1
00:00:00,000 --> 00:00:02,000
[Powered by Google Translate] [Seminář: Pattern Matching pomocí regulárních výrazů]

2
00:00:02,000 --> 00:00:04,000
[John Mussman-Harvard University]

3
00:00:04,000 --> 00:00:07,220
[Toto je CS50.-CS50.TV]

4
00:00:07,780 --> 00:00:11,610
Dobře. No, vítejte všichni. To je CS50 2012.

5
00:00:11,780 --> 00:00:16,610
Jmenuji se John, a já budu mluvit dnes o regulárních výrazech.

6
00:00:16,610 --> 00:00:22,530
Regulární výrazy je především nástroj, ale také se někdy používá

7
00:00:22,530 --> 00:00:28,650
v kódu aktivně v podstatě odpovídaly vzory a řetězce.

8
00:00:28,650 --> 00:00:33,800
Tak tady je to webový komiks od xkcd.

9
00:00:34,440 --> 00:00:42,370
V tomto komiksu je záhadné vraždy, kdy vrah má

10
00:00:42,370 --> 00:00:47,860
následovala někoho na dovolenou, a protagonisté musí

11
00:00:47,860 --> 00:00:52,500
prohledávat 200MB e-mailů, kteří hledají adresu.

12
00:00:52,500 --> 00:00:56,090
A oni se chystají vzdát, když někdo, kdo ví, regulární výrazy -

13
00:00:56,090 --> 00:01:00,550
pravděpodobně superhrdina - snášení dolů a píše nějaký kód

14
00:01:00,550 --> 00:01:02,970
a řeší záhadnou vraždu.

15
00:01:02,970 --> 00:01:07,370
Takže zřejmě to bude něco, co bude mít pravomoc dělat

16
00:01:07,370 --> 00:01:09,370
Po tomto semináři.

17
00:01:09,370 --> 00:01:12,250
My se právě chystá poskytnout stručný úvod do jazyka

18
00:01:12,250 --> 00:01:16,770
a dá vám dostatek prostředky jít po více prostředků na vlastní pěst.

19
00:01:17,680 --> 00:01:21,700
>> Takže regulární výrazy vypadají v podstatě takhle.

20
00:01:22,930 --> 00:01:25,550
To je regulární výraz v Ruby.

21
00:01:25,550 --> 00:01:29,280
To není příliš odlišný v různých jazycích.

22
00:01:29,690 --> 00:01:37,630
Máme jen na lomítka začít a označte regulární výraz v Ruby.

23
00:01:37,630 --> 00:01:42,880
A to je regulární výraz hledat v e-mailové adresy vzoru.

24
00:01:42,880 --> 00:01:49,160
Vidíme tedy, na prvním bitem hledá alfanumerické znaky.

25
00:01:50,500 --> 00:01:54,880
To je proto, že e-mailové adresy se často musí začínat abecedním znakem.

26
00:01:55,460 --> 00:01:59,330
A pak nějaký zvláštní znak následovaný symbolem @.

27
00:01:59,330 --> 00:02:03,260
A pak to samé pro název domény.

28
00:02:03,260 --> 00:02:10,030
A pak mezi 2 a 4 znaky hledat. Com,. Net, a tak dále.

29
00:02:10,850 --> 00:02:13,200
Tak, že je další příklad regulárního výrazu.

30
00:02:13,200 --> 00:02:17,270
Takže regulární výrazy jsou protokoly pro zjištění dekory v textu.

31
00:02:17,270 --> 00:02:21,130
Dělají porovnání, výběr a nahrazení.

32
00:02:21,690 --> 00:02:27,970
Takže Třetí příklad je najít všechna telefonní čísla končící na 54 v adresáři.

33
00:02:27,970 --> 00:02:34,360
Takže než potrhaný Davida až na CS50 adresáři můžeme hledat

34
00:02:34,360 --> 00:02:40,450
vzor, ​​kde máme závorky pak 3 čísla a pak je konec závorky,

35
00:02:40,450 --> 00:02:44,070
3 další čísla, pomlčka, dvě čísla, a pak 54.

36
00:02:44,070 --> 00:02:48,310
A to by v podstatě, jak přijít s regulární výraz pro hledání za to.

37
00:02:49,150 --> 00:02:52,960
>> Takže tam jsou - jsme udělali některé věci CS50 které jsou trochu jako

38
00:02:52,960 --> 00:02:59,740
regulární výrazy, takže - například - v dictionary.C souboru

39
00:02:59,740 --> 00:03:04,720
pro problémové překlepů soubor, který může být použit fscanf

40
00:03:04,720 --> 00:03:07,930
číst slovem ze slovníku.

