1
00:00:00,000 --> 00:00:02,000
[Powered by Google Translate] [Seminarium: Mönstermatchning med reguljära uttryck]

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

3
00:00:04,000 --> 00:00:07,220
[Detta är CS50.-CS50.TV]

4
00:00:07,780 --> 00:00:11,610
Okej. Tja, välkommen alla. Detta är CS50 2012.

5
00:00:11,780 --> 00:00:16,610
Mitt namn är John, och jag kommer att prata idag om reguljära uttryck.

6
00:00:16,610 --> 00:00:22,530
Reguljära uttryck är främst ett verktyg, men också ibland används

7
00:00:22,530 --> 00:00:28,650
i koden aktivt huvudsak matcha mönster och strängar.

8
00:00:28,650 --> 00:00:33,800
Så här är en web comic från xkcd.

9
00:00:34,440 --> 00:00:42,370
I denna serie finns en mordgåta där mördaren har

10
00:00:42,370 --> 00:00:47,860
följt någon på semester, och huvudpersonerna har att

11
00:00:47,860 --> 00:00:52,500
söka igenom 200 megabyte e-postmeddelanden som söker efter en adress.

12
00:00:52,500 --> 00:00:56,090
Och de är på väg att ge upp när någon som vet reguljära uttryck -

13
00:00:56,090 --> 00:01:00,550
förmodligen en superhjälte - sveper ner och skriver lite kod

14
00:01:00,550 --> 00:01:02,970
och löser mordgåta.

15
00:01:02,970 --> 00:01:07,370
Så förmodligen som kommer att vara något som du kommer att ha befogenhet att göra

16
00:01:07,370 --> 00:01:09,370
Efter detta seminarium.

17
00:01:09,370 --> 00:01:12,250
Vi kommer bara att ge en kortfattad introduktion till språket

18
00:01:12,250 --> 00:01:16,770
och ge dig tillräckligt med resurser för att gå efter mer resurser på egen hand.

19
00:01:17,680 --> 00:01:21,700
>> Så reguljära uttryck ser i princip ut så här.

20
00:01:22,930 --> 00:01:25,550
Detta är ett vanligt uttryck i Ruby.

21
00:01:25,550 --> 00:01:29,280
Det är inte så väldigt annorlunda på flera språk.

22
00:01:29,690 --> 00:01:37,630
Vi har bara på snedstreck för att börja och markera det reguljära uttrycket i Ruby.

23
00:01:37,630 --> 00:01:42,880
Och detta är ett reguljärt uttryck för att leta efter i e-postadress mönster.

24
00:01:42,880 --> 00:01:49,160
Så vi ser på den första biten ser för alla alfanumeriska tecken.

25
00:01:50,500 --> 00:01:54,880
Det beror på e-postadresser ofta måste börja med en bokstav.

26
00:01:55,460 --> 00:01:59,330
Och sedan någon speciell karaktär följt av tecknet @.

27
00:01:59,330 --> 00:02:03,260
Och sedan samma sak för domännamn.

28
00:02:03,260 --> 00:02:10,030
Och sedan mellan 2 och 4 tecken för att leta efter den. Com,. Net, och så vidare.

29
00:02:10,850 --> 00:02:13,200
Så det är ett annat exempel på reguljära uttryck.

30
00:02:13,200 --> 00:02:17,270
Så reguljära uttryck är protokoll för att hitta smattrar i text.

31
00:02:17,270 --> 00:02:21,130
De gör jämförelser, val, och utbyten.

32
00:02:21,690 --> 00:02:27,970
Så ett tredje exempel är att hitta alla telefonnummer som slutar på 54 i en katalog.

33
00:02:27,970 --> 00:02:34,360
Så innan David sliter upp CS50 katalogen vi kunde söka

34
00:02:34,360 --> 00:02:40,450
ett mönster där vi har parenteser därefter 3 siffror hamnar då parentes,

35
00:02:40,450 --> 00:02:44,070
Ytterligare 3 siffror, ett bindestreck, 2 siffror, och sedan 54.

36
00:02:44,070 --> 00:02:48,310
Och det skulle i stort sett hur vi kommit fram till ett reguljärt uttryck för att söka efter det.

