Ми вже знаємо основи: класи символів, як-от \d і [A-Z], квантифікатори, як-от {4} і +, а також слова matches?, all-matching-subseqs і re-replace. Ця вправа додає ті частини регулярних виразів, які описують структуру та контекст. Вони живуть у тому самому словнику regexp, записані тим самим літералом R/ /.
Межі
Межі збігаються з позицією, а не із символом:
^ ! the start of the string
$ ! the end of the string
\b ! a word boundary
Оскільки $ означає кінець рядка тексту (англ. string), для буквального знака долара пишіть \$.
Межа слова (\b) - це місце, де символ слова зустрічається з тим, що не є символом слова. Символами слова є літери, цифри та підкреслення; усе інше, а саме пробіли, розділові знаки та обидва кінці рядка тексту, вважається межею. Тож \bcat\b збігається з cat лише тоді, коли воно стоїть саме по собі:
USING: regexp ;
"cat nap" R/ \bcat\b/ re-contains? . ! => t
"scatter" R/ \bcat\b/ re-contains? . ! => f (cat sits inside a word)
Групування та альтернація
Круглі дужки ( ) групують частину шаблону так, що квантифікатор (або |, тобто «це або те») застосовується до всієї групи:
USING: regexp ;
"abab" R/ (ab)+/ matches? . ! => t (+ applies to "ab")
"dog" R/ cat|dog/ matches? . ! => t (either word)
"$100.50" R/ \$\d+(\.\d{2})?/ matches? . ! => t
"$100" R/ \$\d+(\.\d{2})?/ matches? . ! => t (the group is optional)
Останній шаблон читається так: «знак долара, одна або більше цифр, а потім необовʼязкова група з крапки та двох цифр».
Зауваження: у Factor група лише структурує шаблон. На відміну від деяких інструментів для регулярних виразів, витягнути назад текст, із яким збіглася група, не вийде: видобування захоплених груп тут немає, а зворотні посилання, як-от \1, не підтримуються. Щоб вибрати текст навколо орієнтира, скористаймося натомість перевіркою оточення (див. нижче).
Перевірка оточення: збіг за контекстом, без його споживання
Перевірка оточення зʼясовує, що стоїть безпосередньо перед поточним місцем або одразу після нього, не роблячи ці символи частиною збігу. Вона має «нульову ширину»: те, що вона перевіряє, не входить до результату.
(?=...) ! lookahead: ... must follow
(?!...) ! negative lookahead: ... must NOT follow
(?<=...) ! lookbehind: ... must come before
(?<!...) ! negative lookbehind: ... must NOT come before
Перевірка оточення вибіркова: ті самі символи збігаються чи ні залежно від того, що стоїть поруч. Звичайний \d+ хапає кожне число; перевірка назад і перевірка вперед залишають лише ті, у яких правильний сусід:
USING: regexp ;
"3 for $10 or 10 for $30" R/ \d+/ all-matching-subseqs .
! => { "3" "10" "10" "30" } (every number)
"3 for $10 or 10 for $30" R/ (?<=\$)\d+/ all-matching-subseqs .
! => { "10" "30" } (only the prices — the bare 3 and 10 drop)
"buy 2 at 15% off, 4 at 30% off" R/ \d+(?=%)/ all-matching-subseqs .
! => { "15" "30" } (only the discounts — the bare 2 and 4 drop)
Опції
Додайте літеру після закривальної /, щоб змінити поведінку всього шаблону. i робить його незалежним від регістру:
USING: regexp ;
"REFUND" R/ refund/i matches? . ! => t
"Refund" R/ refund/i matches? . ! => t
Перетворення кожного збігу
all-matching-subseqs віддає нам текст збігу. map-matches іде на крок далі: він запускає quotation для кожного збігу й збирає результати. Quotation отримує індекс start збігу, його індекс end і весь рядок тексту; subseq перетворює ці три на текст збігу, який ми потім перетворюємо:
map-matches ( string regexp quot: ( start end string -- obj ) -- seq )
USING: math regexp sequences ;
"a1 b22 c333" R/ \d+/ [ subseq length ] map-matches .
! => { 1 2 3 } (the length of each run of digits)
Його родич, призначений лише для побічних ефектів, each-match, запускає quotation для кожного збігу, нічого не збираючи.
Навчальна вправа