41
00:03:07,930 --> 00:03:16,240
A vidíte, procento 45s hledá řetězec 45 znaků.

42
00:03:16,240 --> 00:03:20,020
Tak to je něco jako rudimentární regulárního výrazu.

43
00:03:21,150 --> 00:03:26,060
A můžete mít nějaké 45 znaky, které budou slušet tam

44
00:03:26,060 --> 00:03:28,080
a vybrat ty nahoru.

45
00:03:28,080 --> 00:03:33,480
A pak druhý příklad v posledním problému programování pro web

46
00:03:33,480 --> 00:03:40,760
nastavit v distro kódu pro PHP jsme vlastně mají jednoduchý regulární výraz.

47
00:03:40,760 --> 00:03:46,790
A tohle je prostě chtějí zkontrolovat, zda je webová stránka, která je předán

48
00:03:46,790 --> 00:03:51,940
odpovídá buď přihlašte se nebo se zaregistrujte odhlášení. PHP.

49
00:03:52,220 --> 00:03:57,910
A pak se vracet true nebo false na základě tohoto porovnávání regulárního výrazu.

50
00:03:59,400 --> 00:04:01,740
>> Takže když používáte regulární výraz?

51
00:04:01,740 --> 00:04:04,820
Proč jste tady dnes?

52
00:04:05,330 --> 00:04:08,480
Takže nechcete použít regulární výraz, když je tu něco, co

53
00:04:08,480 --> 00:04:11,640
dělá práci za vás ještě snadněji.

54
00:04:11,640 --> 00:04:15,510
Takže XML a HTML jsou vlastně docela složité

55
00:04:15,510 --> 00:04:18,480
napsat regulární výrazy pro jak uvidíme za chvíli.

56
00:04:19,110 --> 00:04:23,280
Takže tam jsou vyhrazené pro analyzátory těchto jazyků.

57
00:04:24,170 --> 00:04:30,060
Také je potřeba být v pořádku s kompromisy a přesnost často.

58
00:04:30,060 --> 00:04:36,220
Pokud jste se snaží - a tak jsme viděli regulární výraz na e-mailovou adresu,

59
00:04:37,370 --> 00:04:42,590
ale že jste chtěl konkrétní e-mailovou adresu a postupně

60
00:04:42,590 --> 00:04:48,570
regulární výraz může být složitější, protože to se stalo přesnější.

61
00:04:49,580 --> 00:04:52,260
Tak, že by byl jeden kompromis.

62
00:04:52,260 --> 00:04:55,330
Můžete si být jisti, že jste v pořádku, aby se regulární výraz.

63
00:04:55,330 --> 00:04:57,920
Pokud přesně víte, co hledáte, by to mohlo dávat větší smysl

64
00:04:57,920 --> 00:05:02,070
aby v čase a napsat efektivnější analyzátor.

65
00:05:02,070 --> 00:05:06,980
A konečně je zde historický problém s pravidelností

66
00:05:06,980 --> 00:05:08,940
výrazů a jazyků.

67
00:05:08,940 --> 00:05:12,960
Regulární výrazy jsou ve skutečnosti mnohem silnější než

68
00:05:12,960 --> 00:05:16,450
regulární výrazy na řekněme ve formálním smyslu.

69
00:05:17,130 --> 00:05:20,150
>> Takže nechci jít příliš daleko do formální teorii,

70
00:05:20,150 --> 00:05:24,000
ale většina jazyků, které máme kód ve skutečnosti nejsou pravidelné.

71
00:05:24,000 --> 00:05:29,110
A to je důvod, proč se někdy regulární výrazy nejsou považovány za vše, co v bezpečí.

72
00:05:29,670 --> 00:05:33,150
Takže v podstatě je Chomského hierarchie jazyků pro jazyky,

73
00:05:33,150 --> 00:05:38,400
a regulární výrazy jsou budovány s použitím spojení, zřetězení,

74
00:05:38,400 --> 00:05:41,810
a Kleene hvězda operaci, uvidíme za pár minut.

75
00:05:43,130 --> 00:05:48,860
Pokud máte zájem o teoreticky tam je docela hodně to tam děje pod kapotou.

