عبارات باقاعده در Elixir از مشخصات PCRE (Perl Compatible Regular Expressions) پیروی میکنند، مشابه زبانهای محبوب دیگری مانند Java، JavaScript یا Ruby.
ماژول Regex توابعی برای کار کردن با عبارات باقاعده در اختیار میگذارد. برخی از توابع ماژول String هم عبارات باقاعده را بهعنوان آرگومان میپذیرند.
این تمرین فرض میکند که شما از قبل نحوهی نگارش عبارات باقاعده را میدانید، از جمله کلاسهای نویسه، سنجهها، گروهها و ضبطها.
اگر لازم است دانش خود را دربارهی عبارات باقاعده تازه کنید، یکی از این منابع را ببینید: Regular-Expressions.info، Rex Egg، RegexOne، Regular Expressions 101، RegExr.
رایجترین راه برای ساختن عبارات باقاعده استفاده از «سیگیل» ~r است.
~r/test/
توجه کنید که همهی سیگیلهای Elixir از انواع مختلف جداکنندهها پشتیبانی میکنند، نه فقط /.
از عملگر =~/2 میتوان برای انجام یک تطبیق باقاعده استفاده کرد که نتیجهی boolean برمیگرداند. در عوض، توابع match?/2 هم در ماژول Regex و هم در ماژول String وجود دارند.
"this is a test" =~ ~r/test/
# => true
String.match?("Alice has 7 apples", ~r/\d{2}/)
# => false
اگر یک بررسی سادهی «منطقی» کافی نیست، از تابع Regex.run/3 استفاده کنید تا لیستی از همهی ضبطها را به دست آورید (یا nil اگر تطبیقی وجود نداشت). اولین عنصر در لیست برگرداندهشده همیشه تطبیق کل عبارت باقاعده است و عناصر بعدی گروههای منطبقشده هستند.
Regex.run(~r/(\d) apples/, "Alice has 7 apples")
# => ["7 apples", "7"]
رفتار یک عبارت باقاعده را میتوان با افزودن پرچمهای ویژه تغییر داد. وقتی از سیگیل برای ساخت یک عبارت باقاعده استفاده میکنید، اصلاحکنندهها را بعد از جداکنندهی دوم اضافه کنید.
اصلاحکنندههای رایج عبارتاند از:
i - تطبیق را نسبت به بزرگی و کوچکی حروف بیتفاوت میکند.u - الگوهای مخصوص Unicode مانند \p را فعال میکند و باعث میشود کلاسهای نویسهای مانند \w، \s و غیره با Unicode هم تطبیق پیدا کنند."this is a TEST" =~ ~r/test/i
# => true
پس از یک بازبینی امنیتی اخیر، از شما خواسته شده است که فایلهای لاگ آرشیوشدهی سازمان را پاکسازی کنید.
باید تصوری کلی داشته باشید که چند خط لاگ در آرشیو شما با استانداردهای کنونی مطابقت ندارد. معتقدید یک آزمون ساده مشخص میکند که یک خط لاگ معتبر است یا نه. برای اینکه خطی معتبر به حساب بیاید، باید با یکی از رشتههای زیر آغاز شود:
تابع valid_line?/1 را طوری پیادهسازی کنید که اگر خط لاگ معتبر بود، true برگرداند.
LogParser.valid_line?("[ERROR] Network Failure")
# => true
LogParser.valid_line?("Network Failure")
# => false
مدتی پس از شروع پروژهی تجزیهی لاگ، متوجه میشوید که لاگهای یک برنامه، برخلاف بقیه، به خطوط تقسیم نشدهاند. در این پروژه، آنچه باید خطوطی جدا میبود، در عوض روی یک خط واحد آمده و با فلشهای عجیبوغریبی مانند <---> یا <*~*~> به هم پیوند خورده است.
در واقع، هر رشتهای که نخستین نویسهاش < و واپسین نویسهاش > باشد و در میان آنها هر ترکیبی از نویسههای ~، *، = و - قرار بگیرد، میتواند بهعنوان جداکننده در لاگهای این پروژه به کار رود.
تابع split_line/1 را پیادهسازی کنید که یک خط میگیرد و فهرستی از رشتهها برمیگرداند.
LogParser.split_line("[INFO] Start.<*>[INFO] Processing...<~~~>[INFO] Success.")
# => ["[INFO] Start.", "[INFO] Processing...", "[INFO] Success."]
متوجه شدهاید که بخشی از پردازشهای بالادستی لاگها، متن «end-of-line» را بههمراه یک شمارهی خط (بدون فاصلهای در میان) در سراسر لاگها پراکنده کرده است.
تابع remove_artifacts/1 را پیادهسازی کنید تا یک رشته بگیرد و همهی موارد متن «end-of-line» را (بدون در نظر گرفتن بزرگی و کوچکی حروف) حذف کند و یک خط لاگ پاکشده برگرداند.
خطوطی که متن «end-of-line» را ندارند باید بدون تغییر برگردانده شوند.
فقط رشتهی «end-of-line» را حذف کنید؛ نیازی به تنظیم فاصلههای خالی نیست.
LogParser.remove_artifacts("[WARNING] end-of-line23033 Network Failure end-of-line27")
# => "[WARNING] Network Failure "
متوجه شدهاید که برخی از خطوط لاگ جملههایی دارند که به کاربران اشاره میکنند.
این جملهها همیشه رشتهی "User" را دارند که پس از آن یک یا چند نویسهی فاصله و سپس اسم کاربر میآید.
تصمیم میگیرید چنین خطوطی را برچسب بزنید.
تابع tag_with_user_name/1 را پیادهسازی کنید که خطوط لاگ را پردازش میکند:
"User" را ندارند، بدون تغییر میمانند."User" را دارند، خط را با [USER] و پس از آن اسم کاربر پیشوند کنید.LogParser.tag_with_user_name("[INFO] User Alice created a new project")
# => "[USER] Alice [INFO] User Alice created a new project"
میتوانید فرض کنید که:
"User"، یک یا چند نویسهی فاصله و سپس اسم کاربر میآید."User" وجود دارد.