37
00:02:49,150 --> 00:02:52,960
>> Så det finns - vi har gjort en del saker i CS50 som är lite som att

38
00:02:52,960 --> 00:02:59,740
reguljära uttryck, så - till exempel - i dictionary.C filen

39
00:02:59,740 --> 00:03:04,720
för stavningskontroll problemet set du kan ha använt fscanf

40
00:03:04,720 --> 00:03:07,930
att läsa in ett ord från ordlistan.

41
00:03:07,930 --> 00:03:16,240
Och du kan se den procentuella 45s är ute efter en sträng med 45 tecken.

42
00:03:16,240 --> 00:03:20,020
Så det är något som en rudimentär reguljärt uttryck.

43
00:03:21,150 --> 00:03:26,060
Och du kan ha några 45 tecken som passar räkningen i det

44
00:03:26,060 --> 00:03:28,080
och plocka upp dem.

45
00:03:28,080 --> 00:03:33,480
Och sedan det andra exemplet i den senaste webbprogrammering problem

46
00:03:33,480 --> 00:03:40,760
satt i distro kod för php vi gör faktiskt har en enkel reguljära uttryck.

47
00:03:40,760 --> 00:03:46,790
Och detta är bara helt enkelt ute efter att kontrollera om webbsidan som skickas i

48
00:03:46,790 --> 00:03:51,940
matchar antingen logga in eller logga registrera. PHP.

49
00:03:52,220 --> 00:03:57,910
Och sedan återvänder sant eller falskt baserat på det reguljära uttryck matchning.

50
00:03:59,400 --> 00:04:01,740
>> Så när använder du reguljära uttryck?

51
00:04:01,740 --> 00:04:04,820
Varför är du här idag?

52
00:04:05,330 --> 00:04:08,480
Så du vill inte använda reguljära uttryck när det är något som

53
00:04:08,480 --> 00:04:11,640
gör jobbet åt dig ännu enklare.

54
00:04:11,640 --> 00:04:15,510
Så XML och HTML är faktiskt ganska knepigt

55
00:04:15,510 --> 00:04:18,480
att skriva reguljära uttryck för när vi kommer att se i en liten bit.

56
00:04:19,110 --> 00:04:23,280
Så det finns särskilda tolkar för dessa språk.

57
00:04:24,170 --> 00:04:30,060
Du måste också vara okej med avvägningar och noggrannhet ofta.

58
00:04:30,060 --> 00:04:36,220
Om du försöker - så såg vi ett reguljärt uttryck för en e-postadress,

59
00:04:37,370 --> 00:04:42,590
men att säga att du ville ha en särskild e-postadress och gradvis

60
00:04:42,590 --> 00:04:48,570
reguljära uttryck kan bli mer komplicerad eftersom det blev mer exakt.

61
00:04:49,580 --> 00:04:52,260
Så det skulle vara en avvägning.

62
00:04:52,260 --> 00:04:55,330
Du måste vara säker på att du okej gör med det reguljära uttrycket.

63
00:04:55,330 --> 00:04:57,920
Om du vet exakt vad du letar efter det kanske vettigare

64
00:04:57,920 --> 00:05:02,070
att sätta i gång och skriva ett effektivare parser.

65
00:05:02,070 --> 00:05:06,980
Och slutligen finns det en historisk fråga med regelbundenhet

66
00:05:06,980 --> 00:05:08,940
av uttryck och språk.

67
00:05:08,940 --> 00:05:12,960
Reguljära uttryck är faktiskt mycket mer kraftfull än

68
00:05:12,960 --> 00:05:16,450
reguljära uttryck per säga i formell mening.

69
00:05:17,130 --> 00:05:20,150
>> Så jag vill inte gå för långt i den formella teorin,

70
00:05:20,150 --> 00:05:24,000
men de flesta språk som vi kod i själva verket inte är regelbunden.

71
00:05:24,000 --> 00:05:29,110
Och det är därför reguljära uttryck ibland inte betraktas allt som säker.

72
00:05:29,670 --> 00:05:33,150
Så i princip finns det ett Chomsky hierarki för språk,

73
00:05:33,150 --> 00:05:38,400
och reguljära uttryck är uppbyggda med hjälp av facket, sammanlänkning,

74
00:05:38,400 --> 00:05:41,810
och Kleene stjärnan operation som vi kommer att se i ett par minuter.

