Regular Expressions

[Cyfrowy Baron]

Baronie, a jak chcesz kody źródłowe pod boost-a do analizy, to polecam "moorie". Kod jest open source, a wszystkie wyrażenia są pisane właśnie z wykorzystaniem bibliotek Boost, dużo ciekawych elementów znajdziesz wewnątrz

Nie no, aż tak oporny nie jestem. Zanim polymorphism mi odpowiedział już zaopatrzyłem się w odpowiednie materiały. Chciałem po prostu, żeby na forum znalazł się jak najlepszy opis problemy dla osób, które będą szukać informacji w sieci, gdyż w ten sposób trafią na to forum. Oczekiwałem jednak dużo więcej, np. pełnego opisu składni.

Pod tymi adresami można sobie o tym poczytać:

http://wiki.przemoc.net/articles/pl/regexp/boost.regex
http://rostar.pl/wyrazenia-regularne-regex-skladnia
http://magiczne.seoisem.pl/wyrazenia-regularne-regex-google-analytics/

[Cyfrowy Baron]

Testując regex-y stworzyłem sobie funkcje konwertującą wartość zwracaną przez regex na UnicodeString, wyszło mi coś takiego:

KOD cpp:   �  UKRYJ  �

KOD cpp:   �  POKAŻ  �

UnicodeString sToString(const csub_match what)
{
 return String( string( what ).c_str() );
}
//---------------------------------------------------------------------------
void __fastcall TForm1::Button1Click(TObject *Sender)
{
 char* input_string = "Subject: Re: Temat wiadomości.";

 regex exrp("^Subject: (Re: )?(.*)");
 match_results<const char*> what;

 regex_search(  input_string, what, exrp );

 Edit1->Text = sToString( what[2] );
}

Zastanawiam się, czy istnieje prostsza metoda konwersji.
Czy dałoby się tak skonstruować funkcję sToString by zamiast przekazywać argument. można było wywołać tą funkcję w ten sposób:

KOD cpp:   �  UKRYJ  �

KOD cpp:   �  POKAŻ  �

 Edit1->Text = what[2].sToString();

[polymorphism]

Według dokumentacji operator[] zwraca obiekt klasy sub_match, ta z kolei ma operator konwersji na std::basic_string'a. STL-owy string nie ma metody sToString, więc taka konstrukcja nie jest możliwa.

[Slynx]

Z NET-owych masz po prostu what->Value które zwraca String. Ale Ty korzystach z boosta, a tam jest dostosowane wszystko pod natywne C++, wiec wątpię by coś było. Chyba, że funkcjami Marshall-owymi... ale one chyba też są tylko w bibliotekach NET...
//
Uprzedziłeś mnie ; p

[Cyfrowy Baron]

Dla mnie przydatne jest tutaj użycie typu wchar_t i UnicodeString, gdyż daje możliwość parsowania tekstu zawierającego znaki unicode:

KOD cpp:   �  UKRYJ  �

KOD cpp:   �  POKAŻ  �

#include <string>
#include <boost\\regex.hpp>

String sToString(const csub_match what)
{
 return String( string( what ).c_str() );
}

UnicodeString sToString(const wcsub_match what)
{
 return String( wstring( what ).c_str() );
}
//---------------------------------------------------------------------------
void __fastcall TForm1::Button1Click(TObject *Sender)
{
 wchar_t* input_string = L"Subject: Re: Temat wiadomości.";

 wregex exrp(L"^Subject: (Re: )?(.*)");
 match_results<const wchar_t *> what;

 regex_search(  input_string, what, exrp );

 Edit1->Text =  sToString( what[2] );
}

[Slynx]

Ok, mam jeszcze coś. Standardowe escape sequence robimy ze slashem (albo backslasem... nieistotne). Jest też do tego specjalna funkcja, znalazłem ją, ale nie działa dla pewnych znaków, dokładniej < i >. Co zrobić by wyrażenie potraktowało to jako zwykły tekst ?

[polymorphism]

Przecież nawiasy <> nie są znakami specjalnymi, więc po co je specjalnie traktować?

[Slynx]

A no tak, nie powiedziałem Ci. Wyrażenie ?< (i ?= dla drugiego słowa) oznacza, że wyrażenie np. (?<xxx)(.*)(?=eee) z yyyxxxzzzeee wytnie zzz. tak więc jeśli zamiast xxx i eee wstawię sobie <xxx> i <eee> to wyrażenie będzie wyglądać

Kod: Zaznacz cały

(?<<xxx>)(.*)(?=<eee>)


I w tym momencie się pogubi i nic nie wytnie. Dlatego znaki < i > też muszę oznaczyć jako część słowa.
(tego jestem pewien, bo sprawdzałem kilkukrotnie)
Więc można to jakoś oznaczyć, zamienić ? Funkcja dla słów <xxx> i <eee> nie działa poprawnie.

[polymorphism]

A to nie wystarczy po prostu <xxx>(.*)<eee>?

[Slynx]

Wtedy wyrzuci dane wraz z xxx i eee na początku, a kod który Ci pokazałem wyrzuca dane bez wartości na podstawie których się wycina.

[Slynx]

Ok, to nie o to chodziło. Sprawdziłem dla kilku innych przykładów. W jednym to działało w innych nie. Chodzi chyba o wszystkie znaki nieformatowane. Jak to oznaczyć ? Dałem ?s: ale to jeszcze za mało, bo i tak rozpada się na niektórych wyrażeniach.

[polymorphism]

Wtedy wyrzuci dane wraz z xxx i eee na początku (...)

Ech, grupa o indeksie 1 będzie zawierać to, co trzeba.

Chodzi chyba o wszystkie znaki nieformatowane. Jak to oznaczyć ?

Patrz wcześniejsze moje posty.

[Slynx]

Leciało dalej dlatego, że nie było "pytajnika", tj.

Kod: Zaznacz cały

((?s).*?)

Tak jest dobrze, przynajmniej dla tego wyrażenia (Wygenerował całe zapytanie dobrze (ok 15 użyć wyrażenia)),
sorry za zawracanie głowy, mój błąd :/