Reguláris kifejezések
A reguláris kifejezések (regexek) olyan karaktersorozatok, amelyek egy szövegben megkeresendő mintát írnak le.
A reguláris kifejezések szintaxisának megtanulása meghaladja ennek a témának a kereteit.
Arra összpontosítunk, hogy milyen kifejezéseket kínál a jq a regexek használatához.
A reguláris kifejezések változatai
A különböző eszközök a reguláris kifejezések különböző változatait valósítják meg.
A jq az Oniguruma regexkönyvtárat használja, amely nagyrészt kompatibilis a Perl v5.8 regexeivel.
A jq által használt konkrét szintaxis az Oniguruma GitHub-tárolójában található.
A jq-nak nincs különleges szintaxisa a reguláris kifejezésekhez.
Azokat egyszerűen stringként fejezzük ki.
Ez azt jelenti, hogy a reguláris kifejezésben minden fordított perjelet escape-elni kell a stringben.
Például a számjegyet jelölő karakterosztályt (\d) így kell írni: "\\d".
Regexfüggvények
A jq-ban a reguláris kifejezések használata néhány szűrőre korlátozódik.
Egyszerű illesztés
Ha tudni szeretnéd, hogy egy string illeszkedik-e egy mintára, használd a test szűrőt.
STRING | test(REGEX)
STRING | test(REGEX; FLAGS)
STRING | test([REGEX, FLAGS])
Ez a szűrő Boolean eredményt ad vissza.
"Hello World!" | test("W") # => true
"Goodbye Mars" | test("W") # => false
Ha ki szeretnéd nyerni azt a részstringet, amely ténylegesen illeszkedett a mintára, használd a match szűrőt.
STRING | match(REGEX)
STRING | match(REGEX; FLAGS)
STRING | match([REGEX, FLAGS])
Ez a szűrő a következőt adja vissza:
- semmit, ha nem volt illesztés, vagy
- egy objektumot, amely különféle tulajdonságokat tartalmaz, ha volt illesztés.
Ez a példa két azonos, egymást követő magánhangzót keres a visszahivatkozás szintaxisával, \1.
"Hello World!" | match("([aeiou])\\1")
# => empty
"Goodbye Mars" | match("([aeiou])\\1")
# => {
# "offset": 1,
# "length": 2,
# "string": "oo",
# "captures": [
# {
# "offset": 1,
# "length": 1,
# "string": "o",
# "name": null
# }
# ]
# }
A match szűrő minden illesztéshez egy objektumot ad vissza.
Ez a példa a "g" jelző működését mutatja be, amellyel az összes magánhangzót megtalálhatod.
"Goodbye Mars" | match("[aeiou]"; "g")
# => { "offset": 1, "length": 1, "string": "o", "captures": [] }
# { "offset": 2, "length": 1, "string": "o", "captures": [] }
# { "offset": 6, "length": 1, "string": "e", "captures": [] }
# { "offset": 9, "length": 1, "string": "a", "captures": [] }
Rögzített részstringek
A match szűrőhöz hasonlóan a capture szűrő is egy objektumot ad vissza, ha volt illesztés.
STRING | capture(REGEX)
STRING | capture(REGEX; FLAGS)
STRING | capture([REGEX, FLAGS])
A visszaadott objektum a nevesített rögzítések leképezése.
"JIRAISSUE-1234" | capture("(?<project>\\w+)-(?<issue_num>\\d+)")
# => {
# "project": "JIRAISSUE",
# "issue_num": "1234"
# }
Csak a részstringek
A scan szűrő hasonló a match szűrőhöz a "g" jelzővel.
STRING | scan(REGEX)
STRING | scan(REGEX; FLAGS)
A scan részstringek folyamát adja vissza.
"Goodbye Mars" | scan("[aeiou]")
# => "o"
# "o"
# "e"
# "a"
A részstringek rögzítéséhez használd a [...] tömbkonstruktort.
"Goodbye Mars" | [ scan("[aeiou]") ]
# => ["o", "o", "e", "a"]
String felosztása
Ha tudod, hogy a string mely részeit szeretnéd megtartani, használd a match vagy a scan szűrőt.
Ha tudod, hogy mely részeit szeretnéd elvetni, használd a split szűrőt.
STRING | split(REGEX; FLAGS)
Az egyargumentumos split szűrő a paraméterét rögzített stringként kezeli.
Ahhoz, hogy regexet használj a split-tel, meg kell adnod a második argumentumot; nyugodtan használhatsz üres stringet.
Egy példa, amely egy stringet tetszőleges whitespace mentén bont fel.
"first second third fourth" | split("\\s+"; "")
# => ["first", "second", "third", "fourth"]
Helyettesítések
A sub és a gsub szűrő át tudja alakítani a bemeneti stringet: a bemenet illeszkedő részeit egy helyettesítő stringgel cseréli le.
Ha csak az első illesztést szeretnéd lecserélni, használd a sub szűrőt.
Ha az összes illesztést le szeretnéd cserélni, használd a gsub szűrőt.
STRING | sub(REGEX; REPLACEMENT)
STRING | sub(REGEX; REPLACEMENT; FLAGS)
STRING | gsub(REGEX; REPLACEMENT)
STRING | gsub(REGEX; REPLACEMENT; FLAGS)
"Goodnight kittens. Goodnight mittens." | sub("night"; " morning")
# => "Good morning kittens. Goodnight mittens."
"Goodnight kittens. Goodnight mittens." | gsub("night"; " morning")
# => "Good morning kittens. Good morning mittens."
A helyettesítő szöveg hivatkozhat az illeszkedő részstringekre; használj nevesített rögzítéseket és string-interpolációt.
"Some 3-letter acronyms: gnu, csv, png"
| gsub( "\\b(?<tla>[[:alpha:]]{3})\\b"; # find words 3 letters long
"\(.tla | ascii_upcase)" ) # upper-case the match
# => "Some 3-letter acronyms: GNU, CSV, PNG"
Jelzők
A fenti szűrők mindegyikében a FLAGS egy string, amely a támogatott jelzők közül nullát vagy többet tartalmaz.
-
g - Globális keresés (az összes illesztést megtalálja, nem csak az elsőt)
-
i - Kis- és nagybetűt nem megkülönböztető keresés
-
m - Többsoros mód (a '.' az újsorokra is illeszkedik)
-
n - Az üres illesztések figyelmen kívül hagyása
-
p - Az s és az m mód is engedélyezve van
-
s - Egysoros mód ('^' -> '\A', '$' -> '\Z')
-
l - A lehető leghosszabb illesztések keresése
-
x - Kiterjesztett regexformátum (a whitespace-t és a megjegyzéseket figyelmen kívül hagyja)
Például
"JIRAISSUE-1234" | capture("(?<project>\\w+)-(?<issue_num>\\d+)")
# or with Extended formatting
"JIRAISSUE-1234" | capture("
(?<project> \\w+ ) # the Jira project
- # followed by a hyphen
(?<issue_num> \\d+ ) # followed by digits
"; "x")
Tanulófeladat
