Jak stworzyć wyrażenie regularne?

[Cyfrowy Baron]

Mam np. <br> i chcę tak stworzyć wyrażenie by akceptowało dowolne litery, czyli np: <.[a-z]>, ale żeby nie akceptowało </br>, czyli by nie dopuszczało /

Już wiem! Samo wyszło. Używając wyrażenia <.[a-z]> dopuszczam tylko użycie między < i > liter, więc kreska nie jest możliwa, ale wydawało mi się, że kropka dopuszcza użycie tylko jednego znaku, więc wyrażenie <.[a-z]> powinno wiec dopuszczać np. tylko <b> lub <r>, a tymczasem dopuszcza <br> - dlaczego?

[polymorphism]

Tak na przykład: <[a-zA-Z]{2,2}>

p.s. zastanawia mnie, dlaczego moje poprzednie wyrażenie Tobie nie działało. Przejrzałem sobie dokumentację boostowego regexa, wyrażenie, które podałem wydaje się poprawne, więc coś musiałeś zrobić nie tak.

[polymorphism]

ale wydawało mi się, że kropka dopuszcza użycie tylko jednego znaku, więc wyrażenie <.[a-z]> powinno wiec dopuszczać np. tylko <b> lub <r>, a tymczasem dopuszcza <br> - dlaczego?

Dlatego, że kropka to jeden znak, a [a-z] to drugi (tylko litery).

[Cyfrowy Baron]

Już do tego doszedłem. Kropka nie odnosi się do [a-z] lecz sama w sobie dopuszcza jeden znak i nie koniecznie literę, czyli mam tam dwa znaki jeden dowolny i jedna litera z przedziału a-z. by wyeliminować możliwość wystąpienia znaku nie będącego literą powinienem ułożyć wyrażenie tak <[a-z][a-z]> lub nawet tak: <[a-z]?[a-z]>.

Jak ułożyć wyrażenie, by dopuszczać wystąpienie <br>, ale nie koniecznie musi wystąpić.
Ułożyłem to tak:

KOD text:   �  UKRYJ  �

KOD text:   �  POKAŻ  �

<[a-z].*>(.*)?(<[a-z]?[a-z]>)(.*)</?[a-z].*>

Tylko, że mam teraz dodatkowy blok, a chciałbym jak wcześniej mieć tylko potrzebne bloki, czyli bez tagów?!?

[Cyfrowy Baron]

p.s. zastanawia mnie, dlaczego moje poprzednie wyrażenie Tobie nie działało.

Bo w moim zdaniu zabrakło końcówki </koniec>, ale jak dodałem to Twoje wyrażenie działa poprawnie.

Tego nie rozumiem {2,2}

Poprawiłem Toje wyrażenie:

KOD text:   �  UKRYJ  �

KOD text:   �  POKAŻ  �

<[a-z].*>([^<>]*)<[a-z]{2,2}>([^<>]*)</?[a-z].*>

Tylko czym się różni ([^<>]*) od (.*).

Nie do końca rozumiem użycie ^ i $

Ja stworzyć wyrażenie by działało prawidłowo nawet gdy jakiś tag nie wystąpi w zdaniu. Wiem, że można podzielić na grupy i dodać znak zapytania przed grupą, ale jak to zrobić bez umieszczania tych tagów w grupach? Czy to możliwe?

W powyższym wyrażeniu wiem ile grup wyrazów występuje w zdaniu, więc dziele wyrażenie na grupy, ale jak zrobić to nie wiedząc ile tych tagów tam jest?!

[polymorphism]

Bo w moim zdaniu zabrakło końcówki </koniec>, ale jak dodałem to Twoje wyrażenie działa poprawnie.

Czyli błąd był po Twojej stronie.

Jak ułożyć wyrażenie, by dopuszczać wystąpienie <br>, ale nie koniecznie musi wystąpić.

<[a-z ]+>(.*)?(?:<[a-z]{2,2}>){0,1}(.*)<\/[a-z ]+>

Tylko czym się różni ([^<>]*) od (.*).

W pierwszym przypadku chodzi o grupę wszystkich znaków (lub żadnego) z wyjątkiem < i >, w drugim - grupę wszystkich znaków (lub żadnego).

Tego nie rozumiem {2,2}

Oznacza to tyle, że wcześniejsze wyrażenie musi wystąpić 2 razy, w tym przypadku chodzi o litery.

Nie do końca rozumiem użycie ^ i $

^ oznacza początek linii, a $ jej koniec. Np. dla wyrażenia ^aaa.*zzz$ wszystkie linie zaczynające się od trzech liter 'a' i kończące się trzema literami 'z' będą pasować do wzorca.

aaabcdefzzz - pasuje
aaabcdefz - nie pasuje

[Cyfrowy Baron]

Oznacza to tyle, że wcześniejsze wyrażenie musi wystąpić 2 razy, w tym przypadku chodzi o litery.

A możesz to wyjaśnić jeszcze jaśniej. Co jeżeli dam {2, 1} lub {1, 2}?

