1
00:00:00,000 --> 00:00:02,000
[Powered by Google Translate] [Seminar: Pattern Matching med Regular Expressions]

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

3
00:00:04,000 --> 00:00:07,220
[Dette er CS50.-CS50.TV]

4
00:00:07,780 --> 00:00:11,610
Okay. Nå, velkommen alle. Dette er CS50 2012.

5
00:00:11,780 --> 00:00:16,610
Mit navn er John og jeg vil tale i dag om regulære udtryk.

6
00:00:16,610 --> 00:00:22,530
Regulære udtryk er primært et værktøj, men også undertiden bruges

7
00:00:22,530 --> 00:00:28,650
i kode aktivt til væsentlige matche mønstre og strygere.

8
00:00:28,650 --> 00:00:33,800
Så her er en web-tegneserie fra xkcd.

9
00:00:34,440 --> 00:00:42,370
I denne tegneserie er der en mordgåde, hvor morderen har

10
00:00:42,370 --> 00:00:47,860
fulgt nogen på ferie, og hovedpersonerne er nødt til at

11
00:00:47,860 --> 00:00:52,500
søge gennem 200 megabyte af e-mails på udkig efter en adresse.

12
00:00:52,500 --> 00:00:56,090
Og de er ved at give op, når nogen, der kender regulære udtryk -

13
00:00:56,090 --> 00:01:00,550
formentlig en superhelt - swoops ned og skriver noget kode

14
00:01:00,550 --> 00:01:02,970
og løser mordgåde.

15
00:01:02,970 --> 00:01:07,370
Så formentlig, der vil være noget, som du vil blive bemyndiget til at gøre

16
00:01:07,370 --> 00:01:09,370
efter dette seminar.

17
00:01:09,370 --> 00:01:12,250
Vi er bare nødt til at give en kortfattet introduktion til sproget

18
00:01:12,250 --> 00:01:16,770
og give dig nok midlerne til at gå efter flere ressourcer på egen hånd.

19
00:01:17,680 --> 00:01:21,700
>> Så regulære udtryk se dybest set sådan ud.

20
00:01:22,930 --> 00:01:25,550
Dette er et regulært udtryk i Ruby.

21
00:01:25,550 --> 00:01:29,280
Det er ikke forfærdelig forskellig på tværs af sprog.

22
00:01:29,690 --> 00:01:37,630
Vi har netop på flænger at begynde og markere det regulære udtryk i Ruby.

23
00:01:37,630 --> 00:01:42,880
Og det er et regulært udtryk til at søge i e-mail-adresse mønster.

24
00:01:42,880 --> 00:01:49,160
Så vi ser på det første bit ser for enhver alfanumeriske tegn.

25
00:01:50,500 --> 00:01:54,880
Det er fordi e-mail adresser ofte nødt til at starte med et bogstav.

26
00:01:55,460 --> 00:01:59,330
Og så nogen særlig tegn efterfulgt af @-symbolet.

27
00:01:59,330 --> 00:02:03,260
Og så det samme for domænenavn.

28
00:02:03,260 --> 00:02:10,030
Og så mellem 2 og 4 tegn at lede efter den. Com,. Net, og så videre.

29
00:02:10,850 --> 00:02:13,200
Så det er endnu et eksempel på regulære udtryk.

30
00:02:13,200 --> 00:02:17,270
Så regulære udtryk er protokoller for at finde mønstre i tekst.

31
00:02:17,270 --> 00:02:21,130
De gør sammenligninger, markeringer og udskiftninger.

32
00:02:21,690 --> 00:02:27,970
Så et tredje eksempel er at finde alle de telefonnumre, der sluttede i 54 i en mappe.

33
00:02:27,970 --> 00:02:34,360
Så før David river op CS50 biblioteket, vi kunne søge

34
00:02:34,360 --> 00:02:40,450
et mønster, hvor vi har parenteser derefter 3 numre så ende parentes

35
00:02:40,450 --> 00:02:44,070
3 flere tal, en bindestreg, 2 numre, og derefter 54.

36
00:02:44,070 --> 00:02:48,310
Og det ville være væsentligt, hvordan vi kommer op med et regulært udtryk for at søge efter det.