75
00:05:43,130 --> 00:05:48,860
Om du är intresserad av teorin finns det en hel del som händer där under huven.

76
00:05:50,360 --> 00:05:55,880
>> Så en kort historik - bara för sammanhanget här - regelbundna uppsättningar kom upp

77
00:05:55,880 --> 00:05:59,580
på 1950-talet, och då hade vi enkla redaktörer som

78
00:05:59,580 --> 00:06:03,300
införlivas reguljära uttryck - att bara söka efter strängar.

79
00:06:03,570 --> 00:06:09,110
Grep - vilket är ett kommandoradsverktyg - var en av de första

80
00:06:09,110 --> 00:06:14,160
mycket populära verktyg som ingår reguljära uttryck på 1960-talet.

81
00:06:14,160 --> 00:06:20,560
Under 80-talet, var Perl byggd - är ett programmeringsspråk som

82
00:06:20,560 --> 00:06:24,110
inkorporerar reguljära uttryck väldigt framträdande.

83
00:06:24,550 --> 00:06:30,130
Och sedan mer nyligen har vi haft Perl kompatibla reguljära uttryck

84
00:06:30,130 --> 00:06:35,870
protokoll i princip på andra språk som använder mycket av samma syntax.

85
00:06:36,630 --> 00:06:39,840
Naturligtvis den viktigaste händelsen var 2008

86
00:06:39,840 --> 00:06:43,040
där det var den första nationella Regular Expressions Dag,

87
00:06:43,040 --> 00:06:47,350
som jag tror är den 1 juni om du vill fira det.

88
00:06:48,430 --> 00:06:50,840
>> Återigen, bara lite mer teori här.

89
00:06:52,180 --> 00:06:55,320
Så det finns ett par olika sätt att konstruera reguljära uttryck.

90
00:06:55,950 --> 00:07:02,050
Ett enkelt sätt är att bygga ett uttryck som du ska

91
00:07:02,050 --> 00:07:07,500
köra på strängen tolkar - i princip bygga en liten mini-program som

92
00:07:07,500 --> 00:07:11,870
kommer att analysera delar av en sträng och se, "Åh, passar detta reguljära uttryck eller inte?"

93
00:07:12,250 --> 00:07:14,250
Och sedan köra det.

94
00:07:14,250 --> 00:07:17,300
Så om du har en mycket liten reguljära uttryck, är detta troligen

95
00:07:17,300 --> 00:07:19,380
det mest effektiva sättet att göra det.

96
00:07:20,090 --> 00:07:25,420
Och sedan om du - ett annat alternativ är att hålla rekonstruera

97
00:07:25,420 --> 00:07:30,260
uttryck som du går, och det är simulera möjligheten.

98
00:07:30,440 --> 00:07:37,690
Och dessa tidiga försök till reguljära uttryck algoritmer var

99
00:07:37,690 --> 00:07:44,330
relativt enkelt och relativt snabbt, men hade inte en stor flexibilitet.

100
00:07:44,330 --> 00:07:47,500
Så för att göra även några av de saker som vi kommer att titta på

101
00:07:47,500 --> 00:07:52,860
idag har vi haft att göra mer komplexa reguljära uttryck

102
00:07:52,860 --> 00:07:56,650
implementeringar som är potentiellt mycket långsammare, så det är något att ha i åtanke

103
00:07:57,510 --> 00:08:02,920
Det finns också en regelbunden uttryck förnekande av attack sort

104
00:08:02,920 --> 00:08:08,330
att utnyttja potentialen för dessa nyare implementeringar av

105
00:08:08,330 --> 00:08:10,930
reguljära uttryck för att bli mycket komplex.

106
00:08:11,570 --> 00:08:15,650
Och på samma sätt som vi såg i attacker buffertspill,

107
00:08:15,650 --> 00:08:21,610
du har attacker som verkar genom att göra rekursiva slingor som

108
00:08:21,610 --> 00:08:24,400
överskridande kapaciteten hos minnet.

109
00:08:24,780 --> 00:08:29,540
Och förresten Regexen är ett av de officiella pluralformer av reguljära uttryck

110
00:08:29,540 --> 00:08:32,890
analogt till oxar i den anglosaxiska.

