नियमित अभिव्यक्ति उन्नत और पूर्वव्यापी चेक

मैं एक अत्यंत सरल लेकिन दिलचस्प काम के लिए आया था, जिसे श्रमिकों और किसानों के नियमित अभिव्यक्ति पाठ्यक्रम के ढांचे से परे थोड़ा-सा आवश्यक था - और मुझे उम्मीद है कि इसके बारे में एक छोटी कहानी उन लोगों के लिए उपयोगी होगी जो अभी तक नियमित जेडी नहीं बने हैं।

बेशक, एक विकर्ण पर नियमित अभिव्यक्तियों के दस्तावेज़ीकरण को पढ़ते हुए, आप, मेरी तरह, शायद एक से अधिक त्वरित और पूर्वव्यापी परीक्षण कर चुके हैं, लेकिन यह एहसास किए बिना कि उन्हें किस कार्य की आवश्यकता हो सकती है, वे आपकी स्मृति में नहीं आएंगे जब आप इसे करेंगे।

जब तक html टैग उस से पहले (सादगी के लिए, केवल चरित्र) नहीं आया, तब तक आम कार्य <br /> के साथ लाइन फीड को बदलना है। विषय से हटते हुए, इस तरह के प्रतिस्थापन एल्गोरिथ्म की आवश्यकता है ताकि हेब्रे शैली में पाठ ब्लॉकों के अंदर लाइन फीड का स्वचालित जोड़ हो, और सामान्य HTML लेआउट को तोड़ने के लिए नहीं।

माथे का समाधान एक कुल्हाड़ी की तरह सरल है - पिछला चरित्र प्रतिस्थापित पैटर्न का हिस्सा है, जिसे हम परिणाम में पुन: व्यवस्थित करते हैं:

preg_replace("/([^>])\n/","\\1<br />",$text); 

और यह मूल रूप से एक पूरे वर्ष के लिए काम करता था जब तक कि लाइन फीड अचानक "कैनोनाइज्ड" नहीं थे ताकि कोड ऑपरेटिंग सिस्टम की परवाह किए बिना काम करता है, किसी भी पंक्ति फ़ीड विकल्प (\ n, \ r, \ r \ n) को \ n द्वारा बदल दिया गया है। अचानक 2 लाइन फ़ीड ने 2 <br/> में बदलना बंद कर दिया

यह व्यवहार काफी उचित है (विशेषकर डिबगिंग के बाद) - प्रीग_रेप्लेस ने एक बार फिर से जांचने की कोशिश नहीं की कि यह केवल लूपिंग से बचने के लिए क्या बदला - और हमें पिछले चरित्र की जांच करने की आवश्यकता है। जब लाइन फीड्स को कैनोनीज़ नहीं किया गया था, तो वास्तव में हमारे पास \ r \ n \ r \ n (0xd 0xa 0xd 0xa) था, वैसे, आप R etur N जैसे विशेष वर्णों के अनुक्रम को याद कर सकते हैं) - और हमने प्रतिस्थापित \ n, और \ n r - बना रहा, और यह वह था जिसे '>' के मिलान के लिए नियमित अभिव्यक्ति द्वारा जांचा गया था। विहित करने के बाद, हमने 1 वर्ण का यह "रिज़र्व" खो दिया, और preg_replace ने नियमित अभिव्यक्ति के लिए स्ट्रिंग को सीधे \ n वर्ण से जाँचना शुरू किया - और निश्चित रूप से कोई प्रतिस्थापन नहीं था।

यह ऐसी समस्याओं को हल करने के लिए है जो लुक-फ़ॉरवर्ड और लुक-बैक एक्सप्रेशन मौजूद हैं (जो मैंने व्यक्तिगत रूप से पहले नहीं झेले हैं)।

ज़ीरो-विथ असेंबल्स (अग्रणी और पूर्वव्यापी जाँच) के आगे-पीछे देखने और अपने स्वयं के एनालॉग्स $ और ^ बनाने की क्षमता है: वे एक शर्त निर्दिष्ट करते हैं जिसे लाइन के आरंभ या अंत में पूरा किया जाना चाहिए या निष्पादित नहीं किया जाना चाहिए, और "लिपटे" का हिस्सा नहीं हैं। भाव अर्थात। preg_replace में प्रतिस्थापित नहीं किया जाएगा। यह ठीक वैसा ही है जैसा हमें इस कार्य के लिए चाहिए।