76
00:05:50,360 --> 00:05:55,880
>> Tak krátkou historií - jen pro kontext zde - pravidelné sady přišel

77
00:05:55,880 --> 00:05:59,580
v roce 1950, a pak jsme měli jednoduché editory, které

78
00:05:59,580 --> 00:06:03,300
začleněny regulární výrazy - jen vyhledávání řetězce.

79
00:06:03,570 --> 00:06:09,110
Grep - což je nástroj pro příkazovou řádku - byl jedním z prvních,

80
00:06:09,110 --> 00:06:14,160
velmi populární nástroje, které regulární výrazy obsažené v roce 1960.

81
00:06:14,160 --> 00:06:20,560
V 80. letech byla postavena Perl - je programovací jazyk, který

82
00:06:20,560 --> 00:06:24,110
obsahuje regulární výrazy velmi nápadně.

83
00:06:24,550 --> 00:06:30,130
A pak se v poslední době jsme měli Perl kompatibilní regulární výraz

84
00:06:30,130 --> 00:06:35,870
protokoly v podstatě v jiných jazycích, které používají hodně ze stejné syntaxe.

85
00:06:36,630 --> 00:06:39,840
Samozřejmě, že byl nejdůležitější událostí v roce 2008

86
00:06:39,840 --> 00:06:43,040
kde byl první národní Regulární výrazy den,

87
00:06:43,040 --> 00:06:47,350
které podle mého názoru je červen 1 pokud chcete oslavit.

88
00:06:48,430 --> 00:06:50,840
>> Opět platí, že jen trochu víc teorie zde.

89
00:06:52,180 --> 00:06:55,320
Takže existuje několik různých způsobů, jak budovat regulární výrazy.

90
00:06:55,950 --> 00:07:02,050
Jeden jednoduchý způsob je vytvořit výraz, který hodláte

91
00:07:02,050 --> 00:07:07,500
běží na provázku interpretovat - v podstatě postavit malý mini-program, který

92
00:07:07,500 --> 00:07:11,870
bude analyzovat kousky provázku a uvidíme, "Oh, to hodí regulární výraz, nebo ne?"

93
00:07:12,250 --> 00:07:14,250
A pak spustit to.

94
00:07:14,250 --> 00:07:17,300
Takže pokud máte velmi malé regulární výraz, je to pravděpodobně

95
00:07:17,300 --> 00:07:19,380
nejúčinnější způsob, jak to udělat.

96
00:07:20,090 --> 00:07:25,420
A pak, pokud vás - další možností je, aby rekonstrukce

97
00:07:25,420 --> 00:07:30,260
Výraz as you go, a to je možnost simulovat.

98
00:07:30,440 --> 00:07:37,690
A tyto první pokusy u regulárních výrazů algoritmy byly

99
00:07:37,690 --> 00:07:44,330
poměrně jednoduché a relativně rychle, ale neměl velkou flexibilitu.

100
00:07:44,330 --> 00:07:47,500
Takže udělat ještě některé z věcí, které se budeme dívat na

101
00:07:47,500 --> 00:07:52,860
dnes jsme museli udělat složitější regulární výraz

102
00:07:52,860 --> 00:07:56,650
implementace, které jsou potenciálně mnohem pomaleji, tak to je něco, co je třeba mít na paměti,

103
00:07:57,510 --> 00:08:02,920
K dispozici je také pravidelné výrazy popírání útoku odrůdy

104
00:08:02,920 --> 00:08:08,330
že využití potenciálu těchto nových implementací

105
00:08:08,330 --> 00:08:10,930
regulární výrazy, aby se stal velmi složité.

106
00:08:11,570 --> 00:08:15,650
A v podstatě stejném smyslu, jako jsme viděli v útoků buffer overflow,

107
00:08:15,650 --> 00:08:21,610
Máte útoky, které pracují tím, že nutí rekurzivní smyčky

108
00:08:21,610 --> 00:08:24,400
překročení kapacity paměti.

109
00:08:24,780 --> 00:08:29,540
A mimochodem Regexen je jedním z oficiálních plurals regulárního výrazu

110
00:08:29,540 --> 00:08:32,890
obdobně na voly v anglosaském.

111
00:08:33,500 --> 00:08:40,169
>> Dobře, tak Python Library mnozí z vás osobně se Maců,

112
00:08:40,169 --> 00:08:43,860
takže se můžete skutečně vytáhnout to na obrazovce.

113
00:08:43,860 --> 00:08:47,480
Regulární výrazy jsou zabudovány do Pythonu.

