Хэл Фултон - Программирование на языке Ruby

"345 Euneva Avenue, Suite 23", "678 Euneva Ave, Suite A"]

Здесь каждый адрес состоит из трех частей: номер дома, название улицы и необязательный номер квартиры. Я предполагаю, что перед числом может быть необязательная строка No., а точку в ней можно опускать. Еще предположим, что название улицы может включать символы, обычно входящие в состав слова, а также апостроф, дефис и точку. Наконец, если адрес содержит необязательный номер квартиры, то ему должны предшествовать запятая и одна из строк Apt., Suite или #(знак номера).

Вот какое регулярное выражение я составил для разбора адреса. Обратите внимание, насколько подробно оно прокомментировано (может быть, даже излишне подробно):

regex = / ^ # Начало строки.

((No\.?)\s+)? # Необязательно: No[.]

\d+ \s+ # Цифры и пробелы.

((\w|[.'-])+ # Название улицы... может

\s* # состоять из нескольких слов.

)+

(,\s* # Необязательно: запятая и т.д.

(Apt\.?|Suite|\#) # Apt[.], Suite, #

\s+ # Пробелы.

(\d+|[A-Z]) # Цифры или одна буква.

)?

$ # Конец строки.

/x

Идея понятна. Когда сложность регулярного выражения достигает некоего порога (какого именно — дело вкуса), делайте его обобщенным, чтобы можно было добавить форматирование и комментарии.

Возможно, вы заметили, что я пользовался обычными комментариями Ruby ( # ...), а не специальными, применяемыми в регулярных выражениях ( (?#...)). Почему? Просто потому, что это разрешено! Специальный комментарий необходим только тогда, когда его следует закончить раньше конца строки (например, если в той же строке за комментарием продолжается регулярное выражение).

Обычно точка соответствует любому символу, кроме конца строки. Если задан модификатор многострочности m, точка будет сопоставляться и с этим символом. Другой способ — задать флаг Regexp::MULTILINEпри создании регулярного выражения:

str = "Rubies are red\nAnd violets are blue.\n"

pat1 = /red./

pat2 = /red./m

str =~ pat1 # nil

str =~ pat2 # 11

Этот режим не оказывает влияния на то, где устанавливается соответствие якорям ( ^, $, \A, \Z). Изменяется только способ сопоставления с точкой.

Обычно модификаторы (например, iили m) задаются после регулярного выражения. Но что если мы хотим применить модификатор только к части выражения?

Существует специальная нотация для включения и выключения модификаторов. Заключенный в круглые скобки вопросительный знак, за которым следует один или несколько модификаторов, «включает» их до конца регулярного выражения. А если некоторым модификаторам предшествует минус, то соответствующие режимы «выключаются»:

/abc(?i)def/ # Соответствует abcdef, abcDEF, abcDef,

# но не ABCdef.

/ab(?i)cd(?-i)ef/# Соответствует abcdef, abCDef, abcDef, ...,

# но не ABcdef или abcdEF.

/(?imx).*/ # To же, что /.*/imx

/abc(?i-m).*/m # Для последней части регулярного выражения включить

# распознавание регистра, выключить многострочный

# режим.

При желании можно поставить перед подвыражением двоеточие, и тогда заданные модификаторы будут действовать только для этого подвыражения:

/ab(?i:cd)ef/ # То же, что /ab(?i)cd(?-i)ef/

По техническим причинам использовать таким образом модификатор онельзя. Модификатор x— можно, но я не знаю, кому бы это могло понадобиться.

Для указания подвыражений применяется нотация ?>:

re = /(?>abc)(?>def)/ # То же, что /abcdef/

re.match("abcdef").to_a # ["abcdef"]

Отметим, что наличие подвыражения еще не означает группировки. С помощью дополнительных скобок их, конечно, можно превратить в запоминаемые группы.

Еще обратим внимание на то, что эта конструкция собственническая, то есть жадная и при этом не допускает возврата в подвыражение.

str = "abccccdef"

re1 = /(abc*)cdef/

re2 = /(?>abc*)cdef/

re1 =~ str # 0

re2 =~ str # nil

re1.match(str).to_a # ["abccccdef", "abccc"]

re2.match(str).to_a # []

В предыдущем примере подвыражение abc*выражения re2поглощает все вхождения буквы си (в соответствии с собственническим инстинктом) не отдает их назад, препятствуя возврату.