37
00:02:49,150 --> 00:02:52,960
>> Så der er - vi har gjort nogle ting i CS50, der er lidt ligesom

38
00:02:52,960 --> 00:02:59,740
regulære udtryk, så - for eksempel - i dictionary.C fil

39
00:02:59,740 --> 00:03:04,720
for stavekontrollen problemet sæt, du kan have brugt fscanf

40
00:03:04,720 --> 00:03:07,930
at læse i et ord fra ordbogen.

41
00:03:07,930 --> 00:03:16,240
Og du kan se den procentvise 45s er på udkig efter en streng på 45 tegn.

42
00:03:16,240 --> 00:03:20,020
Så det er lidt ligesom en rudimentær regulært udtryk.

43
00:03:21,150 --> 00:03:26,060
Og du kan have nogen 45 tegn, der passer regningen derinde

44
00:03:26,060 --> 00:03:28,080
og vælge dem op.

45
00:03:28,080 --> 00:03:33,480
Og så det andet eksempel i den seneste web programmering problem

46
00:03:33,480 --> 00:03:40,760
sat i distro koden til php vi faktisk har en simpel regulært udtryk.

47
00:03:40,760 --> 00:03:46,790
Og dette er simpelthen søger at kontrollere, om den webside, der er gået i

48
00:03:46,790 --> 00:03:51,940
matcher enten login eller logout registrere. PHP.

49
00:03:52,220 --> 00:03:57,910
Og derefter returnere sandt eller falsk baseret på, at regelmæssig udtryk matchning.

50
00:03:59,400 --> 00:04:01,740
>> Så når du bruger regulære udtryk?

51
00:04:01,740 --> 00:04:04,820
Hvorfor er du her i dag?

52
00:04:05,330 --> 00:04:08,480
Så du behøver ikke ønsker at bruge regulære udtryk, når der er noget, der

53
00:04:08,480 --> 00:04:11,640
gør arbejdet for dig endnu mere nemt.

54
00:04:11,640 --> 00:04:15,510
Så XML og HTML er faktisk temmelig tricky

55
00:04:15,510 --> 00:04:18,480
at skrive regulære udtryk, så vi vil se i en lille smule.

56
00:04:19,110 --> 00:04:23,280
Så der er dedikerede parsere for disse sprog.

57
00:04:24,170 --> 00:04:30,060
Du skal også være okay med den handel offs og nøjagtighed ofte.

58
00:04:30,060 --> 00:04:36,220
Hvis du forsøger - så vi oplevede et regulært udtryk for en e-mailadresse,

59
00:04:37,370 --> 00:04:42,590
men siger du ønskede en bestemt e-mail-adresse og efterhånden

60
00:04:42,590 --> 00:04:48,570
regulære udtryk kan blive mere kompliceret, da det blev mere præcis.

61
00:04:49,580 --> 00:04:52,260
Så det ville være en afvejning.

62
00:04:52,260 --> 00:04:55,330
Du er nødt til at være sikker på at du okay gør med det regulære udtryk.

63
00:04:55,330 --> 00:04:57,920
Hvis du ved præcis, hvad du leder efter det måske give mere mening

64
00:04:57,920 --> 00:05:02,070
at sætte i gang og skrive en mere effektiv parser.

65
00:05:02,070 --> 00:05:06,980
Og endelig er der et historisk problem med regelmæssighed

66
00:05:06,980 --> 00:05:08,940
af udtryk og sprog.

67
00:05:08,940 --> 00:05:12,960
Regulære udtryk er faktisk langt mere magtfulde end

68
00:05:12,960 --> 00:05:16,450
regulære udtryk per siger i en formel forstand.

69
00:05:17,130 --> 00:05:20,150
>> Så jeg ønsker ikke at gå for vidt i den formelle teori,

70
00:05:20,150 --> 00:05:24,000
men de fleste sprog, som vi kode i egentlig ikke er regelmæssige.

71
00:05:24,000 --> 00:05:29,110
Og dette er grunden til regulære udtryk undertiden betragtes ikke alt, sikker.

72
00:05:29,670 --> 00:05:33,150
Så dybest set er der en Chomsky hierarki for sprog,

73
00:05:33,150 --> 00:05:38,400
og regulære udtryk er bygget op ved hjælp af union, sammenkædning,

74
00:05:38,400 --> 00:05:41,810
og Kleene stjerne operation, som vi vil se i et par minutter.

75
00:05:43,130 --> 00:05:48,860
Hvis du er interesseret i teorien er der en hel masse i gang der under kølerhjelmen.

