 |
|
|
|
FictionBook 2.1: . 1.0 Release Candidat 1 15.05.2008 .ModernLib.Net / / FictionBook 2.1: . 1.0 Release Candidat 1 15.05.2008 . - (. 14)
Метасимволы
Метасимволы — это специальные символы, являющиеся важнейшим понятием в регулярных выражениях. Существует несколько групп метасимволов. • Разделители строк (начало строки, конец строки и т.п.) • Стандартные перечни символов (цифры, буквы и цифры и т.п.) • Границы слов (показывают, что вхождение должно быть на границе слова) • Повторения (указывает, сколько раз должна присутствовать последовательность) • Варианты (позволяет указать набор масок, с любой из которых должен совпадать текст) • Подвыражения (используются при замене) • Обратные ссылки (способ обратиться к подвыражениям при поиске) Метасимволы — разделители строк и границы
Разделители и границы ^ — начало строки $ — конец строки \A — начало текста \Z — конец текста \b — Совпадает на границе слова \B — Совпадает НЕ на границе слова Оговорка. В FB Editor (и, скорее всего, в большинстве других программ) метасимволы \b и \B не реагируют на кириллицу. Примеры: ^Все — Находит все строки в тексте, начинающиеся словом «Все» \bмир — Находит все слова, начинающиеся буквосочетанием «мир». Слова будут найдены и в начале строк, и в середине. ^\x20$ — Находит все строки в тексте, состоящие из единственного пробела. Метасимволы — стандартные перечни символов . (точка) — Любой символ \w — буквенно-цифровой символ или "_" \W — не \w \d — цифровой символ \D — не \d \s — любой «пробельный» символ: [\x20\t\n\r\f] \S — не \s Оговорка. В FB Editor (и, скорее всего, в большинстве других программ) метасимволы \w и \W не реагируют на кириллицу. Метасимвол «.» по умолчанию совпадает с любым символом, однако, если выключить модификатор s ((?-s), синтаксис см. ниже), то «.» не будет совпадать с разделителями строк. Стандартные перечни \w, \d и \s можно использовать и внутри перечней символов. Примеры: —foob[\w\s]r — —находит «foobar», «foob r», «foobbr» но не «foob1r», «foob=r» —\+\d (\d\d\d) \d\d\d-\d\d-\d\d — —Находит телефон в формате «+7 (095) 555-55-55» Метасимволы — повторения После любого элемента регулярного выражения может следовать очень важный тип метасимвола — повторитель. Используя их Вы можете определить число допустимых повторений предшествующего символа, метасимвола или подвыражения. Указание числа вхождений * — ноль или более раз (может быть «жадным»), то же что {0,} + — один или более раз (может быть «жадным»), то же что {1,} ? — ноль или один раз (может быть «жадным»), то же что {0,1} {n} — точно n раз (может быть «жадным») {n,} — не менее n раз (может быть «жадным») {n,m} — не менее n но не более m раз (может быть «жадным») *? — ноль или более раз («не жадный»), то же что {0,}? +? — один или более раз («не жадный»), то же что {1,}? ?? — ноль или один раз («не жадный»), то же что {0,1}? {n}? — точно n раз («не жадный») {n,}? — не менее n раз («не жадный») {n,m}? — не менее n но не более m раз («не жадный») Т.о. {n,m} задает минимум n повторов и максимум — m. Повторитель {n} эквивалентен {n,n} и задает точно n повторов. Повторитель {n,} задает минимум n повторов. Теоретически величина параметров n и m не ограничена, но рекомендуется не задавать большие значения, поскольку в некоторых ситуациях это может потребовать существенных затрат времени и ОЗУ при обработке такого повторителя. Небольшое пояснение по поводу «жадности». «Жадные» варианты повторителей пытаются захватить как можно большую часть входного текста, в то время как «не жадные» — как можно меньшую. Например, b+ как и b* примененные к входной строке «abbbbc» найдут «bbbb», в то время как b+? найдет только «b», а b*? — вообще — пустую строку; b{2,3}? найдет «bb», в то время как b{2,3} найдет «bbb». По умолчанию, в FB Editor повторители могущие быть жадными, являются таковыми. Примеры: foob.*r — находит «foobar», «foobalkjdflkj9r» и «foobr» foob.+r — находит «foobar», «foobalkjdflkj9r» но не «foobr» foob.?r — находит «foobar», «foobbr» и «foobr» но не «foobalkj9r» fooba{2}r — находит «foobaar» fooba{2,}r — находит «foobaar», «foobaaar», «foobaaaar» и т.