111
00:08:33,500 --> 00:08:40,169
>> Okej, så det Python Library många av er här personligen har Mac,

112
00:08:40,169 --> 00:08:43,860
så du kan faktiskt dra upp detta på din skärm.

113
00:08:43,860 --> 00:08:47,480
Reguljära uttryck är inbyggda i Python.

114
00:08:48,070 --> 00:08:53,020
Och så Python är förinstallerad på Mac-datorer och även tillgängligt online på denna länk.

115
00:08:53,770 --> 00:08:57,350
Så om du tittar på kan du pausa och se till att du har Python

116
00:08:58,080 --> 00:09:00,170
som vi leka här.

117
00:09:00,780 --> 00:09:06,420
Det är en manuell på nätet, så om du bara skriver Python i din dator

118
00:09:06,420 --> 00:09:10,500
kommer du att se att den versionen kommer upp i terminalen.

119
00:09:11,070 --> 00:09:17,720
Så jag gav en länk till manualen för version 2 av Python samt en fusklapp.

120
00:09:17,720 --> 00:09:23,100
Det finns en version 3 av Python, men din Mac inte nödvändigtvis

121
00:09:23,100 --> 00:09:25,130
komma med det förinstallerade.

122
00:09:25,130 --> 00:09:27,360
Så inte så väldigt annorlunda.

123
00:09:27,360 --> 00:09:33,270
Okej, så några grunderna i att använda reguljära uttryck i Python.

124
00:09:34,080 --> 00:09:42,650
>> Så här har jag använt en mycket enkelt uttryck, så jag gjorde Python import re

125
00:09:43,750 --> 00:09:47,070
och tog sedan resultatet av re.search.

126
00:09:47,070 --> 00:09:49,910
Och sökandet tar 2 argument.

127
00:09:49,910 --> 00:09:56,040
Den första är det reguljära uttrycket, och den andra är texten

128
00:09:56,040 --> 00:09:58,290
eller sträng som du vill analysera.

129
00:09:58,290 --> 00:10:01,210
Och då jag skrev ut result.group.

130
00:10:01,580 --> 00:10:05,860
Så dessa är de två grundläggande funktioner vi kommer att se i dag

131
00:10:06,790 --> 00:10:10,170
att lära om reguljära uttryck.

132
00:10:10,170 --> 00:10:12,880
Så bara bryta ner detta reguljära uttryck här

133
00:10:12,880 --> 00:10:21,770
h och sedan \ w och sedan m så \ w accepterar bara någon bokstav i det.

134
00:10:21,850 --> 00:10:26,820
Så här är vi letar efter ett "h" och sedan en annan bokstav

135
00:10:26,820 --> 00:10:30,060
och därefter m, så här som skulle matcha skinka

136
00:10:30,060 --> 00:10:34,480
i, "Abraham Lincoln och skinka smörgåsar."

137
00:10:35,040 --> 00:10:37,150
Detta är resultatet av den gruppen.

138
00:10:37,680 --> 00:10:43,130
En annan sak som vi kan göra är att använda våra före textsträngar i Python.

139
00:10:43,130 --> 00:10:46,220
Så jag antar att jag kommer att gå vidare och dra upp det här.

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

141
00:10:50,070 --> 00:10:54,000
Och om jag skulle göra samma sak - låt oss säga text är,

142
00:10:55,390 --> 00:11:00,800
"Abraham," låt oss zooma in - där vi går.

143
00:11:01,610 --> 00:11:06,430
Text är, "Abraham äter skinka."

144
00:11:07,460 --> 00:11:15,260
Okej, och sedan leda = re.search.

145
00:11:16,260 --> 00:11:22,020
Och så vårt uttryck kan vara h, och då kommer jag att göra dot m.

146
00:11:22,020 --> 00:11:26,280
Så dot tar bara alla tecken som inte är en ny linje med siffror,

147
00:11:26,280 --> 00:11:28,650
procentenheter tecken, något liknande.

148
00:11:28,650 --> 00:11:38,030
Och sedan text - boom - och sedan result.group--ja.

149
00:11:38,030 --> 00:11:41,820
Så det är bara hur man ska genomföra grundläggande funktionalitet här.

