Сложную логику проще реализовать программно.   Возвращаясь к движкам. Самым главным недостатком всех перло-подобных диалектов, на мой взгляд является отсутствие такой вещи как Variable-length look-behind. В том числе и поэтому EmEditor-ом я не пользуюсь. EditPad с его собственным движком выгодно отличается в этом плане. Хотя, ничего идеального нет, конечно... Всего записей: 1329 | Зарегистр. 03-03-2008 | Отправлено: 00:24 23-01-2019

Nikolai2004 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Romul81 Цитата: Variable-length look-behind из описания не понял что это, а интересно. можете дать краткий пример регулярки и того, что она делает с заданным текстом? Всего записей: 1523 | Зарегистр. 07-01-2004 | Отправлено: 22:03 23-01-2019

Romul81 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Nikolai2004 Цитата: можете дать краткий пример регулярки и того, что она делает с заданным текстом? Регулярное выражение: Код: (?<=\b\w{1,2})\d Текст: Цитата: a1 ab1 abc1 Эта регулярка находит текст a1, ab1 но не abc1 в программах JGSoft, новом JavaScript из V8 и .NET. Большинство перло-подобных диалектов так сделать не дадут. Для них в этом регулярном выражении ошибка -  variable repetition inside lookbehind - т.е. заглядывание назад переменной длины. А это очень нужный функционал для интенсивной обработки текста в редакторе, в частности в контексте создания словарей. Понятное дело, что пример простейший. Но отражает сам принцип. В EditPad, к примеру, вы можете указать сколь угодно сложное выражение в этом самом блоке lookbehind, в том числе вложенные конструкции в со своими lookbehind или lookahead, в т.ч. переменной длины. Всего записей: 1329 | Зарегистр. 03-03-2008 | Отправлено: 00:44 24-01-2019

Romul81 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Ещё практический пример. Проверка множественного экранирования обратным слешем. Код: (?<=(?<!\\)|(?<!\\)(?:[\\]{2})+)   Использую, к примеру, в регулярке, которая удаляет все DSL-теги, причём учитывая это самое множественное экранирование: Код: (?<=(?<!\\)|(?<!\\)(?:[\\]{2})+)(?:\[(?:(?:\/?(?:[\*'bcimpstu]|com|ex|ref|trn|!trs|su[bp]|url))|(?:m\d|c\x20[a-z]{3,20}|lang(?:\x20(?:id=\d{1,5}|name="[A-Za-z]{5,22}"))|ref(?:\x20dict="[^\r\n"]+")|br)|\/lang)\]|[\\#@~^]|{{.*?}}|<<|>>) Такая регулярка не работает в перло-подобных диалектах. Более того, мне не известен способ достичь подобного функционала в рамках синтаксиса Perl/PCRE/etc. На данный момент работает только в JGSoft, .NET и JavaScript V8 (Chrome, Node.js). Всего записей: 1329 | Зарегистр. 03-03-2008 | Отправлено: 18:48 24-01-2019

Nikolai2004 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору мне тяжело понять даже концепцию lookbehind, куда уж там до variable-length внутри неё но ладно, может когда-нибудь доросту. пока EmEditor с его boost library меня всем устраивает. тем более, что в EditPad нет очень полезной функции работы с CSV-таблицами Всего записей: 1523 | Зарегистр. 07-01-2004 | Отправлено: 18:58 26-01-2019

AZJIO Silver Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору Romul81 (?<=...) просмотр назад можно конечно организовать без использования этим способом, а просто сделать обычную регулярку с группой, но пошаговый поиск с возвращением начало поиска назад на ширину этой группы и с контролированием позиции найденного, если та же позиция то не добавлять искомое. Ну это конечно программно. А при обычном поиске просто не используешь группу добавляя (?:...) или \K, но опять же что мы делаем подсчёт, проверку вхождения, валидность? Просто те кто не добавили возможность просмотра назад переменной длины возможно предвидели проблему как это будет действовать в разных условиях, когда искомое и просмотренное назад одинаковое, когда просмотренное назад можно по всякому интерпретировать, это не тоже самое что искать общую регулярку, а именно найти искомую и проверить что перед ней стоят символы. Иначе пришлось бы много раз проверять предыдущую часть текста на вхождение регулярки конец которой совпадал бы с началом найденного. То есть это сделать можно но не в универсально быстрой концепции просмотра назад. Всего записей: 4536 | Зарегистр. 03-05-2006 | Отправлено: 06:24 30-01-2019 | Исправлено: AZJIO, 06:40 30-01-2019

Romul81 Advanced Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору AZJIO (post) Цитата: Ну это конечно программно. В том то и дело. Раньше в JS так и делал - по глобальному exec и потом отдельной проверкой первой группы на чётность. С поддержкой variable-length такая необходимость отпадает. Хотя, вопрос что быстрее остаётся открытым. Цитата: А при обычном поиске просто не используешь группу добавляя (?:...) или \K Группу (?:...) использую всегда по возможности. Но \K не использую - эта фича поддерживается далеко не везде. Конкретно в тех диалектах, с которыми я работаю, её нет. Цитата: То есть это сделать можно но не в универсально быстрой концепции просмотра назад. Да, здесь основная проблема - быстродействие. Я тоже предполагаю, что внедрить поддержку variable-length технически не проблема. Проблема возникает с плохо-составленными регулярками. Особенно если в (?<=...) присутствует точка в многострочном режиме. Там будет просто сумасшедшее кол-во бактраков. Всё повиснет намертво на большом тексте. Эту фичу надо пользовать с умом. Например, я перед тем как смотреть назад, сначала смотрю вперёд: Код: (?=[abc])(?<=...)[abc] На практике, та регулярка "strip DSL tags" будет выглядеть так: Код: (?=[<>@[\\^{~])(?<=(?<!\\)|(?<!\\)(?:\\{2})+)(?:\[(?:(?:\/?(?:[\*'bcimpstu]|com|ex|lang|ref|trn1?|!trs|su[bp]|url))|(?:m\d|c\x20[a-z]{3,20}|lang\x20(?:id=\d{1,5}|name="[A-Za-z]{5,22}")|ref(?:\x20dict="[^\r\n"]+")|br))\]|[\\@~^]|{{2}[\s\S]*?}{2}|<{2}|>{2}) Всего записей: 1329 | Зарегистр. 03-03-2008 | Отправлено: 11:28 30-01-2019

YuS_2 Silver Member Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору gerxer Цитата:  и   Это условие предполагает такой шаблон: Код: ^c[^\n,]+$   А вот на счет: Цитата: выделить все строки - будет зависеть от инструмента, где используются регэкспы... Всего записей: 3218 | Зарегистр. 03-02-2009 | Отправлено: 21:12 02-02-2019

Страницы: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97

Компьютерный форум Ru.Board » Компьютеры » Прикладное программирование » Регулярные выражения

Переход по форумам  Закладки   » Компьютеры Цифровое изображение Программы Microsoft Windows UNIX Другие OS Hardware В помощь сисадмину Прикладное программирование Игры Форумные игры   » Интернет Web-программирование В помощь вебмастеру Графика Хостинг Зацените-ка!   » Тематические Ikonboard v.2 Ikonboard v.3 Invision Board Другие форумы PHP-Nuke и другие порталы Мобила   » Общие Спорт Флейм Темы по региональным встречам Музыка и Кино Юмор Литература и Живопись   » Ru.Board Новости Помощь по форуму   » Андеграунд eBookz Варезник Раздачи и акции Мобильный варезник Андеграунд Игры и фильмы   » Специальные Тестирование