д. fooba{2,3}r — находит «foobaar», или «foobaaar» но не «foobaaaar» ((\+\d )?\(\d{3}\) )?(\d{3}(-\d\d){2}) — Находит номера телефонов в форматах «+7 (095) 555-55-55», «(095) 555-55-55», «555-55-55». Это сложный пример, и в нем используется группировка скобками. Подробнее о применении скобок см. ниже. (?g)( [^-].{5,59} (\r\n)){4,} — Этот пример найдет нам стихи — цепочки (из 4-х и более) следующих друг за другом коротких (от шести до шестидесяти символов) параграфов. Такой вид (много коротких параграфов) характерен, например, для стихов. Первый знак не должен быть длинным тире, так как серии коротких параграфов характерны и для диалогов, а нам диалоги не нужны. Обратите внимание, что пришлось использовать модификатор жадности, так как в «не жадном» режиме мы бы нашли только четыре первых строфы.Метасимволы — варианты Вы можете определить перечень вариантов, используя метасимвол «|» для их разделения, например, fee|fie|foe найдет «fee» или «fie» или «foe», (так же как f(e|i|o)e). В качестве первого варианта воспринимается все от предыдущего метасимвола ( или [ или от начала выражения до первого метасимвола «|», в качестве последнего — все от последнего «|» до конца выражения или до ближайшего метасимвола). Обычно, чтобы не запутаться, набор вариантов всегда заключают в скобки, даже если без этого можно было бы обойтись. Варианты пробуются начиная с первого и попытки завершаются сразу же как удастся подобрать такой, при котором совпадет вся последующая часть выражения. Это означает, что варианты не обязательно обеспечат «жадное» поведение. Например, если применить выражение foo|foot ко входной строке «barefoot», то будет найдено «foo» так это первый вариант который позволил совпасть всему выражению. Обратите внимание, что метасимвол | воспринимается как обычный символ внутри перечней символов, например, [fee|fie|foe] означает ровно то же самое что и [feio|]. <(p|div)>.* — найдет все корректно закрытые параграфы. Так же найдутся и включения видаTEXT , так что это выражение можно применять только на однородном тексте. Как альтернативный вариант можно предположить (.* |.* )Заметьте, что применив то же выражение в жадном режиме (?g)<(p|div)>.* мы не найдем ничего полезного.Оговорка. Выражения с метасимволом «|» в FB Editor в режиме исходника НЕ ФУНКЦИОНИРУЮТ. Метасимволы — подвыражения У скобок в регулярных выражениях двоякая функция 1. Скобки позволяют группировать элементы (аналогично математическому использованию) 2. Скобки выделяют в исходном тексте подвыражения, на которые можно ссылаться при замене. Вы можете обратиться к любому подвыражению в строке заменыиспользуя его номер. Подвыражения нумеруются слева направо, в порядке появления открывающих скобок. Ссылка осуществляется в виде $N, где N-номер. Примеры группировки: (проба){8,10} — находит строку содержащую 8, 9 или 10 копий «проба» про([0-9]|б+)а — находит «про0а», «про1а» , «проба», «пробба», и т.д. Примеры замены: (.*) —>>—$1 — Заменит все параграфы на разделы((\+\d )?\(\d{3}\) )?(\d{3}(-\d\d){2}) —>>— $3 — Найдет в любом телефонном номере вида «+7 (095) 555-55-55» последнюю часть «555-55-55» (?g)([\s\(]|\A| (?g)([\s\(]|\A| Метасимволы — обратные ссылки Метасимволы от \1 до \9 воспринимаются как обратные ссылки. \N совпадает с ранее найденным подвыражением #N. В отличие от случая с заменой, где используются переменные $N, обратные ссылки можно применять в выражении поиска. Примеры группировки: (.)\1+ — находит «aaaa» и «cc» (.+)\1+ — также находит «abab» и «123123» (['"]?)(\d+)\1 — находит «"13"» (в дв.кавычках), или «'4'» (в один.кавычках) или 77 (без кавычек) Модификаторы Модификаторы служат для изменения режимов работы регулярных выражений. Они вводятся в виде (?imsgr-imsgr). Если модификатор вписан после минуса — он отключается, если нет — включается. Модификаторы подвержены группировке (в Perl нет), можно применить модификатор для отдельного участка выражения (см. пример). Модификаторы: i — Регистро-независимый режим. Использует выбранный в ОС язык по умолчанию. По умолчанию выключено. m — Воспринимать входной текст как многострочный, при этом метасимволы ^ и $ будут совпадать не только в начале и конце текста в целом, но и в начале и в конце всех имеющихся в тексте строк (см. также Разделители строк). По умолчанию включено. s — Воспринимать входной текст как одну строку. При этом метасимвол «.» совпадает с любым символом, если же этот модификатор выключен, то он не совпадает с разделителями строк (см.