150
00:11:42,300 --> 00:11:55,110
Om vi ​​hade en text ring som - det galna text - inkluderat säga massor av back snedstreck

151
00:11:55,110 --> 00:12:01,180
och strängar inne och saker som skulle kunna se ut escape-sekvenser,

152
00:12:01,180 --> 00:12:08,480
då vi vill nog använda den råa textinmatning för att säkerställa att accepteras.

153
00:12:08,480 --> 00:12:14,120
Och som bara ser ut så.

154
00:12:14,120 --> 00:12:17,810
Så om vi letade efter vart och ett av dem där vi inte skulle hitta något.

155
00:12:19,070 --> 00:12:21,680
Men det är hur du skulle genomföra det, strax innan strängen av

156
00:12:21,680 --> 00:12:24,990
det reguljära uttrycket du sätter bokstaven r..

157
00:12:26,150 --> 00:12:30,260
>> Okej, så låt oss fortsätta.

158
00:12:30,260 --> 00:12:33,730
Okej - så låt oss titta på ett par repetitiva mönster här.

159
00:12:34,750 --> 00:12:39,150
Så en sak som du vill göra är att upprepa saker

160
00:12:40,040 --> 00:12:42,480
när du söker igenom text.

161
00:12:42,480 --> 00:12:48,300
Så för att göra en följt av valfritt antal B - du gör ab *.

162
00:12:48,630 --> 00:12:51,620
Och sedan finns det en rad andra regler också.

163
00:12:51,620 --> 00:12:54,380
Och du kan se alla dessa upp, jag ska bara gå igenom en del av den

164
00:12:54,380 --> 00:12:57,630
mest använda sådana.

165
00:12:57,630 --> 00:13:03,920
Så ab + är en följd av något N större än 0 i b..

166
00:13:04,510 --> 00:13:08,000
ab? är en följd av 0 eller 1 av b..

167
00:13:09,190 --> 00:13:18,580
ab {N} är en följd av N av b, och sedan så vidare.

168
00:13:18,580 --> 00:13:22,820
Om du har 2 nummer i klammerparenteser du anger ett intervall

169
00:13:23,300 --> 00:13:25,440
som kan vara eventuellt matchas.

170
00:13:26,390 --> 00:13:30,420
Så vi kommer att titta mer på ett par återkommande mönster i en minut.

171
00:13:31,960 --> 00:13:42,300
Så 2 saker att tänka på när du använder dessa mönstermatchning verktyg här.

172
00:13:42,300 --> 00:13:52,120
Så säger vi vill titta på hm av, "Abraham Lincoln gör skinka smörgåsar."

173
00:13:52,120 --> 00:13:55,230
Så jag bytte Abraham Lincoln namn till Abraham.

174
00:13:55,230 --> 00:14:00,290
Och nu söker vi för vad som returneras av denna sökfunktion,

175
00:14:00,290 --> 00:14:03,270
och den återvänder bara skinka i det här fallet.

176
00:14:03,620 --> 00:14:08,080
Och det gör det eftersom sökningen bara naturligt tar den vänstra mest kö.

177
00:14:08,080 --> 00:14:12,130
Och alla reguljära uttryck om du inte anger annat kommer att göra det.

178
00:14:12,830 --> 00:14:18,880
Om vi ​​ville hitta allt finns det en funktion för att - hitta alla.

179
00:14:18,880 --> 00:14:35,100
Så att bara kunde se ut som alla = re.findall ('h.m ", text)

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

181
00:14:44,540 --> 00:14:51,040
Alla producerar både skinka och skinka, i detta fall de båda strängarna i Abraham varje skinka.

182
00:14:51,610 --> 00:14:55,110
Så det är ett annat alternativ.

183
00:14:56,250 --> 00:15:06,940
>> Jättebra. Den andra saken att tänka på är att reguljära uttryck tar den största intuitivt.

184
00:15:06,940 --> 00:15:09,520
Låt oss titta på detta exempel.

185
00:15:10,200 --> 00:15:16,070
Vi gjorde det vänstra mest söka här, och då jag försökte en större sökning

186
00:15:16,070 --> 00:15:18,800
använder Kleene stjärnan operatören.

187
00:15:18,800 --> 00:15:24,180
Så för, "Abraham Lincoln gör skinka smörgåsar," och jag bara fick tillbaka

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

189
00:15:26,280 --> 00:15:31,670
Anledningen till det misstaget var att jag kunde ha tagit ett antal

190
00:15:31,670 --> 00:15:36,140
h är eftersom jag inte angav något att gå in mellan h och m..