114
00:08:48,070 --> 00:08:53,020
A tak Python je předinstalován na počítači Mac, a také k dispozici online na tomto odkazu.

115
00:08:53,770 --> 00:08:57,350
Takže pokud se díváte můžete pozastavit a ujistěte se, že máte Python

116
00:08:58,080 --> 00:09:00,170
jak hrajeme tady.

117
00:09:00,780 --> 00:09:06,420
K dispozici je manuální online, takže pokud jste jen psát Python do počítače

118
00:09:06,420 --> 00:09:10,500
uvidíte, že verze přichází do terminálu.

119
00:09:11,070 --> 00:09:17,720
Tak jsem poskytl odkaz manuálu pro verzi 2 Pythonu, stejně jako tahák.

120
00:09:17,720 --> 00:09:23,100
K dispozici je verze 3 Pythonu, ale váš Mac, nemusí nutně

121
00:09:23,100 --> 00:09:25,130
přišel s tím předem.

122
00:09:25,130 --> 00:09:27,360
Takže není příliš odlišný.

123
00:09:27,360 --> 00:09:33,270
Dobře, takže některé základy pomocí regulárních výrazů v Pythonu.

124
00:09:34,080 --> 00:09:42,650
>> Tak tady jsem použil velmi jednoduchý výraz, tak jsem to udělal Python import re

125
00:09:43,750 --> 00:09:47,070
a poté se výsledek re.search.

126
00:09:47,070 --> 00:09:49,910
A hledání trvá 2 argumenty.

127
00:09:49,910 --> 00:09:56,040
Prvním z nich je regulární výraz, a druhý je text

128
00:09:56,040 --> 00:09:58,290
nebo řetězec, který chcete analyzovat.

129
00:09:58,290 --> 00:10:01,210
A pak jsem vytisknout na result.group.

130
00:10:01,580 --> 00:10:05,860
Takže to jsou dvě základní funkce, které budeme dnes vidět

131
00:10:06,790 --> 00:10:10,170
dozvědět se o regulárních výrazech.

132
00:10:10,170 --> 00:10:12,880
Takže jen poškodí tento regulární výraz zde

133
00:10:12,880 --> 00:10:21,770
h a pak \ w a pak jsem tak \ w právě přijímá jakoukoli abecední znak tam.

134
00:10:21,850 --> 00:10:26,820
Tak tady jsme hledali "h" a pak další abecední znak,

135
00:10:26,820 --> 00:10:30,060
a poté klávesu m, takže zde by odpovídalo šunka

136
00:10:30,060 --> 00:10:34,480
v ", Abraham Lincoln a šunka sendviče."

137
00:10:35,040 --> 00:10:37,150
Toto je výsledkem této skupiny.

138
00:10:37,680 --> 00:10:43,130
Další věc, kterou můžeme udělat, je využít našich před textových řetězců v jazyce Python.

139
00:10:43,130 --> 00:10:46,220
Takže myslím, že budu pokračovat a vytáhnout, že až tady.

140
00:10:46,220 --> 00:10:49,210
Python import znovu.

141
00:10:50,070 --> 00:10:54,000
A pokud bych měl udělat totéž - řekněme text,

142
00:10:55,390 --> 00:11:00,800
"Abraham," pojďme přiblížit - jdeme na to.

143
00:11:01,610 --> 00:11:06,430
Text zní: "Abraham jí šunku."

144
00:11:07,460 --> 00:11:15,260
Dobře, a pak výsledek = re.search.

145
00:11:16,260 --> 00:11:22,020
A pak naše Výraz může být h, a pak to udělám dot m.

146
00:11:22,020 --> 00:11:26,280
Takže tečka prostě trvá libovolný znak, který není nový řádek včetně čísel,

147
00:11:26,280 --> 00:11:28,650
procentních znaky, něco podobného.

148
00:11:28,650 --> 00:11:38,030
A pak textu - boom - a pak result.group--jo.

149
00:11:38,030 --> 00:11:41,820
Tak, že je to, jak realizovat základní funkce zde.

150
00:11:42,300 --> 00:11:55,110
Pokud bychom měli textovou prsten, který - ten bláznivý textu - včetně říct spoustu zpětných lomítek

151
00:11:55,110 --> 00:12:01,180
a řetězce uvnitř a věci, které by mohl vypadat escape sekvencí,

152
00:12:01,180 --> 00:12:08,480
pak se pravděpodobně budete chtít používat syrové zadávání textu se ujistit, že je přijat.