76
00:05:50,360 --> 00:05:55,880
>> Så en kort historie - bare for den kontekst her - regelmæssige sæt kom op

77
00:05:55,880 --> 00:05:59,580
i 1950'erne, og derefter vi havde simple redaktører der

78
00:05:59,580 --> 00:06:03,300
indarbejdet regulære udtryk - blot at søge efter strenge.

79
00:06:03,570 --> 00:06:09,110
Grep - som er en kommandolinje værktøj - var en af ​​de første

80
00:06:09,110 --> 00:06:14,160
meget populære værktøjer, der er indarbejdet regulære udtryk i 1960'erne.

81
00:06:14,160 --> 00:06:20,560
I 80'erne blev Perl bygget - er et programmeringssprog, der

82
00:06:20,560 --> 00:06:24,110
inkorporerer regulære udtryk meget fremtrædende plads.

83
00:06:24,550 --> 00:06:30,130
Og så for nylig har vi haft Perl kompatibel regulært udtryk

84
00:06:30,130 --> 00:06:35,870
protokoller dybest set på andre sprog, der bruger meget af den samme syntaks.

85
00:06:36,630 --> 00:06:39,840
Selvfølgelig er den vigtigste begivenhed var i 2008

86
00:06:39,840 --> 00:06:43,040
hvor der var den første nationale Regular Expressions Day,

87
00:06:43,040 --> 00:06:47,350
som jeg mener er 1 juni, hvis du ønsker at fejre det.

88
00:06:48,430 --> 00:06:50,840
>> Igen, bare en lille smule mere teori her.

89
00:06:52,180 --> 00:06:55,320
Så der er et par forskellige måder at konstruere regulære udtryk.

90
00:06:55,950 --> 00:07:02,050
En enkel måde er at bygge det udtryk, du kommer til at

91
00:07:02,050 --> 00:07:07,500
køre på strengen fortolke - grundlæggende bygger en lille mini-program,

92
00:07:07,500 --> 00:07:11,870
vil analysere stykker af en streng og se, "Åh, betyder det passer det regulære udtryk eller ej?"

93
00:07:12,250 --> 00:07:14,250
Og derefter køre det.

94
00:07:14,250 --> 00:07:17,300
Så hvis du har en meget lille regulært udtryk, det er nok

95
00:07:17,300 --> 00:07:19,380
den mest effektive måde at gøre det.

96
00:07:20,090 --> 00:07:25,420
Og så hvis du - en anden mulighed er at holde rekonstruere

97
00:07:25,420 --> 00:07:30,260
udtryk, som du går, og det er simulere mulighed.

98
00:07:30,440 --> 00:07:37,690
Og disse tidlige forsøg på regulære udtryk algoritmer var

99
00:07:37,690 --> 00:07:44,330
relativt simpel og forholdsvis hurtigt, men ikke har en masse fleksibilitet.

100
00:07:44,330 --> 00:07:47,500
Så for at gøre endnu nogle af de ting, som vi kommer til at se på

101
00:07:47,500 --> 00:07:52,860
i dag har vi haft at gøre mere kompleks regulært udtryk

102
00:07:52,860 --> 00:07:56,650
implementeringer, der er potentielt meget langsommere, så det er noget at huske på

103
00:07:57,510 --> 00:08:02,920
Der er også en regelmæssig udtryk fornægtelse af angreb sort

104
00:08:02,920 --> 00:08:08,330
der udnytter potentialet for disse nyere implementeringer af

105
00:08:08,330 --> 00:08:10,930
regulære udtryk til at blive meget kompliceret.

106
00:08:11,570 --> 00:08:15,650
Og på samme måde som vi så i buffer overflow angreb,

107
00:08:15,650 --> 00:08:21,610
du har angreb, der arbejder ved at gøre rekursive sløjfer,

108
00:08:21,610 --> 00:08:24,400
overskridelse kapaciteten af ​​hukommelsen.

109
00:08:24,780 --> 00:08:29,540
Og ved den måde Regexen er et af de officielle flertalsformer af regulære udtryk

110
00:08:29,540 --> 00:08:32,890
analogt på okser i den angelsaksiske.

111
00:08:33,500 --> 00:08:40,169
>> Okay, så Python Library mange af jer her i person have Macs,

112
00:08:40,169 --> 00:08:43,860
så du kan faktisk trække dette op på din skærm.

113
00:08:43,860 --> 00:08:47,480
Regulære udtryk er bygget ind Python.