также Стандартные перечни символов). По умолчанию включено. g — Включая его Вы переключаете все повторители в «жадный» режим. По умолчанию включено. r — Модификатор предназначенный для русского языка. Если включен, то диапазоны вида а-я включают также букву «ё», А-Я включают «Ё», а а-Я включает вообще все русские буквы. По умолчанию включено. Примеры группировки: (?i)Saint-Petersburg — находит «Saint-petersburg» и «Saint-Petersburg» (?i) — Saint-(?-i)Petersburg — находит «Saint-Petersburg» но не «Saint-petersburg» (?i)(Saint-)?Petersburg — находит «Saint-petersburg» и «saint-petersburg» ((?i)Saint-)?Petersburg — находит «saint-Petersburg», но не «saint-petersburg» Оговорка. В FB Editor модификаторы НЕ ФУНКЦИОНИРУЮТ. Приложение E Описание Base64 Этот алгоритм был разработан для представления произвольных последовательностей байтов в форму, читаемую для человека. Кодирующий и декодирующий алгоритмы очень просты, но закодированные данные примерно на 33% больше, чем некодированные. Этот метод идентичен тому, который используется в приложениях PEM (Privacy Enhanced Mail), описанной в RFC 1421 с одним отличием: base64 не приемлет встроенного «чистого» текста. Base64 использует 65-символьный поднабор из US-ASCII, выделяя 6 бит на каждый печатный символ. (65-й символ «=» используется для обозначения функции спец. обработки). Этот поднабор имеет важное свойство: он идентичен всем версиям языковой кодировки ISO 646, включая US ASCII, а также всем версиям EBCDIC. Другие популярные механизмы кодирования (uuencode, base85 — часть уровня 2 PostScript) не разделяют этих свойств и поэтому не удовлетворяют требованиям переносимости для двоичных данных электронной почты. Процесс кодирования преобразует 3 входных символа в виде 24-битной группы, обрабатывая их слева направо. Эти группы затем рассматриваются как 4 соединенные 6-битные группы, каждая из которых транслируется в одиночный символ алфавита base64. При кодировании base64, входной поток байтов должен быть упорядочен старшими битами вперед. Каждая 6-битная группа используется как индекс для массива 64-х печатных символов. Символ, на который указывает значение индекса, помещается в выходную строку. Эти символы выбраны так, чтобы быть универсально представимыми и исключают символы, имеющие специальное значение для SMTP-транспорта («.», CR, LF) и для синтаксиса вложенных тел MIME («-»). Таблица: Алфавит Base64 
Выходной поток (закодированные байты) должен иметь длину строк не более 76 символов. Все признаки перевода строки и другие символы, отсутствующие в таблице 1, должны быть проигнорированы декодером base64. Среди данных в Base64 символы, не перечисленные в табл. 1, переводы строки и т.п. должны говорить об ошибке передачи данных, и, соответственно, почтовая программа должна оповестить пользователя о ней. Если в хвосте потока кодируемых данных осталось меньше, чем 24 бита, справа добавляются нулевые биты до образования целого числа 6-битных групп. А до конца 24-битной группы остается от 0 до 3-х недостающих 6-битных групп, вместо каждой из которых ставится символ-заполнитель «=». Поскольку весь входной поток представляет собой целое число 8-битных групп (т.е., просто байтных значений), то возможны лишь следующие случаи: (1) входной поток как раз оканчивается 24-битной группой. В таком случае, выходной поток будет оканчиваться четырьмя символами Base64 без символа «=»; (2) хвост входного потока имеет длину 8 бит. Тогда в конце выходного кода будут два символа Base64, с добавлением двух символов «=»; (3) хвост входного потока имеет длину 16 бит. Тогда в конце выходного будут стоять три символа Base64 и один символ «=». Т.