153
00:12:08,480 --> 00:12:14,120
A to jen vypadá takhle.

154
00:12:14,120 --> 00:12:17,810
Takže pokud jsme hledali každý z nich tam bychom neměli nic najít.

155
00:12:19,070 --> 00:12:21,680
Ale to je, jak byste je provádět, těsně před řetězec

156
00:12:21,680 --> 00:12:24,990
regulární výraz vložíte písmeno R.

157
00:12:26,150 --> 00:12:30,260
>> Dobře, tak pojďme dál.

158
00:12:30,260 --> 00:12:33,730
Dobře - takže pojďme se podívat na několik opakujících se vzorců zde.

159
00:12:34,750 --> 00:12:39,150
Takže jedna věc, kterou chcete udělat, je opakovat věci

160
00:12:40,040 --> 00:12:42,480
jak jste prohledávání textu.

161
00:12:42,480 --> 00:12:48,300
Takže to následovaným libovolným počtem b - ty ab *.

162
00:12:48,630 --> 00:12:51,620
A pak existuje řada dalších pravidel taky.

163
00:12:51,620 --> 00:12:54,380
A můžete se podívat ve všech těchto nahoru, budu jen spustit přes některé

164
00:12:54,380 --> 00:12:57,630
Nejčastěji používaným ty.

165
00:12:57,630 --> 00:13:03,920
Takže ab + je následované libovolnou N větší než 0 z b.

166
00:13:04,510 --> 00:13:08,000
ab? je následuje 0 nebo 1 v B.

167
00:13:09,190 --> 00:13:18,580
ab {N} je následovaný N b, a tak dále.

168
00:13:18,580 --> 00:13:22,820
Máte-li dvě čísla ve složených závorkách jste zadali rozsah

169
00:13:23,300 --> 00:13:25,440
který může být případně přizpůsobeny.

170
00:13:26,390 --> 00:13:30,420
Takže se podíváme více na několik opakujících se vzorců za minutu.

171
00:13:31,960 --> 00:13:42,300
Takže dvě věci mít na paměti při použití těchto nástrojů pro porovnávání vzorků zde.

172
00:13:42,300 --> 00:13:52,120
Takže říci, chceme se podívat na HM na "Abraham Lincoln je šunkové sendviče."

173
00:13:52,120 --> 00:13:55,230
Tak jsem změnil Abraham Lincoln jméno Abrahamovi.

174
00:13:55,230 --> 00:14:00,290
A teď hledáme to, co je vrácená touto funkcí vyhledávání,

175
00:14:00,290 --> 00:14:03,270
a to jen vrátí šunka v tomto případě.

176
00:14:03,620 --> 00:14:08,080
A to proto, že hledání právě přirozeně má zcela vlevo fronty.

177
00:14:08,080 --> 00:14:12,130
A všechny regulární výrazy pokud neurčíte jinak to udělá.

178
00:14:12,830 --> 00:14:18,880
Pokud bychom chtěli najít vše, co je funkce, která - najít všechny.

179
00:14:18,880 --> 00:14:35,100
Takže mohl vypadat all = re.findall ("h.m", text)

180
00:14:35,100 --> 00:14:44,540
a pak all.group ().

181
00:14:44,540 --> 00:14:51,040
Všechny produkuje i šunka a šunka, v tomto případě obou řetězců v Abrahamovi každé šunky.

182
00:14:51,610 --> 00:14:55,110
Takže to je další možnost.

183
00:14:56,250 --> 00:15:06,940
>> Great. Další věc, kterou byste měli mít na paměti, že regulární výrazy se největší intuitivně.

184
00:15:06,940 --> 00:15:09,520
Podívejme se na tento příklad.

185
00:15:10,200 --> 00:15:16,070
Udělali jsme to zcela vlevo hledat zde, a pak jsem se pokusil o větší hledání

186
00:15:16,070 --> 00:15:18,800
pomocí Kleene hvězda operátora.

187
00:15:18,800 --> 00:15:24,180
Takže, "Abraham Lincoln dělá šunka sendviče," a mám jen zadní

188
00:15:24,180 --> 00:15:26,280
m jako výsledek.

189
00:15:26,280 --> 00:15:31,670
Důvodem pro tuto chybu, že jsem mohl vzít libovolný počet

190
00:15:31,670 --> 00:15:36,140
h je to proto, že jsem neuvedl nic, co by jít mezi h a m.