114
00:08:48,070 --> 00:08:53,020
Og så Python er forudindlæst på Mac-computere og også tilgængelig online på dette link.

115
00:08:53,770 --> 00:08:57,350
Så hvis du ser du kan pause og sørg for at have Python

116
00:08:58,080 --> 00:09:00,170
da vi spiller her.

117
00:09:00,780 --> 00:09:06,420
Der er en manuel online, så hvis du bare skrive Python ind på din computer

118
00:09:06,420 --> 00:09:10,500
vil du se at den version kommer op i terminalen.

119
00:09:11,070 --> 00:09:17,720
Så jeg givet et link til manualen for version 2 af Python samt en bedrager ark.

120
00:09:17,720 --> 00:09:23,100
Der er en version 3 af Python, men din Mac ikke nødvendigvis

121
00:09:23,100 --> 00:09:25,130
kommer med den pågældende forudindlæste.

122
00:09:25,130 --> 00:09:27,360
Så ikke frygtelig anderledes.

123
00:09:27,360 --> 00:09:33,270
Okay, så nogle grundlæggende hjælp af regulære udtryk i Python.

124
00:09:34,080 --> 00:09:42,650
>> Så her jeg brugte en meget enkel udtryk, så jeg gjorde Python import re

125
00:09:43,750 --> 00:09:47,070
og derefter tog resultatet af re.search.

126
00:09:47,070 --> 00:09:49,910
Og søgningen tager 2 argumenter.

127
00:09:49,910 --> 00:09:56,040
Den første er det regulære udtryk, og den anden er den tekst

128
00:09:56,040 --> 00:09:58,290
eller streng, du vil analysere.

129
00:09:58,290 --> 00:10:01,210
Og så vil jeg udskrives ud result.group.

130
00:10:01,580 --> 00:10:05,860
Så disse er de 2 grundlæggende funktioner, vi kommer til at se i dag

131
00:10:06,790 --> 00:10:10,170
i at lære om regulære udtryk.

132
00:10:10,170 --> 00:10:12,880
Så bare nedbryde denne regulære udtryk her

133
00:10:12,880 --> 00:10:21,770
h og derefter \ w og derefter m så \ w bare accepterer enhver bogstav derinde.

134
00:10:21,850 --> 00:10:26,820
Så her er vi på udkig efter en "h", og derefter en anden bogstav

135
00:10:26,820 --> 00:10:30,060
og derefter m, så her, ville matche skinke

136
00:10:30,060 --> 00:10:34,480
i, "Abraham Lincoln og skinke sandwich."

137
00:10:35,040 --> 00:10:37,150
Dette er resultatet af denne gruppe.

138
00:10:37,680 --> 00:10:43,130
En anden ting, som vi kan gøre er at bruge vores før tekststrenge i Python.

139
00:10:43,130 --> 00:10:46,220
Så jeg tror jeg vil gå videre og trække det op her.

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

141
00:10:50,070 --> 00:10:54,000
Og hvis jeg skulle gøre det samme - lad os sige tekst,

142
00:10:55,390 --> 00:11:00,800
"Abraham," lad os zoome ind - der går vi.

143
00:11:01,610 --> 00:11:06,430
Tekst er "Abraham spiser skinke."

144
00:11:07,460 --> 00:11:15,260
Okay, og derefter føre = re.search.

145
00:11:16,260 --> 00:11:22,020
Og så er vores udtryk kan være h, og så vil jeg gøre dot m..

146
00:11:22,020 --> 00:11:26,280
Så dot bare tager ethvert tegn, der ikke er en ny linje, herunder tal,

147
00:11:26,280 --> 00:11:28,650
procentpoint skilte, noget lignende.

148
00:11:28,650 --> 00:11:38,030
Og så tekst - boom - og så result.group--ja.

149
00:11:38,030 --> 00:11:41,820
Så det er bare hvordan man gennemfører grundlæggende funktionalitet her.

150
00:11:42,300 --> 00:11:55,110
Hvis vi havde en tekst ring, der - den skøre tekst - inkluderet sige masser af back skråstreger

151
00:11:55,110 --> 00:12:01,180
og strygere inde og ting, der kunne ligne escape-sekvenser,

152
00:12:01,180 --> 00:12:08,480
så vi sandsynligvis vil bruge rå tekst input til at sikre, at der er accepteret.