191
00:15:36,140 --> 00:15:42,010
Det enda exemplet där som hade m - de enda exemplen där med m i det

192
00:15:42,010 --> 00:15:46,220
och valfritt antal h s var bara strängen m.

193
00:15:46,490 --> 00:15:51,850
Sedan försökte jag det igen, jag sa, "Okej, låt oss få den faktiska största gruppen här."

194
00:15:51,850 --> 00:15:59,670
Och då gjorde jag h.. * M, så att bara returnerar antal tecken mellan h och m..

195
00:16:00,280 --> 00:16:02,950
Och om du just har börjat och tänka, "Åh, kommer okej, väl detta

196
00:16:02,950 --> 00:16:11,560
få mig skinka, "det tar faktiskt allt från h på Abraham Lincoln

197
00:16:11,560 --> 00:16:13,690
ända fram till slutet av skinka.

198
00:16:14,040 --> 00:16:18,110
Det är giriga, det ser h - allt detta andra text - m,

199
00:16:18,110 --> 00:16:21,280
och det är vad det tar i.

200
00:16:22,060 --> 00:16:27,480
Detta är en särskilt egregious - detta är en funktion som vi kan också

201
00:16:27,480 --> 00:16:30,670
anger för det inte vara girig använda andra funktioner.

202
00:16:31,480 --> 00:16:34,490
Men detta är något vi måste tänka på speciellt

203
00:16:34,490 --> 00:16:38,720
när man tittar på HTML-text, vilket är en anledning till att

204
00:16:38,720 --> 00:16:41,500
reguljära uttryck är svårt för HTML.

205
00:16:42,460 --> 00:16:46,310
För om du har en HTML öppen tagg och sedan massor av grejer i mitten

206
00:16:46,310 --> 00:16:49,820
och lite annat HTML stängt taggen långt senare i programmet,

207
00:16:49,820 --> 00:16:55,420
du har precis ätit upp en hel del av HTML-koden möjligen av misstag.

208
00:16:56,200 --> 00:17:01,840
>> Alla rätt - så mer specialtecken, liksom många andra språk,

209
00:17:01,840 --> 00:17:04,780
vi fly med snedstreck.

210
00:17:04,780 --> 00:17:10,329
Så vi kan använda prick för att ange alla tecken med undantag för en ny linje.

211
00:17:10,329 --> 00:17:14,550
Vi kan använda escape w för att ange någon bokstav.

212
00:17:14,550 --> 00:17:20,329
Och analogt fly d för något heltal - numeriska tecken.

213
00:17:20,630 --> 00:17:27,440
Vi kan ange - vi kan använda parenteser för att specificera besläktade uttryck.

214
00:17:27,440 --> 00:17:30,970
Så detta skulle acceptera a, b eller c.

215
00:17:31,320 --> 00:17:37,000
Och vi kan också ange eller alternativ för antingen a eller b.

216
00:17:37,000 --> 00:17:41,110
Till exempel - om vi söker flera möjligheter

217
00:17:41,110 --> 00:17:44,940
inom parentes vi kunde använda den eller operatören som i -

218
00:17:44,940 --> 00:17:52,480
så låt oss gå tillbaka till exemplet här.

219
00:17:53,000 --> 00:17:59,790
Och låt oss nu ta - låt oss gå tillbaka till exemplet här, och sedan

220
00:17:59,790 --> 00:18:12,290
ta ae - så här ska återvända - jag antar att detta är fortfarande Abraham.

221
00:18:12,290 --> 00:18:17,410
Så detta - om vi gör allt - bra.

222
00:18:17,410 --> 00:18:22,700
Så låt oss uppdatera texten här.

223
00:18:22,700 --> 00:18:34,690
"Abraham äter skinka medan fålla hans -. Medan fållning" Jättebra.

224
00:18:44,090 --> 00:18:47,330
Alla. Jättebra. Nu får vi skinka, skinka, och nertill.

225
00:18:48,510 --> 00:18:59,370
Medan fålla - samtidigt nynna för honom - samtidigt nynna till fåll honom. Jättebra.

226
00:19:00,350 --> 00:19:03,250
Samma sak.

