 |
 |
 |
 |
 |
|
Antwort
|
Registriert seit: 11. Okt 2003 Ort: Elbflorenz 44.550 Beiträge Delphi 12 Athens |
#1
ePCRE (himi's TRegEx)
23. Feb 2010, 15:01
Also erstmal:
Es handelt sich hierbei noch nicht um einen funktionierenden Code!  Der Code wird nur für Delphi 2009 und neuer entwickelt und er landet dann vermutlich irgendwann mal in der OpenSource-Abteilung. Für ein Projekt hatte ich ein paar "Extrawünsche" und versuchte diese mit vorhandenen RegEx-Funktionen/Klassen umzusetzen, welches nicht bei allen Punkten so richtig klappen wollte. z.B. siehe  http://www.delphipraxis.net/internal...t.php?t=173434Nun ja, wegen einiger anderer Probleme hatte ich dann einige Codeteile nochmals neu machen oder entfernen "müssen", so daß es jetzt wieder etwas leerer aussieht, als es mal der Stand war. z.B. http://www.delphipraxis.net/internal...t.php?t=173678Aktuell existiert praktisch nur der Anfang des Parsers und die interne Struktur des "Patterns", sowie des Results. Der Rückgabewert steht je nach Funktion als String-Array, StringList oder in einer änlichen Form, wie es in PHP der Fall ist, zur Verfügung (also wenn es dann mal läuft). Aktuell gibt es auch nur eine reine Unicode-Schnittstelle (wobei es für den Suchtext und eventuell auch das Pattern mal Ansi geben soll). Sooooooo, warum ich das jetzt hier schreibe ist, ich möchte schon frühzeitig Probleme erkannt haben, bevor dann nochmal "viel" geändert werden muß. Darum: Hat jemand an der Schnittstelle in der RegEx.pas was auszusetzen? Und dann hab ich gerade mal versucht die unterstützte Syntax irgendwie zusammenzustellen (siehe RegEx.txt). Alles ab dem ersten ********** kann ignoriert werden und die Verteilung der Unicode/Ansi-Zeichenklassen ist noch nicht entgültig. Sieht da jemand einen "Fehler" oder etwas Fehlendes in meiner RegExpr-Syntax? Die RegEx.txt besser in der Delphi-IDE öffnen, da ich mir aktuell den Text über ein paar Unicodezeichen formatiert hab, welche z.B. im Notepad nicht gut unterscheidbar sind. Ansonsten kann ich nur noch erwähnen, daß der Code komplett in Pascal geschrieben ist/wird und demnach keine externen Voraussetzungen hat (nur noch mein DynCharSet wird noch als Zusatz benötigt)Das Suchmuster (Pattern) wird in einem binären Baum zerlegt und etwas optimiert, um dann schneller/einfacher suchen und vergleichen zu können. Mein aktueller Testcode ist auch noch recht übersichtlich (er hat ja auch noch nicht viel zu machen).
Delphi-Quellcode:
Program Project1;
{$APPTYPE CONSOLE} Uses SysUtils, RegEx, Dialogs; Var RE: TRegEx; Begin Try RE := TRegEx.Create; RE.Expression := '#(abc.[a-z])#i'; WriteLn(RE.Expression); WriteLn(RE.ExprAssemble); RE.Free; If TRegEx.Match('(abc.[a-z])', 'xyz') Then WriteLn('TRUE'); ReadLn; Except On E:Exception do Begin WriteLn(E.ClassName, ': ', E.Message); WriteLn('wait 30 seconds ...'); Sleep(30000); End; End; End.
Ein Therapeut entspricht 1024 Gigapeut.
|
Zitat
|
|
Registriert seit: 11. Okt 2003 Ort: Elbflorenz 44.550 Beiträge Delphi 12 Athens |
#2
Re: ePCRE (himi's TRegEx)
24. Feb 2010, 15:53
Gut, einen Fehler hatte ich jetzt schon entdeckt:
\A war doppelt - einmal als Zeichen (invertiertes BELL = \a aka [^\x07] ) und dann als Kontrollcode (Textstart ... also das strikte ^ ) Dann wollte ich mal Fragen ob überhaupt jemand nachfolgende Codes verwendet? \l = lowercase next char \u = uppercase next char \L = lowercase till \E \U = uppercase till \E \Q = quote (disable) pattern metacharacters till \E \E = end of quote (\Q, \L and \U) Es ist nicht unbedingt leicht dieses umzusetzen. 
Ein Therapeut entspricht 1024 Gigapeut.
|
|
Zitat
|
|
Registriert seit: 11. Okt 2003 Ort: Elbflorenz 44.550 Beiträge Delphi 12 Athens |
#3
Re: ePCRE (himi's TRegEx)
13. Apr 2010, 09:26
Sooo, jetzt wo ich wieder mehr Zeit hab und vorallem endlich mal weiß wo dieser fieße Fehler sich versteckte, welchen ich einfach nicht fand,
> fehlerhafte Referenzzählung? (Record + dyn. Array)kann es nun weitergehn. Schön, wenn man 'ne gute Hand voller Anwendung im Code umbauen/patchen muß, weil Delphi einfach nicht richtig funktioniert. (Das Projekt hier ist aktuell wichtiger, aber mir graut schon davor, wenn ich im himXML nachsehn muß, ob sich da nicht auch solche "Fallen" verstecken, da dort ebenfalls einige dieser Records verbaut sind )
Zitat von himitsu:
Es ist nicht unbedingt leicht dieses umzusetzen.
Und nochmal zum Unicode: Diese Klasse wird komplett nur auf Unicode ausgelegt sein, besitzt aber für den Notfall einen Konverter.