153
00:12:08,480 --> 00:12:14,120
Og det bare ligner det.

154
00:12:14,120 --> 00:12:17,810
Så hvis vi ledte efter hver af dem derinde skulle vi ikke finde noget.

155
00:12:19,070 --> 00:12:21,680
Men det er hvordan du ville gennemfører den; lige før perlerække af

156
00:12:21,680 --> 00:12:24,990
det regulære udtryk du sætter bogstavet R.

157
00:12:26,150 --> 00:12:30,260
>> Okay, så lad os holde i gang.

158
00:12:30,260 --> 00:12:33,730
Okay - så lad os se på et par gentagne mønstre her.

159
00:12:34,750 --> 00:12:39,150
Så én ting, du ønsker at gøre, er at gentage tingene

160
00:12:40,040 --> 00:12:42,480
som du søger gennem tekst.

161
00:12:42,480 --> 00:12:48,300
Så for at gøre en efterfulgt af et vilkårligt antal b - du gør ab *.

162
00:12:48,630 --> 00:12:51,620
Og så er der en række andre regler også.

163
00:12:51,620 --> 00:12:54,380
Og du kan se alle disse op, jeg vil bare køre gennem nogle af de

164
00:12:54,380 --> 00:12:57,630
mest almindeligt anvendte dem.

165
00:12:57,630 --> 00:13:03,920
Så ab + er en efterfulgt af en N større end 0, hvor b.

166
00:13:04,510 --> 00:13:08,000
AB? er en efterfulgt af 0 eller 1 i b..

167
00:13:09,190 --> 00:13:18,580
ab {N} er en efterfulgt af N af b, og derefter så videre.

168
00:13:18,580 --> 00:13:22,820
Hvis du har 2 numre i de krøllede parenteser du angiver et interval

169
00:13:23,300 --> 00:13:25,440
der kan være eventuelt matches.

170
00:13:26,390 --> 00:13:30,420
Så vi vil se mere på et par gentagne mønstre i et minut.

171
00:13:31,960 --> 00:13:42,300
Så 2 ting at huske på, når du bruger disse mønstertilpasning redskaber her.

172
00:13:42,300 --> 00:13:52,120
Så siger vi ønsker at se på hm af "Abraham Lincoln gør skinkesandwiches."

173
00:13:52,120 --> 00:13:55,230
Så jeg skiftede Abraham Lincolns navn til Abraham.

174
00:13:55,230 --> 00:14:00,290
Og nu er vi på udkig efter, hvad der er tilbage af denne søgefunktion,

175
00:14:00,290 --> 00:14:03,270
og det kun returnerer skinke i dette tilfælde.

176
00:14:03,620 --> 00:14:08,080
Og det gør det, fordi søgningen bare naturligt tager længst til venstre køen.

177
00:14:08,080 --> 00:14:12,130
Og alle regulære udtryk, medmindre du angiver andet, vil gøre det.

178
00:14:12,830 --> 00:14:18,880
Hvis vi ønskede at finde alle der er en funktion til det - finde alle.

179
00:14:18,880 --> 00:14:35,100
Så bare kunne ligne alle = re.findall ('h.m', text)

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

181
00:14:44,540 --> 00:14:51,040
Alle producerer både skinke og skinke, i dette tilfælde begge strenge i Abraham hver skinke.

182
00:14:51,610 --> 00:14:55,110
Så det er en anden mulighed.

183
00:14:56,250 --> 00:15:06,940
>> Great. Den anden ting at huske på er, at regulære udtryk tager den største intuitivt.

184
00:15:06,940 --> 00:15:09,520
Lad os se på dette eksempel.

185
00:15:10,200 --> 00:15:16,070
Vi gjorde det længst til venstre søgning her, og så forsøgte jeg en større søgning

186
00:15:16,070 --> 00:15:18,800
bruger Kleene stjerne operatør.

187
00:15:18,800 --> 00:15:24,180
Så for "Abraham Lincoln gør skinkesandwiches", og jeg fik kun tilbage

188
00:15:24,180 --> 00:15:26,280
m som resultat.

189
00:15:26,280 --> 00:15:31,670
Årsagen til denne fejl var, at jeg kunne have taget en række

190
00:15:31,670 --> 00:15:36,140
h er fordi jeg ikke angav noget at gå i mellem h og m.