191
00:15:36,140 --> 00:15:42,010
Jediným příkladem je, že kdyby m - pouze příklady, tam se v ní m

192
00:15:42,010 --> 00:15:46,220
a libovolný počet H je byli jen řetězec metrů.

193
00:15:46,490 --> 00:15:51,850
Pak jsem to zkusil znovu, řekl jsem: "Dobře, pojďme si aktuální největší skupinu."

194
00:15:51,850 --> 00:15:59,670
A pak jsem h.. * M, tak aby právě vrací libovolný počet znaků mezi h a m.

195
00:16:00,280 --> 00:16:02,950
A pokud jste právě začínáte a myslí si: "Oh, bude v pořádku, dobře to

196
00:16:02,950 --> 00:16:11,560
mi šunku, "je to vlastně vezme vše od h do Abrahama Lincolna

197
00:16:11,560 --> 00:16:13,690
celou cestu až do konce šunky.

198
00:16:14,040 --> 00:16:18,110
Je to chamtivý, to vidí h - to vše jiný text - m,

199
00:16:18,110 --> 00:16:21,280
a to je to, co je potřeba dovnitř

200
00:16:22,060 --> 00:16:27,480
Toto je obzvláště pozoruhodné - to je vlastnost, můžeme také

201
00:16:27,480 --> 00:16:30,670
specifikovat pro to být chamtivý pomocí jiných funkcí.

202
00:16:31,480 --> 00:16:34,490
Ale to je něco, co musíme mít na paměti zejména

203
00:16:34,490 --> 00:16:38,720
při pohledu na HTML text, který je jedním z důvodů, které

204
00:16:38,720 --> 00:16:41,500
regulární výrazy jsou obtížné pro HTML.

205
00:16:42,460 --> 00:16:46,310
Protože pokud máte otevřenou HTML tag a pak spoustu věcí ve středu

206
00:16:46,310 --> 00:16:49,820
a některé další HTML uzavřený tag mnohem později v programu,

207
00:16:49,820 --> 00:16:55,420
jste právě snědli hodně kódu HTML možná omylem.

208
00:16:56,200 --> 00:17:01,840
>> V pořádku - takže další speciální znaky, jako mnoho jiných jazyků,

209
00:17:01,840 --> 00:17:04,780
utečeme pomocí lomítka.

210
00:17:04,780 --> 00:17:10,329
Takže můžeme použít tečku zadat libovolný znak kromě nového řádku.

211
00:17:10,329 --> 00:17:14,550
Můžeme použít únikovou w zadat jakýkoli abecední znak.

212
00:17:14,550 --> 00:17:20,329
A obdobně escape d pro nějaké celé číslo - číselné charakter.

213
00:17:20,630 --> 00:17:27,440
Můžeme určit - můžeme použít závorky pro určení související výrazy.

214
00:17:27,440 --> 00:17:30,970
Takže by to přijmout, b nebo c..

215
00:17:31,320 --> 00:17:37,000
A také můžeme určit, nebo pro některé z možností A nebo B.

216
00:17:37,000 --> 00:17:41,110
Například - pokud bychom hledali více možností

217
00:17:41,110 --> 00:17:44,940
v závorce můžeme použít operátor OR jako v -

218
00:17:44,940 --> 00:17:52,480
takže vraťme se k tomuto příkladu zde.

219
00:17:53,000 --> 00:17:59,790
A teď pojďme - vraťme se k tomuto příkladu tady, a pak

220
00:17:59,790 --> 00:18:12,290
se ae - takže by to mělo vrátit - myslím, že je to stále Abraham.

221
00:18:12,290 --> 00:18:17,410
Takže to - pokud budeme dělat všechno - skvělé.

222
00:18:17,410 --> 00:18:22,700
Takže pojďme aktualizovat text.

223
00:18:22,700 --> 00:18:34,690
"Abraham jí šunku, zatímco jeho lemování -. Zatímco lemování" Great.

224
00:18:44,090 --> 00:18:47,330
Vše. Great. Nyní jsme si šunka, šunka, a lem.

225
00:18:48,510 --> 00:18:59,370
Zatímco lemování - při hučení mu - když bzučí na lemu něj. Great.

226
00:19:00,350 --> 00:19:03,250
To je totéž.

227
00:19:03,820 --> 00:19:09,180
Nyní vše vrací stále jen šunka, šunka a lem bez vyzvednutí na hučení nebo jím.

228
00:19:09,940 --> 00:19:22,600
Velký - tak co kdybychom chtěli podívat na jeden, který - a tak bychom mohli také udělat

229
00:19:23,510 --> 00:19:33,810
ho nebo - Vrátíme se k tomu.

