introduction to Regular Expression

2013/5/13 in STUST CSIE

Transcript

1. introduction to Regular Expression CCN KKBOX, Inc. 2013/5/13 STUST
2. 什麼是 Regular Expression
3. 什麼是 Regular Expression • 描述某個語法規則的字串 (Pattern) • 強⼤大的⽂文字處理⼯工具
4. 就算你不寫程式
5. 你還是有機會⽤用到
6. 什麼是 Regular Expression • 處理⼤大量⽂文字 • 統計 • 分析 • 報表
7. 它可以做什麼 • 搜尋字串 (match) • 取代字串 (replace)
8. Pattern Match
9. 電話號碼 • 0988-123456 • 09\d\d-?\d\d\d-?\d\d\d • 09\d{2}-?\d{3}-?\d{3} • 06-253-3131 • 0\d-?\d{3,4}-?\d{4}
10. IP Address • (25[0-5]|2[0-4][0-9]|1?[0-9]{1,2}\.){3} 25[0-5]|2[0-4][0-9]|1?[0-9]{1,2} • 127.0.0.1 • 168.95.1.1 • 256.0.3.1
11. ⾝身分證字號 • [A-Z][12]\d{8} • A123456789 • B222555888
12. Link • <a href=”http://tw.kkbox.com”>KKBOX</a> • /href=[‘“](.*?)[‘“]/ • http://tw.kkbox.com • /href=[‘“](.*?)[‘“]>([^<]+)<\/a>/ • http://tw.kkbox.com • KKBOX
13. Pattern Replace
14. 移除 HTML Tag • <h1>Section1</h1><p>hello world</p> • s/<[^>]+>/ / • Section hello world
15. 移除 HTML Tag ‧全校活動⼀一覽表 ‧南臺校訊 ‧圖書館 ! ! ‧藝⽂文中⼼心 ‧UCAN職能診斷平台 ‧南臺專利技轉、讓與公告 ! ! ‧本校⽤用電資料 ‧海外留學資訊 ‧雲嘉南區域教學資源中⼼心 ! ! ‧註冊選課專區 ‧推廣教育招⽣生 ‧南臺志⼯工⼤大學 ! ! ‧南臺幼稚園 ‧考選部 ‧南臺Facebook粉絲團 ! ! ‧社團活動專區 ‧性別平等教育委員會 ‧南臺科⼤大夏令營
16. 移除空⽩白⾏行 • s/^\s*$// ‧全校活動⼀一覽表 ‧南臺校訊 ‧圖書館 ‧藝⽂文中⼼心 ‧UCAN職能診斷平台 ‧南臺專利技轉、讓與公告 ‧本校⽤用電資料 ‧海外留學資訊 ‧雲嘉南區域教學資源中⼼心 ‧註冊選課專區 ‧推廣教育招⽣生 ‧南臺志⼯工⼤大學 ‧南臺幼稚園 ‧考選部 ‧南臺Facebook粉絲團 ‧社團活動專區 ‧性別平等教育委員會 ‧南臺科⼤大夏令營
17. 基本語法
18. Characters (字元)
19. Character sequence • /foo/ - match foo • /bar/ - match bar • . - wildcard (萬⽤用字元)
20. Character class • denoted by [] • any character sequence • [abc], [AaBbCc], [012345] • character range • [0-9], [A-Z], [0-9A-Z] • mix • [ABC0-5], [A-F0-9]
21. Character class • Inverse denoted by [^] • inverse sequence • [^abc], [^AaBbCc], [^012345] • inverse range • [^0-9], [^A-Z], [^0-9A-Z]
22. Character class • example • /m[ao]de/ • match - made or mode • /[Ss]tust/ • match - Stust or stust
23. Predefined character classes from Wikipedia
24. Quantifiers (數量)
25. + • match 1+ times • /a+b/ • match ab • match aab • match aaab • not match b
26. * • match 0+ times • /a*b/ • match ab • match aab • match aaab • also match b
27. ? • match 0 or 1 times • /a?b/ • match ab • match b
28. {n, m} • match least n time but no more than m times • /a{2, 3}b/ • match aab • match aaab • not match ab • not match aaaab
29. {n} • match n time • /a{2}b/ • match aab • not match ab • not match aaab
30. Characters && Quantifiers • 0\d-?\d{3,4}-?\d{4} • 06-253-3131 • 02-8825252 • 028825252 • 037-000-2222 • Tel: 110
31. Characters && Quantifiers • [A-Z][12]\d{8} • A123456789 • AA123456789 • A369000111 • a123456789
32. Assertions (斷點)
33. ^ • ⾏行頭 (beginning of line) • ^[A-Z][12]\d{8} • A123456789 • AA123456789 • A1234567890
34. $ • ⾏行尾 (ending of line) • [A-Z][12]\d{8}$ • A123456789 • AA123456789 • A1234567890
35. ^ && $ • ⾏行尾 (ending of line) • ^[A-Z][12]\d{8}$ • A123456789 • AA123456789 • A1234567890
36. \b • 字的邊界 (word boundary) • \b[A-Z][12]\d{8}\b • hello A123456789 world • BBA123456789123 • A1234567890
37. Captures
38. ⽤用括號來表⽰示⼀一個 Group • (\w)(\w)\2\1 • AAAA • ABBA • ABCD • CDCD • ABAB
39. Greediness
40. Greedy • <tr><td>A</td><td>B</td></tr> • /<td>.*<\/td>/ • <td>A</td><td>B</td>
41. Non-greedy • <tr><td>A</td><td>B</td></tr> • /<td>.*?<\/td>/ or /<td>.*<\/td>/U • <td>A</td> • <td>B</td>
42. 基本語法 • Characters (字元) • Quantifiers (數量) • Assertions (斷點) • Captures • Greediness
43. 可以幹⿇麻?
44. 南台⾸首⾴頁公告 • http://news.stust.edu.tw/classid/ ! ! ! !
45. ⼗十分鐘寫出正妹牆?
46. PCHome 24H 降價通知 ! ! ! ! !
47. 程式碼搜尋
48. access log 分析 • 搭配各項⼯工具 • grep • awk • sed • sort • uniq
49. QA