к. символ «=» является хвостовым заполнителем, его появление в теле письма может означать только то, что конец данных достигнут. Но такой гарантии нет, если число переданных битов кратно 24. Любые бессмысленные последовательности в коде Base64 вроде «=====» должны быть игнорированы. Основано на: Спецификация RFC 1521 «MIME — Multipurpose Internet Mail Extensions. Part one.» Приложение Ж Описание стандарта ISBN Международное агентство ISBN присваивает идентификатор группы, который обозначает либо группу стран (например, 0 — для англоязычных стран: Великобритании, США, Австралии, Канады, Ирландии и других), либо отдельную страну (например, 933 — для ШР). Количество цифр в идентификаторе группы зависит от годового объема книжной продукции страны. Идентификаторы группы устанавливается международным агентством ISBN в следующих диапазонах чисел: 0–7 60–94 950–997 9980–9989 99900–99999 <...> 1. Общие положения
1.1. Международный стандартный номер книги — универсальный идентификационный код, проставляемый на книгах и брошюрах. 1.2. В соответствии с ГОСТ 16447-70 «Издания. Термины и определения основных видов» книга — непериодическое текстовое издание объемом свыше 48 страниц, брошюра — непериодическое текстовое издание объемом свыше четырех, но не более 48 страниц. <...> 3. Состав и структура ISBN
3.1. Международный стандартный номер книги состоит из аббревиатуры ISBN (независимо от языка издания книги или брошюры), и 10 цифр. 3.2. Дня обозначения цифровой части ISBN применяется арабские цифры от 0 до 9. Последняя цифра ISBN - контрольная — может быть римской цифрой X, используемой для обозначения числа 10. 3.3. Цифровая часть ISBN состоит из четырех групп цифр, содержащих различное количество цифровых знаков, отделяемых друг от друга дефисом. Цифровая часть отделяется от аббревиатуры ISBN пробелом. 3.4. Четыре группы цифр ISBN располагаются в следующей последовательности: 1) идентификатор группы; 2) идентификатор издательства; 3) порядковый идентификатор книги; 4) контрольная цифра. Hапример: ISBN 5-05-000746-1, где 5 — идентификатор СССР; 06 — идентификатор издательства «Радуга»; 000746 — порядковый идентификатор книги; 1 — контрольная цифра. 3.5. Идентификатор группы устанавливается Международным агентством ISBN. СССР присвоен однозначный идентификатор 5. 3.6. Идентификатор издательства присваивается Всесоюзной книжной палатой. Идентификатор издательства вместе с идентификатором группы служит для идентификации издательства на международном уровне. 3.6.1. Идентификаторы издательства могут быть индивидуальными и собирательными. Советским издательствам присвоены только индивидуальные идентификаторы. 3.6.2. Идентификатор издательства может содержать различное количество цифровых знаков (от двух до семи) в зависимости от объма выпускаемой книжной продукции. Издательствам с большим объемом книжной продукции присваивается идентификатор с наименьшим количеством цифровых знаков. Издательством с небольшим объемом книжной продукции присваивается идентификатор с большим количеством цифровых знаков. Идентификаторы издательств устанавливается в пределах следующих диапазонов: двузначные идентификаторы 00 – 19 трехзначные 200 – 609 четырехзначные 7000 – 0499 пятизначные 85000 – 09999 шестизначные 900000 – 949999 семизначные 9500000 – 9997999 3.7. Порядковый идентификатор книги служит для идентификации конкретного издания. Порядковый идентификатор книги присваивается издательством. 3.7.1. Количество цифровых знаков порядкового идентификатора книги зависит от идентификатора издательства. Порядковый ISBN книги может содержать от одной до шести цифр. с таким расчетом, чтобы вместе с идентификатором группы, издательства и контрольной цифрой ISBN насчитывал десять цифр. Hапример: ISBN 5-02-000000-0 («Hаука») ISBN 5-229-000000-0 («Металлургия») ISBN 5-85700-000-0 («Белорус. сов. энцикл.») ISBN 5-269-00000-0 («Сов. художник») 3.0. Контрольная цифра служит для проверки правильности написания цифровой части ISBN и вычисляется следующим образом: каждая цифра, входящая в состав ISBN умножается на числовой весовой коэффициент — от 10 до 2. 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 |
|||||||