230
00:19:34,810 --> 00:19:45,760
Dobře - tak - v pořádku - na pozicích, můžete také použít stříška nebo znak dolaru

231
00:19:45,760 --> 00:19:49,350
určit, že hledáte něco, co na začátku nebo na konci řetězce.

232
00:19:50,260 --> 00:19:52,260
Nebo na začátku nebo na konci slova.

233
00:19:52,400 --> 00:19:54,470
To je jeden způsob, jak využít to.

234
00:19:55,630 --> 00:20:01,160
>> Dobře - tak pojďme hrát s mírně větší blok textu.

235
00:20:03,950 --> 00:20:08,310
Řekněme, že tento řádek zde - toto prohlášení zde.

236
00:20:08,310 --> 00:20:11,360
Síla regulárního výrazu je to, že můžete zadat vzory

237
00:20:11,360 --> 00:20:13,390
nejen pevné postavy.

238
00:20:14,900 --> 00:20:18,790
Učiňme - nazvěme tento blok.

239
00:20:22,400 --> 00:20:27,110
Pak budeme číst všechno palců

240
00:20:28,890 --> 00:20:50,820
A pak - učiňme vše =, takže jaké jsou některé věci, které můžeme vyhledávat sem se ziskem?

241
00:20:50,820 --> 00:20:54,070
Mohli bychom hledat výraz ucha.

242
00:20:55,050 --> 00:21:01,520
Ne moc zajímavé. Co vy na to? Uvidíme, co se stane.

243
00:21:03,710 --> 00:21:05,710
Dal jsem to problém.

244
00:21:06,380 --> 00:21:10,750
Takže celá řada věcí, než znovu a všem.

245
00:21:10,750 --> 00:21:15,630
Tak, že by se měl vrátit vše od začátku až do všech re možná párkrát.

246
00:21:18,800 --> 00:21:21,970
A pak tady máme moc regulárních výrazů je, že

247
00:21:21,970 --> 00:21:24,900
Můžete zadat vzory nejsou jen postavy jsou zde.

248
00:21:24,900 --> 00:21:28,510
Takže celou cestu až do konečného re, začalo to nejvíce vlevo a byl nenasytný.

249
00:21:30,710 --> 00:21:32,710
Podívejme se - co jiného bychom mohli hledat.

250
00:21:32,710 --> 00:21:39,860
Myslím, že jedna věc, pokud jste byli zájem hledal zájmena ona a on,

251
00:21:39,860 --> 00:21:44,600
můžete zkontrolovat s je rovna 0 nebo 1

252
00:21:44,600 --> 00:21:49,710
a výraz mu, a že se pravděpodobně nebude návratu -

253
00:21:49,710 --> 00:21:58,020
oh, myslím, že to vrátil, protože tam jsme se při pohledu na výkon, ten den, tady jsou.

254
00:22:00,590 --> 00:22:06,270
Pokusme se upřesňuje, že to má přijít na začátku něčeho.

255
00:22:06,640 --> 00:22:09,530
Uvidíme, jestli to klesá.

256
00:22:09,530 --> 00:22:19,630
Takže můžeme dělat tuk, a tam jsme se nedostali nic, protože ona a on

257
00:22:19,630 --> 00:22:22,870
se nevyskytují v této větě.

258
00:22:24,960 --> 00:22:30,410
Great. Dobře - takže zpátky ke kočce zde.

259
00:22:30,410 --> 00:22:35,720
Tak složité vzory poškozuje mozek.

260
00:22:35,720 --> 00:22:40,500
Takže to je důvod, proč používat regulární výrazy, aby se zabránilo těmto otázkám.

261
00:22:40,820 --> 00:22:43,520
>> Takže tady jsou některé další užitečné režimy, které můžete hrát s kolem.

262
00:22:43,520 --> 00:22:50,290
Podívali jsme se na hledání dnes, ale můžete také použít zápasu, Split, FindAll a skupiny.

263
00:22:50,290 --> 00:22:53,970
Takže další super věci, které můžete dělat s regulárními výrazy kromě právě

264
00:22:53,970 --> 00:22:58,870
hledají vzory bere vzor a drží všechny zápasy -

265
00:22:58,870 --> 00:23:02,530
jeho proměnné - a pak používat ty v kódu později.

266
00:23:02,850 --> 00:23:05,980
To může být docela užitečné. Ostatní věci, by mohlo být počítání.