<[a-z ]+>(.*)?(?:<[a-z]{2,2}>){0,1}(.*)<\/[a-z ]+>

Znak zapytania to rozumiem ale co oznacza ten dwukropek no i {0, 1}, umieściłeś ten tag w nawiasach, więc tworzy grupę, czy nie dałoby się tak by nie tworzył grupy coś w stylu: ?:<[a-z]{2,2}>{0, 1}, bo z grupą to będę miał w wynikach parsowania. Po co to {0, 1}?

W pierwszym przypadku chodzi o grupę wszystkich znaków (lub żadnego) z wyjątkiem < i >, w drugim - grupę wszystkich znaków (lub żadnego).

Drugie to rozumiem, ale jak wykluczasz < i >? Czy samo umieszczenie tego w nawiasach kwadratowych już to wyklucza? Po co ten daszek ^

[polymorphism]

Co jeżeli dam {2, 1} lub {1, 2}?

W pierwszym przypadku masz błąd... hmm... logiczny. W tym wyrażeniu określasz ilość wystąpień od-do. Czyli wyrażenie {m,n} oznacza, że coś tam musi wystąpić co najmniej m razy, ale nie więcej niż n

Znak zapytania to rozumiem ale co oznacza ten dwukropek

Znak zapytania w tym kontekście oznacza coś innego, w zasadzie jest częścią innego wyrażenia: (?:<regex>) - tworzy grupę, która nie wchodzi w skład wyników. Przykład: dla wyrażenia (.)(?:b)(.) i tekstu 'abc' na wyjściu będziesz miał:

• grupa 1 - 'a'
• grupa 2 - 'c'

Czy samo umieszczenie tego w nawiasach kwadratowych już to wyklucza?

Oczywiście, że nie. Dlaczego miałoby tak być?

Po co ten daszek ^

Daszek wewnątrz [] tworzy negację. Przykład: [^a-z] oznacza każdy znak z wyjątkiem litery.

[Cyfrowy Baron]

Oczywiście, że nie. Dlaczego miałoby tak być?

Bo napisałeś:

W pierwszym przypadku chodzi o grupę wszystkich znaków (lub żadnego) z wyjątkiem < i >,

Napisałeś z wyjątkiem < i >, więc sądziłem, że nawiasy je wykluczają z wyrażenia, ale jak rozumiem to ^ wewnątrz [] je wyklucza, czyli znak ^ znaczy co innego niż poza tymi nawiasami?!

[polymorphism]

Tak.

[Cyfrowy Baron]

A wiesz może jak zrobić, gdy liczba tagów <br> nie jest z góry określona i znana, czyli może być różna. Tagi początkowy i końcowy są jak wcześniej.

[polymorphism]

Jeśli chodzi Ci o dynamiczną liczbę grup, ustalaną na podstawie przeszukiwanego tekstu, to tak chyba nie da się zrobić.

[Darek_C++]

Znak kropki jeśli ma być traktowany jako znak musi być poprzedzony \. inaczej "kropka" w wyrażeniu regularnym oznacza dowolny znak.
---------

KOD cpp:   �  UKRYJ  �

KOD cpp:   �  POKAŻ  �

char* input_string = "<autorek>Temat wiadomości i jakieś inne dane.<br>druga część wiadomości</koniec>";
// lub  char* input_string = "<autorek>Temat wiadomości i jakieś inne dane.<br />druga część wiadomości</koniec>";

regex exrp("<\\w+>(.*?)<[br /]+>(.*?)</\\w+>"); /* co powinno być tutaj */
match_results<const char*> what;
regex_search(  input_string, what, exrp );
//      string dane =  (string) what[0]  + " :: " +  (string) what[1]   + " :: " +  (string) what[2] ;
Memo1->Lines->Add(((string)what[1]).c_str());
Memo1->Lines->Add(((string)what[2]).c_str());

OUT:
Temat wiadomości i jakieś inne dane.
druga część wiadomości

[Cyfrowy Baron]

Do Darek_c++: Problem już dawno rozwiązałem. Co do tej kropki i ogólnie metatagów traktowanych jako znaki specjalne i znaki zwykłe to wiem. Nie bardzo rozumiem czego tyczy się Twoja uwaga odnośnie kropki. Ja nigdzie tego problemu nie poruszałem.

Problem rozwiązał polymorphism wyrażeniem:

KOD text:   �  UKRYJ  �

KOD text:   �  POKAŻ  �

<[a-z ]+>(.*)?(?:<[a-z]{2,2}>){0,1}(.*)<\/[a-z ]+>

W Twoim wyrażeniu niezrozumiałe są dla mnie <\\w+>.

[Darek_C++]

\\w jest skrótem - klasą zastępująca a-zA-Z0-9_ np: http://pl.wikibooks.org/wiki/Perl/Opis_ ... egularnych, http://www.piotrosz.aspnet.pl/post/Wyra ... gawka.aspx w wyrażeniach regularnych perla
Kropka tyczyła tego zapisu: <[a-z].*>(.*)<.[a-z]>(.*)</?[a-z].*>
---------
Wyrażenie: regex exrp("<[a-z ]+>(.*)?(?:<[a-z]{2,2}>){0,1}(.*)<\/[a-z ]+>"); nie wyodrębnia prawidłowo
OUT:
<autorek>Temat wiadomości i jakieś inne dane.<br>druga część wiadomości</koniec>
Temat wiadomości i jakieś inne dane.<br>druga część wiadomości