191
00:15:36,140 --> 00:15:42,010
Det eneste eksempel der, havde m - de eneste eksempler der med m i det

192
00:15:42,010 --> 00:15:46,220
og et antal timer s var bare strengen m..

193
00:15:46,490 --> 00:15:51,850
Så jeg prøvede det igen, sagde jeg: "Okay, lad os få den faktiske største gruppe her."

194
00:15:51,850 --> 00:15:59,670
Og så gjorde jeg h. * M, så der bare returnerer vilkårligt antal tegn mellem h og m.

195
00:16:00,280 --> 00:16:02,950
Og hvis du lige er startet ud og tænker, "Åh, vil okay, godt denne

196
00:16:02,950 --> 00:16:11,560
få mig skinke, "det faktisk tager alt fra h i Abraham Lincoln

197
00:16:11,560 --> 00:16:13,690
hele vejen op til slutningen af ​​skinke.

198
00:16:14,040 --> 00:16:18,110
Det er grådige, det ser h - alt dette andet tekst - m,

199
00:16:18,110 --> 00:16:21,280
og det er, hvad det tager i.

200
00:16:22,060 --> 00:16:27,480
Dette er et særligt grove - dette er en funktion, som vi kan også

201
00:16:27,480 --> 00:16:30,670
angiver for det ikke være grådig hjælp af andre funktioner.

202
00:16:31,480 --> 00:16:34,490
Men det er noget, vi er nødt til at huske på, især

203
00:16:34,490 --> 00:16:38,720
når man ser på HTML-teksten, der er en grund til, at

204
00:16:38,720 --> 00:16:41,500
regulære udtryk er svære for HTML.

205
00:16:42,460 --> 00:16:46,310
Fordi hvis du har en HTML åbent tag, og derefter masser af ting i midten

206
00:16:46,310 --> 00:16:49,820
og derefter nogle andre HTML lukket tag langt senere i programmet,

207
00:16:49,820 --> 00:16:55,420
du lige har spist en masse af din HTML-kode eventuelt ved en fejltagelse.

208
00:16:56,200 --> 00:17:01,840
>> Okay - så mere specialtegn, ligesom mange andre sprog,

209
00:17:01,840 --> 00:17:04,780
vi undslippe bruger skråstreg.

210
00:17:04,780 --> 00:17:10,329
Så vi kan bruge dot til at angive alle tegn bortset fra en ny linje.

211
00:17:10,329 --> 00:17:14,550
Vi kan bruge flugt w for at angive eventuelle bogstav.

212
00:17:14,550 --> 00:17:20,329
Og analogt escape d for enhver heltal - numerisk karakter.

213
00:17:20,630 --> 00:17:27,440
Vi kan angive - vi kan bruge parenteser til at angive relaterede udtryk.

214
00:17:27,440 --> 00:17:30,970
Så det ville acceptere a, b, eller c..

215
00:17:31,320 --> 00:17:37,000
Og vi kan også angive eller muligheder for enten a eller b.

216
00:17:37,000 --> 00:17:41,110
For eksempel - hvis vi var på udkig efter flere muligheder

217
00:17:41,110 --> 00:17:44,940
i parentes vi kunne bruge eller operatøren i -

218
00:17:44,940 --> 00:17:52,480
så lad os gå tilbage til dette eksempel her.

219
00:17:53,000 --> 00:17:59,790
Og lad os nu tage - lad os gå tilbage til dette eksempel her, og derefter

220
00:17:59,790 --> 00:18:12,290
tage ae - så det skal returnere - Jeg tror det er stadig Abraham.

221
00:18:12,290 --> 00:18:17,410
Så dette - hvis vi gør alt - store.

222
00:18:17,410 --> 00:18:22,700
Så lad os ajourføre teksten her.

223
00:18:22,700 --> 00:18:34,690
"Abraham spiser skinke, mens Hemming hans -. Mens Hemming" Great.

224
00:18:44,090 --> 00:18:47,330
All. Great. Nu får vi skinke, skinke, og forneden.

225
00:18:48,510 --> 00:18:59,370
Mens Hemming - mens nynne for ham - mens nynne til søm ham. Great.

226
00:19:00,350 --> 00:19:03,250
Samme ting.

227
00:19:03,820 --> 00:19:09,180
Nu er alt tilbage stadig bare skinke, skinke og hem uden at løfte på brummen eller ham.