227
00:19:03,820 --> 00:19:09,180
Nu är allt återvänder fortfarande bara skinka, skinka, och nertill utan att plocka upp på brum eller honom.

228
00:19:09,940 --> 00:19:22,600
Stor - så tänk om vi ville titta på någon som - så vi kunde också göra

229
00:19:23,510 --> 00:19:33,810
honom eller - vi kommer att återkomma till detta.

230
00:19:34,810 --> 00:19:45,760
Okej - så - okej - i positioner du kan också använda cirkumflex eller dollartecken

231
00:19:45,760 --> 00:19:49,350
att ange att du letar efter något i början eller slutet av en sträng.

232
00:19:50,260 --> 00:19:52,260
Eller i början eller slutet av ett ord.

233
00:19:52,400 --> 00:19:54,470
Det är ett sätt att använda detta.

234
00:19:55,630 --> 00:20:01,160
>> Okej - så låt oss leka med en något större textblock.

235
00:20:03,950 --> 00:20:08,310
Låt oss säga att denna raden här - detta uttalande här.

236
00:20:08,310 --> 00:20:11,360
Kraften av reguljära uttryck är att de kan specificera mönster

237
00:20:11,360 --> 00:20:13,390
inte bara fasta tecken.

238
00:20:14,900 --> 00:20:18,790
Låt oss göra - låt oss kalla detta block.

239
00:20:22,400 --> 00:20:27,110
Då kommer vi att läsa allt detta i.

240
00:20:28,890 --> 00:20:50,820
Och sedan ha en - låt oss göra alla =, så vad är några saker som vi kunde söka in här lönsamt?

241
00:20:50,820 --> 00:20:54,070
Vi kunde se för uttrycket örat.

242
00:20:55,050 --> 00:21:01,520
Inte mycket intressant. Vad sägs om det? Vi får se vad som händer.

243
00:21:03,710 --> 00:21:05,710
Jag gav det ett problem.

244
00:21:06,380 --> 00:21:10,750
Så valfritt antal saker innan du och alla.

245
00:21:10,750 --> 00:21:15,630
Så det borde återvända allt från början till alla åter kanske ett par gånger.

246
00:21:18,800 --> 00:21:21,970
Och så här har vi makt reguljära uttryck är att de

247
00:21:21,970 --> 00:21:24,900
kan specificera mönster inte bara tecken här är.

248
00:21:24,900 --> 00:21:28,510
Så hela vägen fram till den slutliga re, började den med vänster mest och var giriga.

249
00:21:30,710 --> 00:21:32,710
Låt oss se - vad kan vi leta efter.

250
00:21:32,710 --> 00:21:39,860
Jag antar att en sak om du var intresserad av att leta efter de pronomen hon och han,

251
00:21:39,860 --> 00:21:44,600
du kan kontrollera för s är lika med 0 eller 1

252
00:21:44,600 --> 00:21:49,710
och uttrycket han, och som förmodligen inte kommer att återvända -

253
00:21:49,710 --> 00:21:58,020
åh, jag antar att det återvände han för att det vi ser på makt, den dagen är här.

254
00:22:00,590 --> 00:22:06,270
Låt oss försöka specificera att detta måste komma i början av någonting.

255
00:22:06,640 --> 00:22:09,530
Låt oss se om det sjunker.

256
00:22:09,530 --> 00:22:19,630
Så vi kan göra fett, och det vi inte får något eftersom hon och han

257
00:22:19,630 --> 00:22:22,870
förekommer inte i denna fras.

258
00:22:24,960 --> 00:22:30,410
Jättebra. Okej - så tillbaka till katten här.

259
00:22:30,410 --> 00:22:35,720
Så komplexa mönster skadar hjärnan.

260
00:22:35,720 --> 00:22:40,500
Så det är därför vi använder reguljära uttryck för att undvika dessa problem.

261
00:22:40,820 --> 00:22:43,520
>> Så här är några andra användbara lägen du kan leka med.

262
00:22:43,520 --> 00:22:50,290
Vi tittade på sökning idag, men du kan också använda match, split, findall och grupper.

263
00:22:50,290 --> 00:22:53,970
Så andra coola saker du kan göra med reguljära uttryck Förutom att bara

264
00:22:53,970 --> 00:22:58,870
leta efter mönster tar ett mönster och hålla alla matcher -

265
00:22:58,870 --> 00:23:02,530
dess variabler - och sedan använda dem i din kod senare.

