Краткая справка о синтаксисе регулярных выражений¶

В этот список помещены наиболее используемые / трудные для запоминания части движка регулярных выражений, доступные в calibre почти везде.

Классы символов ¶

Классы символов полезны для краткого представления различных групп символов.

Примеры:

Обозначение	Класс
`[а-я]`	Строчные буквы. Не включает символы с ударением и лигатурами.
`[а-я0-9]`	Строчные буквы от а до я а также цифры от 0 до 9.
`[А-Яа-я-]`	Заглавные, строчные буквы, а также тире. Чтобы включить тире в классе, вы должны поместить его в начале или в конце, чтобы не путать его с дефисом, который обозначает диапазон символов.
`[^0-9]`	Любые символы, кроме цифр. Каретка (^), помещенная в начале класса, исключает символы класса (дополненный класс).
`[[a-z]--[aeiouy]]` `[[а-я]--[аеёиоуыэюя]]`	Строчные согласные. Класс может быть включен в класс. Символы `--` исключают то, что следует за ними
`[\w--[\d_]]`	Все буквы (включая иностранные акцентированные символы). Сокращенные классы могут использоваться внутри класса

Пример:

<[^<>]+> to select an HTML tag

Сокращенные классы символов ¶

Обозначение	Класс
`\d`	Цифра (то же, что и `[0-9]`)
`\D`	Любой нецифовой символ (то же, что и `[^0-9]`)
`\w`	Буквенно-цифровой символ (`[a-zA-Z0-9]`), включая символы с меткой ударения и лигатуры
`\W`	Любой “non-word” («несловесный») символ
`\s`	Space (пробел), non-breaking space (неразрывный пробел), tab (табуляция), return line (обратная строка)
`\S`	Любой символ «без пробелов»
`.`	Любой символ кроме новой строки. Используйте флажок «dot all» или модификатор regexp `(?s)`, чтобы включить символ новой строки.

Квантификаторы ¶

Квантификатор	Количество вхождений выражения, предшествующего квантификатору
`?`	0 или 1 повторение регулярного выражения. Эквивалентно `{0,1}`.
`+`	Одно или более повторение регулярного выражения. Эквивалентно `{1,}`.
`*`	Любое - 0, 1 или более - количество повторений регулярного выражения. Эквивалентно `{0,}`.
`{n}`	Ровно n повторений регулярного выражения.
`{min,max}`	Количество повторений регулярного выражения, не менее min раз и не более max раз.
`{min,}`	Не менее min повторений регулярного выражения.
`{,max}`	Количество вхождений между 0 и включенным максимальным значением

По умолчанию в квантификаторах механизм регулярных выражений является жадным: он максимально расширяет выбор. Поначалу это часто вызывает сюрпризы. ``? `` следует за квантификатором, чтобы сделать его ленивым. Старайтесь не ставить два в одном выражении, результат может быть непредсказуемым.

Остерегайтесь вложенных квантификаторов, например, шаблона (a*)*, поскольку он экспоненциально увеличивает время обработки.

Перечисление ¶

Символ | в регулярном выражении соответствует логическому ИЛИ (OR). Т. е. могут совпадать либо предыдущее, либо последующее выражения.

Исключение ¶

Метод 1

шаблон_исключения(*SKIP)(*FAIL)|шаблон_для_поиска

Пример:

"Blabla"(*SKIP)(*FAIL)|Blabla

выбирает Blabla, в строках Blabla или «Blabla или Blabla», но не в «Blabla».

Метод 2

шаблон_для_исключения\K|(шаблон_для_отбора)

"Blabla"\K|(Blabla)

выбирает Blabla, в строках Blabla или «Blabla или Blabla», но не в «Blabla».

Якоря ¶

Якорь - это способ сопоставления логического расположения в строке, а не символа. Наиболее полезными якорями для обработки текста являются:

\b
Обозначает границу слова, то есть переход от пробела к непропробельному символу. Например, вы можете использовать \bsurd для сопоставления с surd, но не absurd.

^
Соответствует началу строки (в многострочном режиме, который используется по умолчанию)

$
Соответствует концу строки (в многострочном режиме, который используется по умолчанию)

\K
Сбрасывает начальную позицию выделения в его позицию в шаблоне. Некоторые движки регулярных выражений (но не calibre) не позволяют просматривать данные переменной длины, особенно с квантификаторами. Когда вы можете использовать \K с этими движками, это также позволяет вам избавиться от этого предела, написав эквивалент положительного взгляда позади длины переменной.

Группы ¶

(выражение)
Группа захвата, которая хранит выбор и может быть вызвана позже в шаблонах search или replace на \n, где `` n`` - порядковый номер группы захвата (начиная с 1 в порядке чтения)

(?:выражение)
Группа, которая не захватывает выбор

(?>expression)
Атомная группа: как только выражение удовлетворено, обработчик регулярных выражений проходит, и если остальная часть шаблона завершится неудачно, он не будет возвращаться, чтобы попробовать другие комбинации с выражением. Атомные группы не захватывают.