228
00:19:09,940 --> 00:19:22,600
Great - så hvad nu hvis vi ønskede at se på, enten at - så vi kunne også gøre

229
00:19:23,510 --> 00:19:33,810
ham eller - vi vil vende tilbage til.

230
00:19:34,810 --> 00:19:45,760
Okay - så - okay - i stillinger, du kan også bruge karet eller dollartegn

231
00:19:45,760 --> 00:19:49,350
at angive, at du er på udkig efter noget i starten eller slutningen af ​​en streng.

232
00:19:50,260 --> 00:19:52,260
Eller i starten eller slutningen af ​​et ord.

233
00:19:52,400 --> 00:19:54,470
Det er en måde at bruge det.

234
00:19:55,630 --> 00:20:01,160
>> Okay - så lad os lege med en lidt større blok af tekst.

235
00:20:03,950 --> 00:20:08,310
Lad os sige denne række her - dette udsagn her.

236
00:20:08,310 --> 00:20:11,360
Den effekt af regulære udtryk er, at de kan angive mønstre

237
00:20:11,360 --> 00:20:13,390
ikke bare fast tegn.

238
00:20:14,900 --> 00:20:18,790
Lad os gøre - lad os kalde denne blok.

239
00:20:22,400 --> 00:20:27,110
Så vil vi læse alt dette i.

240
00:20:28,890 --> 00:20:50,820
Og derefter har en - lad os gøre alle =, og så hvad er nogle ting, vi kunne søge ind her rentabelt?

241
00:20:50,820 --> 00:20:54,070
Vi kunne kigge efter udtrykket øre.

242
00:20:55,050 --> 00:21:01,520
Ikke meget interessant. Hvad med det? Vi vil se, hvad der sker.

243
00:21:03,710 --> 00:21:05,710
Jeg gav det et problem.

244
00:21:06,380 --> 00:21:10,750
Så en række ting, før man igen og alle.

245
00:21:10,750 --> 00:21:15,630
Så det skal returnere alt fra begyndelsen op til alle re måske et par gange.

246
00:21:18,800 --> 00:21:21,970
Og så har vi her magt regulære udtryk er, at de

247
00:21:21,970 --> 00:21:24,900
kan angive mønstre ikke bare tegn her er.

248
00:21:24,900 --> 00:21:28,510
Så hele vejen op til den endelige re, det startede med den venstre mest og var grådige.

249
00:21:30,710 --> 00:21:32,710
Lad os se, - hvad andet kunne vi kigge efter.

250
00:21:32,710 --> 00:21:39,860
Jeg gætter én ting, hvis du var interesseret i at lede efter de pronominer hun og han,

251
00:21:39,860 --> 00:21:44,600
kan du kontrollere, om s er lig med 0 eller 1

252
00:21:44,600 --> 00:21:49,710
og udtrykket han, og det er sandsynligvis ikke kommer til at vende tilbage -

253
00:21:49,710 --> 00:21:58,020
åh, jeg tror det returnerede han, fordi der vi ser på magten, den dag, der er her.

254
00:22:00,590 --> 00:22:06,270
Lad os prøve det præciseres, at dette har til at komme i starten af ​​noget.

255
00:22:06,640 --> 00:22:09,530
Lad os se, om det falder ud.

256
00:22:09,530 --> 00:22:19,630
Så vi kan gøre fedt, og der får vi ikke noget, fordi hun og han

257
00:22:19,630 --> 00:22:22,870
forekommer ikke i denne sætning.

258
00:22:24,960 --> 00:22:30,410
Great. Okay - så tilbage til katten her.

259
00:22:30,410 --> 00:22:35,720
Så komplekse mønstre er såre hjernen.

260
00:22:35,720 --> 00:22:40,500
Så det er derfor, vi bruger regulære udtryk til at undgå disse problemer.

261
00:22:40,820 --> 00:22:43,520
>> Så her er nogle andre nyttige funktioner, du kan lege med.

262
00:22:43,520 --> 00:22:50,290
Vi kiggede på søgning i dag, men du kan også bruge match, split, findall og grupper.

263
00:22:50,290 --> 00:22:53,970
Så andre seje ting, du kan gøre med regulære udtryk udover bare

264
00:22:53,970 --> 00:22:58,870
udkig efter mønstre tager et mønster og holde alle kampene -

265
00:22:58,870 --> 00:23:02,530
dens variabler - og så bruge dem i din kode senere.

