Regular expression

BÁO CÁO MÔN: PHƯƠNG PHÁP XÂY DỰNG PHẦN MỀM CHỦ ĐỀ: REGULAR EXPRESSION Thành viên nhóm: Vũ Công Tịnh Hà Hải Hùng Nghiêm Xuân Sơn Giới thiệu Regular Expression Trong cuộc sống hằng ngày, con người chúng ta diễn đạt một ý niệm hay một việc làm qua lời nói, cử chỉ hay bằng chữ viết. Bởi vì con người chúng ta có 5 giác quan khác nhau và những giác quan đó giúp chúng ta hiểu được vấn đề qua sự nhìn, nghe, ngửi, nếm, cảm thấy. Nói một cách tổng quát, trong xã hội văn minh thì chúng ta làm việc và tiếp xúc với nhau qua cách dùng ngôn ngữ. Như người Việt thì dùng tiếng Việt để trao đổi tin tức hay diễn đạt một vấn đề. Nhưng máy tính thì không có những giác quan như con người chúng ta, vậy làm sao chúng ta có thể trao đổi thông tin với vi tính một cách đơn giản nhưng hiệu quả? Theo toán học, thành ngữ là một tập hợp của chữ viết. Mỗi chữ viết bao gồm một chuỗi ký tự xác định (a language is a set of finite string; a string is a finite sequence of symbols -Appel 1998). Cho nên nếu con người có thể diễn tả một tập hợp chữ viết bằng một phương pháp nào đó thì nó tương đương với việc diễn tả một thành ngữ. Cấu trúc đại diện hay Regular Expression (Regex) là một dạng viết ngắn gọn để mô tả một tập hợp chữ viết và có thể tạm dịch là một phương pháp dùng để mô tả hay diễn đạt thành ngữ một cách ngắn gọn và hiệu quả. Ví dụ như để diễn tả một tập hợp chữ chỉ chứa những chữ cái và chỉ chữ cái mà thôi (a set of string contains only alphabet), thì Regex có thể diễn tả câu nói trên ngắn gọn như sau: [a-zA-Z]* Khái niệm cơ bản Toán tử “or”: Được ngăn cách bởi dấu “|”. Ví dụ: ktmpk10b|ktpmk10a thì cả ktpmk10b và ktpmk10a đều hợp lệ. Nhóm: Sử dụng dấu ngoặc đơn “(” và “)” để nhóm các nhóm trong Regex nhằm xác định phạm vi và khai thác dữ liệu. Ví dụ: k10aktmpm|k10bktpm và k10(a|b)ktpm là 2 Regex tương đương nhau đều mô tả 2 lựa chọn k10aktpm và k10bktpm. Định lượng: Được sử dụng để định nghĩa số lượng của 1 thành phần hoặc 1 nhóm về mức độ thường xuyên mà thành phần đó xảy ra, thường gặp nhất là dấu hỏi chấm, dấu cộng và dấu sao. Dấu ?: Cho biết thành phần đó có thể xuất hiện 1 lần hoặc không xuất hiện. Ví dụ: k10b?ktpm , như vậy dấu ? theo sau ký tự “a” nên “a” có thể có hoặc không. Dấu *: Cho biết thành phần có thể không xuất hiện hoặc xuất hiện nhiều lần. Ví dụ: ab*c, các giá trị hợp lệ sẽ là: ac, abc, abbc, abbbc, Dấu +: Tương tự như dấu *, tuy nhiên thành phần phải xuất hiện ít nhất 1 lần. Ví dụ: ab*c thì các giá trị hợp lệ: abc, abbc, abbbc. {n}: Thành phần đứng trước lặp lại n lần. Ví dụ: a{3}b, thì giá trị hợp lệ sẽ là: aaab {min,}: Thành phần đứng trước lặp lại tối thiểu min lần. Ví dụ: a{3,}b thì giá trị hợp lệ sẽ là: aaab, aaaab, aaaaab, {min,max}: Thành phần đứng trước lặp trong khoảng từ min tới max. Ví dụ: a{2,4}, thì giá trị hợp lệ là: aab, aaab, aaaab. Cú pháp Cú pháp cơ bản trong Regex . Hợp lệ với các ký tự đơn bất kỳ( trừ các dòng mới trong 1 số ứng dụng). Ví dụ: a.b thì các giá trị hợp lệ là: aab, acb, adb, axb, a2b, Tuy nhiên [a.b] thì sẽ được hiểu là: “a” hoặc “.” hoặc “b” [ ] Là một biểu thức hợp lệ với các ký tự đơn chứa trong dấu ngoặc vuông []. Ví dụ: [abc] hợp lệ với: hoặc a, hoặc b, hoặc c. [a-z] sử dụng xác định phạm vi các ký tự từ a đến z. Tương tự [0-9] phạm vi ký tự số từ 0 đến 9. Chúng ta có thể sử dụng kết hợp như [abcx-z] đúng với "a", "b", "c", "x", "y", hoặc "z", đoạn regex kia cũng có thể viết gọn hơn là [a-cx-z]. [^ ] Phép phủ định trong Regex. Ví dụ: [^abc] hợp lệ khi các ký tự đó không phải là a, b hoặc c. ^ Regex này lấy vị trí hợp lệ từ đầu dòng trong 1 chuỗi. $ Hợp lệ với vị trí cuối cùng của 1 chuỗi. ( ) Được sử dụng để định nghĩa một expression con hay còn gọi là nhóm hoặc 1 khối, có thể sử dụng để gọi