(?|expression)
Группа сброса ветвей: ветви чередований, включенные в выражение, имеют одинаковые номера групп

(?<name>expression)
Группа под названием «имя». Выбор может быть вызван позже в шаблоне search с помощью (?P=name) и в replace на \g<name>. Две разные группы могут использовать одно и то же имя.

Взгляды по сторонам ¶

Взгляд по сторонам	Смысл
`?=`	Позитивный lookahead (взгляд вперёд) (будет размещен после выделения)
`?!`	Негативный lookahead (взгляд вперёд) (ставится после выделения)
`?<=`	Позитивный lookbehind (взгляд назад) (ставится перед выделением)
`?<!`	Негативный lookbehind (взгляд назад) (ставится перед выделением)

Lookaheads (взгляды вперед) и lookbehinds (взгляды назад) не потребляют символы, они имеют нулевую длину и не захватывают. Они являются атомарными группами: как только утверждение выполнено, движок регулярных выражений проходит, и если не удастся остальная часть шаблона, он не будет возвращаться в обход, чтобы попробовать другие комбинации.

При поиске нескольких совпадений в строке, в начальной позиции каждой попытки сопоставления, взгляд назад может проверять символы перед текущей позицией. Поэтому в строке 123 шаблон (?<=\D)\d (цифра, перед которой стоит цифра) должен теоретически выбрать 2 и 3. С другой стороны, \d\K\d может выбрать только 2, потому что начальная позиция после первого выбора находится непосредственно перед 3, и для второго совпадения недостаточно цифр. Точно так же \d(\d) только захватывает 2. В практике движка регулярных выражений calibre положительный взгляд назад (positive lookbehind) ведёт себя таким же образом и выбирает только 2, вопреки теории.

Группы могут быть помещены в lookarounds (взгляды по сторонам), но захват редко полезен. Тем не менее, если это будет полезно, необходимо будет быть очень осторожным при использовании квантификатора во взгляде назад: жадность, связанная с отсутствием обратного отслеживания, может дать неожиданный захват. По этой причине, используйте \K, а не положительный взгляд назад (positive lookbehind), когда у вас есть квантификатор (или, что еще хуже, несколько) в группе захвата положительного взгляда назад (positive lookbehind).

Пример негативного взгляда вперёд:

(?![^<>{}]*[>}])

Помещенный в конец шаблона препятствует выделению внутри тега или стиля, встроенного в файл.

Когда бы ни было возможно, всегда лучше «закрепить» обходные пути, чтобы уменьшить количество шагов, необходимых для получения результата.

Рекурсия ¶

Обозначение	Смысл
`(?R)`	Рекурсия всего шаблона
`(?1)`	Рекурсия единственного шаблона нумерованной группы захвата, здесь группа 1

Рекурсия вызывает себя. Это полезно для сбалансированных запросов, таких как строки в кавычках, которые могут содержать встроенные строки в кавычках. Таким образом, если во время обработки строки между двойными кавычками мы сталкиваемся с началом новой строки между двойными кавычками, мы хорошо знаем, как это сделать, и мы вызываем себя. Тогда у нас есть шаблон, вроде:

start-pattern(?>atomic sub-pattern|(?R))*end-pattern

Чтобы выбрать строку между двойными кавычками, не останавливаясь на встроенной строке:

“((?>[^“”]+|(?R))*[^“”]+)”

Этот шаблон также можно использовать для изменения пар тегов, которые могут быть встроены, таких как теги <div>.

Специальные символы ¶

Обозначение	Символ
`\t`	табуляция
`\n`	Разрыв строки
`\x20`	(разрываемый) пробел
`\xa0`	неразрываемый пробел

Мета-символы ¶

Мета-символы - это те, которые имеют особое значение для движка регулярных выражений. Из них двенадцати должен предшествовать escape-символ, обратная косая черта (\), чтобы потерять свое особое значение и снова стать обычным символом:

^ . [ ] $ ( ) * + ? | \

Семи другим метасимволам не обязательно должен предшествовать обратный слеш (но он может быть без каких-либо других последствий):

{ } ! < > = :

Специальные символы теряют свой статус, если они используются внутри класса (между скобками []). Закрывающая скобка и тире имеют особый статус в классе. Вне класса тире - это простой литерал, закрывающая скобка остается метасимволом.

Косая черта (/) и знак числа (или хэш-символ) (#) не являются метасимволами, их не нужно экранировать.

В некоторых инструментах, таких как regex101.com с движком Python, двойные кавычки имеют специальный статус разделителя и должны быть экранированы, либо параметры изменены. Это не так в редакторе calibre.

Режимы ¶

(?s)
Заставляет точку (.) совпадать с символами новой строки

(?m)
Заставляет якоря ^ и $ соответствовать началу и концу строк вместо начала и конца всей строки.

Related Topics