लुक-बैक - "पीछे" दिखता है, तदनुसार उसे नियमित अभिव्यक्ति की शुरुआत में रखा जाता है।
आगे देखो - अंत में, और आगे "देख"।

उनका वाक्य विन्यास है:
(<? पैटर्न) सकारात्मक रूप से पीछे की स्थिति
(? <! पैटर्न) नकारात्मक रूप से पीछे की स्थिति
(=? पैटर्न) सकारात्मक नज़र-आगे की स्थिति
(? पैटर्न) नकारात्मक नज़र-आगे की स्थिति

रेगेक्स इंजन द्वारा लुक-पीछे के दावे पर कई प्रतिबंध लगाए गए हैं - ज्यादातर मामलों में यह एक निश्चित, पहले से ज्ञात लंबाई की अभिव्यक्ति की जांच करनी चाहिए (जावा और .NET पार्सर में, प्रतिबंध कमजोर हैं, जावास्क्रिप्ट में यह बिल्कुल भी समर्थित नहीं है, प्रलेखन की जांच करें)।

सेनिया के लिए धन्यवाद , हम विभिन्न नियमित अभिव्यक्ति पार्सरों की व्यापक संगतता तालिका से खुद को परिचित कर सकते हैं , यहां हमारा विषय है:

फ़ीचर	नेट	जावा	पर्ल	PCRE	ECMA	अजगर	गहरे लाल रंग का	Tcl हैं	POSIX BRE	POSIX ERE	GNU BRE	GNU ERE	एक्सएमएल	XPath
(= = regex) (सकारात्मक रूपांतर)	हाँ	हाँ	हाँ	हाँ	हाँ	हाँ	हाँ	हाँ	नहीं	नहीं	नहीं	नहीं	नहीं	नहीं
(? रेगेक्स) (नकारात्मक रूपांतर)	हाँ	हाँ	हाँ	हाँ	हाँ	हाँ	हाँ	हाँ	नहीं	नहीं	नहीं	नहीं	नहीं	नहीं
(? <= पाठ) (सकारात्मक खोज)	पूर्ण रेगेक्स	परिमित लंबाई	निश्चित लंबाई	फिक्स्ड + वैकल्पिक प्याज	नहीं	निश्चित लंबाई	नहीं	नहीं	नहीं	नहीं	नहीं	नहीं	नहीं	नहीं
(? <! टेक्स्ट) (नकारात्मक खोज)	पूर्ण रेगेक्स	पूर्ण रेगेक्स	परिमित लंबाई	निश्चित लंबाई	फिक्स्ड + वैकल्पिक प्याज	नहीं	निश्चित लंबाई	नहीं	नहीं	नहीं	नहीं	नहीं	नहीं	नहीं

तदनुसार, एक नकारात्मक पूर्वव्यापी चेक का उपयोग करके एक नियमित अभिव्यक्ति निम्नलिखित पैदावार देती है:

 preg_replace("/(?<!>)\n/","<br />",$text); 

और यदि आप इसे सकारात्मक पूर्वव्यापी जांच के साथ प्रदर्शन के लिए फिर से लिखते हैं:
("इससे पहले" ">" को छोड़कर कोई भी वर्ण होना चाहिए)

 preg_replace("/(?<=[^>])\n/","<br />",$text); 

अब हमारा कोड भी परिवर्तन के बिना परिणाम में नियमित अभिव्यक्ति का हिस्सा डालने जैसी बैसाखी की आवश्यकता के बिना, कैनोलाइज्ड लाइन फीड के साथ काम करता है।

पुनश्च। विषय पहले से ही लेख में छुआ गया था: हम ECMAScript में नियमित अभिव्यक्तियों में चौराहे, बहिष्करण और घटाव का अनुकरण करते हैं, प्रमुख जाँचों का उपयोग करते हैं, लेकिन इसका नाम डरावना है और आपको इसे परिश्रमपूर्वक पढ़ने की आवश्यकता है :-)