lại khi cần. * Cho biết thành phần có thể không xuất hiện hoặc xuất hiện nhiều lần. Ví dụ: ab*c, các giá trị hợp lệ sẽ là: ac, abc, abbc, abbbc, {min,max} Thành phần đứng trước lặp trong khoảng từ min tới max. Ví dụ: a{2,4}, thì giá trị hợp lệ là: aab, aaab, aaaab. Ví dụ: .at: Các từ có 3 ký tự theo sau là “at”. Hợp lệ: cat, mat, hat, bat, tat, [hc]at: Hợp lệ hat hoặc cat. Có thể sử dụng hat|cat cũng có ý nghĩa tương tự. [^b]at: Tất cả các từ 3 ký tự theo sau là “at” ngoại trừ “bat”, vì trong ngoặc vuông loại ký tự b. [^hc]at: Tất cả các từ 3 ký tự theo sau là “at” ngoại trừ “hat” và “cat”. ^[hc]at: Hợp lệ với “hat” và “cat” nếu từ đó bắt đầu ở đầu dòng, các từ không bắt đầu ở đầu dòng không hợp lệ. t.*: Hợp lệ với các từ bắt đầu bởi chữ t, theo sau có thể là bất kỳ ký tự đơn nào hoặc không có. Ví dụ: t, ti, tinh, Các lớp ký tự Cú pháp Cú pháp tương đương( nếu có) Mô tả [A-Za-z] \a Chỉ ký tự chữ cái hoa và thường. Ví dụ: t\at, thì các từ hợp lệ: tat, tbt, tAt, tct, tdt, [A-Za-z0-9] Chữ cái và chữ số. Ví dụ: KTPMK[A-Za-z0-9] Các giá trị hợp lệ: KTPM1, KTPMA, KTPM9, KTPMB [A-Za-z0-9_] \w Chữ cái, chữ số và dấu gạch dưới [^A-Za-z0-9_] \W Không là ký tự chữ cái, chữ số, dấu gạch dưới [\t\r\n\v\f \s Khoảng trắng [0-9] \d Chữ số [^0-9] \D Không là chữ số [a-z] \l Chữ cái thường [^ \t\r\n\v\f] \S Không phải khoảng trắng [A-Z] \u Chữ cái hoa [A-Fa-f0-9] \x Chữ số hệ 16 \character Các ký tự đặc biệt khi sử dụng phải thêm ký tự \ vào trước. Ví dụ: \@, \?, \\, \/, Group và Lookaround Cú pháp Mô tả ( ) Để nhóm các expression trong Regex chúng ta sử dụng cú pháp “( )”, đặt các thành phần muốn nhóm vào trong ngoặc tròn. Ví dụ: (ti)+, các giá trị hợp lệ: tin, tinh, tinhh, (?:abc) Nhóm nhiều mã với nhau mà không cần tạo 1 nhóm để gộp. Ví dụ: (?:abc)+ thì các giá trị hợp lệ: abc,abcabcabc , abcabc, abcabcabc, với abc lặp liên tục. (?=abc) Position Lookahead. Kiểm tra điều kiện ở phía sau của Regex, lúc này con trỏ đặt đầu regex( phía trước abc của 1 chuỗi). Ví dụ:Lấy phần đầu của Gmail /[^\s]+(?=@gmail\.com)/ Hợp lệ: vucongtinh@gmail.com Không hợp lệ: vucongtinh@yahoo.com (?!abc) Negative Lookahead: Ngược lại với (?=abc), nếu bạn muốn tìm phần đầu của email không phải của Gmail thì bạn dung như ví dụ trên sử dụng (?!) (?<=abc) Position Lookahind: Ngược lại với (?=abc), Lookahind kiểm tra điều kiện ở phía trước của Regex. Ví dụ: Lấy username từ URL của 1 tài khoản Facebook Chuỗi: https://www.facebook.com/vucongtinh Regex: /(?<=facebook.com\/)(\w*)/ (?<!abc) Negative Lookahind: Ngược lại với (?<=abc), (?<!abc) sẽ kiểm tra nếu điều kiện phía trước Regex là sai. Ứng dụng Regex Regex được ứng dụng trong các ngôn ngữ lập trình để thực hiện một nhiệm vụ nhất định: Kiểm tra dữ liệu đầu vào, lấy dữ liệu từ 1 chuỗi, tìm kiếm dữ liệu, Một số ứng dụng trong lập trình web: HTML5 Trong HTML5, các thẻ input được bổ sung thêm thuộc tính pattern nhằm đưa Regex vào để kiểm tra dữ liệu vào. Ví dụ: Kiểm tra mật khẩu phải ít nhất 6 ký tự bất kỳ Password: Kiểm tra Email hợp lệ E-mail: Trong Javascript Để sử dụng Regex trong Javascript các bạn có thể sử dụng 2 phương thức cho string: search() và replace() để tìm và thay thế. Hoặc sử dụng test() và exec() cho các đối tượng Kiểm tra Email Var email=”vucongtinh@gmail.com”; Var rex= ”/[a-z0-9._%+-]+@[a-z0-9.-]+\.[a-z]{2,3}$/”; If(Rex.test(email)) alert(‘Valid email’); Else alert(‘Invalid email’); Trong PHP Để thực thi Regex trong PHP có thể dụng 1 số hàm: preg_match(), preg_match_all(), preg_replace(), preg_grep(), preg_split(). Ví dụ: Lấy phần đầu của Gmail $email=”vucongtinh@gmail.com”; If(preg_match(“/^(\w+)(?=\@gmail.com)/”,$email,$matchs)){ Echo $matchs[1]; } Else echo “Invalid email”; Trường hợp trên $matchs là mảng kết quả trả về.