266
00:23:02,850 --> 00:23:05,980
Det kan være ganske nyttigt. Andre ting kunne være at tælle.

267
00:23:05,980 --> 00:23:11,720
Så vi kan tælle antallet af forekomster af et regulært udtryk mønster,

268
00:23:11,720 --> 00:23:13,960
og det er, hvad vi kan bruge grupper til.

269
00:23:13,960 --> 00:23:17,550
Og andre transportformer samt er også mulige.

270
00:23:18,040 --> 00:23:22,980
Så jeg vil bare tale lidt mere om andre måder, du kan bruge regulære udtryk.

271
00:23:22,980 --> 00:23:29,100
>> Så en mere avanceret anvendelse er i fuzzy matching.

272
00:23:29,100 --> 00:23:33,450
Så hvis du er på udkig efter en tekst til udtrykket, Julius Cæsar,

273
00:23:33,450 --> 00:23:37,740
og du kan se enten Gaius Julius Cæsar eller navnet Julius Cæsar i andre sprog,

274
00:23:37,740 --> 00:23:44,400
så skal du måske også ønsker at tildele en vis vægt på disse værdier.

275
00:23:44,400 --> 00:23:48,930
Og hvis det er tæt nok - hvis den krydser en vis tærskel - så du ønsker

276
00:23:48,930 --> 00:23:50,860
at være i stand til at acceptere Julius Cæsar.

277
00:23:50,860 --> 00:24:00,580
Så der er et par forskellige implementeringer for at i et par andre sprog så godt.

278
00:24:02,580 --> 00:24:08,420
Her er nogle andre værktøjer, Regex Pal - en handy lille app online for at

279
00:24:08,420 --> 00:24:12,190
kontrollere, om dine regulære udtryk er sammensat korrekt.

280
00:24:12,190 --> 00:24:18,500
Der er også enkeltstående værktøjer, som du kan køre fra skrivebordet

281
00:24:18,500 --> 00:24:22,100
Ligesom Ultra Pico, og så godt som bare kogebøger.

282
00:24:22,100 --> 00:24:25,410
Så hvis du laver et projekt, der involverer et væld af regulære udtryk

283
00:24:25,410 --> 00:24:29,810
dette er sandsynligvis stedet at gå uden for i dag.

284
00:24:31,520 --> 00:24:35,770
Og så bare for at give dig en fornemmelse af, hvor almindeligt det er

285
00:24:35,770 --> 00:24:44,090
Der er grep i Unix, Perl har indbygget, og C er der PCRE for C.

286
00:24:44,090 --> 00:24:48,890
Og så alle disse andre sprog har også regulære udtryk pakker

287
00:24:48,890 --> 00:24:52,020
der opererer med væsentligt samme syntaks, vi fik en smag af i dag.

288
00:24:52,020 --> 00:24:54,790
PHP, Java, Ruby, og så videre.

289
00:24:56,080 --> 00:24:58,980
>> Google Code Search er faktisk værd at nævne, det er et af de

290
00:24:58,980 --> 00:25:05,720
relativt få programmer derude, der giver offentligheden adgang

291
00:25:05,720 --> 00:25:07,800
sin database ved hjælp af regulære udtryk.

292
00:25:07,800 --> 00:25:12,920
Så hvis man ser på Google Code Search kan du finde koden

293
00:25:12,920 --> 00:25:16,880
Hvis du er på udkig efter en instans af, hvordan en funktion kan anvendes,

294
00:25:16,880 --> 00:25:21,610
kan du bruge et regulært udtryk til at finde denne funktion bliver brugt i alle mulige forskellige sager.

295
00:25:21,610 --> 00:25:28,000
Du kan kigge efter fwrite, og så kunne du kigge efter flag skrive eller læse

296
00:25:28,000 --> 00:25:32,000
hvis du ønsker et eksempel på fwrite bliver brugt i denne sag.

297
00:25:33,530 --> 00:25:37,010
Så den samme ting der, og her er nogle referencer.

298
00:25:37,010 --> 00:25:40,990
Dette vil være tilgængelige online så godt, så går fremad, hvis

299
00:25:40,990 --> 00:25:45,560
du ønsker at se på Python, grep, Perl - du blot ønsker at få lidt inspiration

300
00:25:45,560 --> 00:25:50,650
eller hvis du ønsker at se mere på teorien her er nogle god hoppe fra steder.

301
00:25:50,650 --> 00:25:53,870
Mange tak.

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