267
00:23:05,980 --> 00:23:11,720
Takže můžeme spočítat počet instancí regulárního výrazu,

268
00:23:11,720 --> 00:23:13,960
a to je to, co lze použít pro skupiny.

269
00:23:13,960 --> 00:23:17,550
A ostatní druhy a jsou také možné.

270
00:23:18,040 --> 00:23:22,980
Tak jsem chtěl mluvit trochu víc o jiných způsobů, jak můžete použít regulární výrazy.

271
00:23:22,980 --> 00:23:29,100
>> Takže jeden z aplikací je ve fuzzy shody.

272
00:23:29,100 --> 00:23:33,450
Takže pokud hledáte nějaký text projevu, Julius Caesar,

273
00:23:33,450 --> 00:23:37,740
a uvidíte jeden Gaius Julius Caesar nebo název Julius Caesar v jiných jazycích,

274
00:23:37,740 --> 00:23:44,400
pak budete také chtít přiřadit nějakou váhu těchto hodnot.

275
00:23:44,400 --> 00:23:48,930
A pokud je to tak blízko, že - pokud to překročí určitou mez - pak chcete

276
00:23:48,930 --> 00:23:50,860
být schopni přijmout Julius Caesar.

277
00:23:50,860 --> 00:24:00,580
Takže existuje několik různých implementace pro to, že v několika dalších jazycích.

278
00:24:02,580 --> 00:24:08,420
Zde jsou některé další nástroje, Regex pal - šikovný malý app online

279
00:24:08,420 --> 00:24:12,190
Zkontrolujte, zda vaše regulární výrazy jsou tvořeny správně.

280
00:24:12,190 --> 00:24:18,500
K dispozici jsou také samostatné nástroje, které můžete spustit z počítače

281
00:24:18,500 --> 00:24:22,100
jako Ultra Pico, a stejně jako jen kuchařské knihy.

282
00:24:22,100 --> 00:24:25,410
Takže pokud děláte projekt, který zahrnuje spoustu regulárních výrazů

283
00:24:25,410 --> 00:24:29,810
to je pravděpodobně místo, kam jít mimo rámec dnes.

284
00:24:31,520 --> 00:24:35,770
A pak už jen, aby vám pocit, jak je to běžné

285
00:24:35,770 --> 00:24:44,090
je grep v Unixu, Perl má vestavěný a C je PCRE pro C.

286
00:24:44,090 --> 00:24:48,890
A pak to všechno ostatní jazyky mají také regulární výrazy balíčky

287
00:24:48,890 --> 00:24:52,020
které působí podstatě se stejnou syntaxi jsme dostali chuť dnes.

288
00:24:52,020 --> 00:24:54,790
PHP, Java, Ruby, a tak dále.

289
00:24:56,080 --> 00:24:58,980
>> Google Code Search je ve skutečnosti stojí za zmínku, je to jedna z

290
00:24:58,980 --> 00:25:05,720
poměrně málo aplikací tam, že umožňuje veřejnosti přístup k

291
00:25:05,720 --> 00:25:07,800
jeho databáze pomocí regulárních výrazů.

292
00:25:07,800 --> 00:25:12,920
Takže když se podíváte na Google Code Search najdete kód

293
00:25:12,920 --> 00:25:16,880
pokud hledáte pro instanci, jak by být funkce použita,

294
00:25:16,880 --> 00:25:21,610
můžete použít regulární výraz najít tuto funkci používán v nejrůznějších různých případů.

295
00:25:21,610 --> 00:25:28,000
Můžete se podívat na fwrite, a pak byste se mohli podívat na vlajku číst nebo psát

296
00:25:28,000 --> 00:25:32,000
pokud byste chtěli příklad fwrite použitého v tomto případě.

297
00:25:33,530 --> 00:25:37,010
Takže totéž tam, a zde jsou některé odkazy.

298
00:25:37,010 --> 00:25:40,990
To bude k dispozici on-line, stejně tak jde dopředu v případě

299
00:25:40,990 --> 00:25:45,560
Chcete-li se podívejme na Python, Perl, grep - stačí chtít získat nějakou inspiraci

300
00:25:45,560 --> 00:25:50,650
nebo chcete-li se podívat více na teorii zde jsou některé dobré Odrazovým místech.

301
00:25:50,650 --> 00:25:53,870
Děkuju mnohokrát.

302
00:25:58,470 --> 00:25:59,910
[CS50.TV]