266
00:23:02,850 --> 00:23:05,980
Det kan vara ganska bra. Andra saker kan räkna.

267
00:23:05,980 --> 00:23:11,720
Så vi kan räkna antalet förekomster av ett mönster för reguljära uttryck,

268
00:23:11,720 --> 00:23:13,960
och det är vad vi kan använda grupper för.

269
00:23:13,960 --> 00:23:17,550
Och andra lägen samt är också möjliga.

270
00:23:18,040 --> 00:23:22,980
Så jag vill bara prata lite mer om andra sätt du kan använda reguljära uttryck.

271
00:23:22,980 --> 00:23:29,100
>> Så en mer avancerad applikation är fuzzy matchning.

272
00:23:29,100 --> 00:23:33,450
Så om du letar efter en text för uttrycket, Julius Caesar,

273
00:23:33,450 --> 00:23:37,740
och du ser antingen Gaius Julius Caesar eller namnet Julius Caesar i andra språk,

274
00:23:37,740 --> 00:23:44,400
då kanske du också vill ge lite tyngd till dessa värden.

275
00:23:44,400 --> 00:23:48,930
Och om det är nära nog - om den korsar en viss tröskel - då du vill

276
00:23:48,930 --> 00:23:50,860
att kunna ta emot Julius Caesar.

277
00:23:50,860 --> 00:24:00,580
Så det finns ett par olika implementationer för att i några andra språk.

278
00:24:02,580 --> 00:24:08,420
Här är några andra verktyg, Regex PAL - en behändig liten app nätet till

279
00:24:08,420 --> 00:24:12,190
kontrollera om dina reguljära uttryck består korrekt.

280
00:24:12,190 --> 00:24:18,500
Det finns också fristående verktyg som du kan köra från skrivbordet

281
00:24:18,500 --> 00:24:22,100
som Ultra Pico, och liksom bara kokböcker.

282
00:24:22,100 --> 00:24:25,410
Så om du gör ett projekt som involverar massor av reguljära uttryck

283
00:24:25,410 --> 00:24:29,810
Detta är förmodligen den plats att gå utanför idag.

284
00:24:31,520 --> 00:24:35,770
Och sedan bara för att ge dig en känsla av hur vanligt det är

285
00:24:35,770 --> 00:24:44,090
det finns grep i Unix, har Perl inbyggd, och C finns det PCRE för C.

286
00:24:44,090 --> 00:24:48,890
Och sedan alla dessa andra språk har också reguljära uttryck paket

287
00:24:48,890 --> 00:24:52,020
som arbetar med väsentligen samma syntax som vi fick en smak av idag.

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

289
00:24:56,080 --> 00:24:58,980
>> Google Code Search är faktiskt värt att nämna, det är en av de

290
00:24:58,980 --> 00:25:05,720
relativt få program där ute som gör allmänheten att få tillgång till

291
00:25:05,720 --> 00:25:07,800
sin databas med reguljära uttryck.

292
00:25:07,800 --> 00:25:12,920
Så om du tittar på Google Code Search hittar koden

293
00:25:12,920 --> 00:25:16,880
Om du letar efter ett exempel på hur en funktion kan användas,

294
00:25:16,880 --> 00:25:21,610
Du kan använda ett reguljärt uttryck för att finna denna funktion används i alla möjliga olika ärenden.

295
00:25:21,610 --> 00:25:28,000
Du kan leta efter fwrite, och sedan kan du leta efter flagga skriva eller läsa

296
00:25:28,000 --> 00:25:32,000
om du ville ha ett exempel på fwrite som används i det fallet.

297
00:25:33,530 --> 00:25:37,010
Så samma sak där, och här är några referenser.

298
00:25:37,010 --> 00:25:40,990
Detta kommer att vara tillgängliga på nätet också, så gå framåt om

299
00:25:40,990 --> 00:25:45,560
du vill titta på Python, grep, Perl - du vill bara få lite inspiration

300
00:25:45,560 --> 00:25:50,650
eller om du vill titta mer på teorin här är några bra hoppning av platser.

301
00:25:50,650 --> 00:25:53,870
Tack så mycket.

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