Delphi-Quellcode:
Wenn es dann mal läuft, wird noch eine separate SingleByte-Version davon erstellt und für MultiByte-Zeichensätze, wie z.B. UTF-8, eine Umleitung zum Unicode eingerichtet.
Class Function Convert(Const Expr: RawByteString; SourceEncoding: TEncoding = nil): UnicodeString;
Class Function Convert(Const Expr: UnicodeString; DestEncoding: TEncoding = nil): RawByteString; Und es wird alles nur für Delphi 2009 oder höher geben. (eine alternative Anpassung, bis auf D2006/TDE runter, ist noch offen und noch weiter runter wir nicht möglich sein) Der aktuelle Inhalt meiner RegExp-Definition (Zeilenenden etwas abgeschnitten ... Rest siehe RegEx.txt da oben) Wie gesagt, falls jemand Fehler oder Verbesserungen entdeckt ... bitte frühzeitig melden.
Code:
description
『patt』 pattern 「patt」 alternative 〔patt 1║patt 2║…〕 alternative group 【name】 see description "name" 〈…〉 - expression 『【delimiter】【pattern】【delimiter】【modifiers】』 delimiter A delimiter can be any non-alphanumeric, non-whitespace character, but ... Often used delimiters are forward slashes (/), hash signs (#) and tilde... The delimiters as in order of their statistical use: /#~!@%°=& modifiers 『「【set】」「-【reset】」』 Values for 【set】 and 【reset】 are group of the following characters: i remCaseLess Do case-insensitive pattern matching. m remMultiLine Treat string as multiple lines. That is, ... A (2) remAnchored * D (2) remDollarEndOnly *(ignored if modifier "m" is set) s remSingleLine Treat string as single line. That is, cha... S (1) *Ausführung steigern U remUngreedy *Gier unterdrücken x remExtended Extend your pattern's legibility by permi... u (1) *UTF-8 interpretiert p (1) (preserve) Preserve the string matched such that ${^... g (1) (global) Global matching 1) not supported 2) not allowed as pattern in extendet groups pattern syntax - meta-characters: 『\…』 general escape character with several uses 『(…)』 subpattern 『…|…』 alternative patterns 『.』 match any character except newline (by default) 『^』 assert start of subject (or line, in multiline mode) 『$』 assert end of subject (or line, in multiline mode) 『[…]』 character class 『…?』 0 or 1 quantifier (or quantifier minimizer) 『…*』 0 or more quantifier 『…+』 1 or more quantifier 『…{…}』 min/max quantifier 『#…』 comment - only if modifier "x" is set If used this characters, this must be delimited. meta-characters in character classes: 『\…』 general escape character 『^』 negate the class, but only if the first character 『-』 indicates character range 『[:…:]』 POSIX character class delimited characters and classes \0 null or Octal character code \1 to \9 back reference \a bell (alert) \A text start \b \B word boundary \c control character \C single character \d \D decimal digit \e escape \E end of quote (\Q, \L and \U) \f form feed \g back reference \G matches start \h \H horizontal space characters \k named back reference \K keep the left stuff \l \L lowercase characters \n new line \N named unicode character \p \P named property \Q quote \r carrige return \R newline sequence \s \S space \t tabulator \u \U uppercase characters \v \V vertical space characters \w \W word characters \x heXadecimal character code \X eXtended unicode sequence \z text end \Z text end or end of last line \< start of word \> end of word The followed characters must be delimited if they are to be used. \ ( ) | . ^ $ [ ? * + { # (if modifier "x" is set) characters 『\0【digit】』 octal character code 『\x【x-digit】【x-digit】』 heXadecimal character code (Ansi) 『\x{【x-digits】}』 heXadecimal character code (Unicode) 『\c【character】』 control char 『\N{【name】}』 named unicode character supported names U+xxxx hexadecimal character code named character class (named unicode properties) 『\p【character】』 『\p{【name】}』 for names of only one letter 『\P【character】』 any characters but not this 『\P{【name】}』 any characters but not this supported classes IsCntrl, IsSpace, IsSpacePerl, IsDigit, IsXDigit, IsUpper, IsLower, IsAlpha, IsAlnum, IsWord, IsPunct, IsGraph, IsPrint, IsASCII supported scripts Arabic, Armenian, Balinese, Bengali, Bopomofo, Braille, Buginese, Bu... Canadian_Aboriginal, Cherokee, Common, Coptic, Cuneiform, Cypriot, C... Deseret, Devanagari, Ethiopic, Georgian, Glagolitic, Gothic, Greek, ... Gurmukhi, Han, Hangul, Hanunoo, Hebrew, Hiragana, Inherited, Kannada... Kharoshthi, Khmer, Lao, Latin, Limbu, Linear_B, Malayalam, Mongolian... New_Tai_Lue, Nko, Ogham, Old_Italic, Old_Persian, Oriya, Osmanya, Ph... Phoenician, Runic, Shavian, Sinhala, Syloti_Nagri, Syriac, Tagalog, ... Tai_Le, Tamil, Telugu, Thaana, Thai, Tibetan, Tifinagh, Ugaritic, Yi supported general category property codes C other Cc control Cf format Cn unassigned Co private use Cs surrogate L letter Ll lower case letter - specifying caseless matching does not affe... Lm modifier letter Lo other letter Lt title case letter - specifying caseless matching does not affe... Lu upper case letter - specifying caseless matching does not affe... M mark Mc spacing mark Me enclosing mark Mn non-spacing mark N number Nd decimal number Nl letter number No other number P punctuation Pc connector punctuation Pd dash punctuation Pe close punctuation Pf final punctuation Pi initial punctuation Po other punctuation Ps open punctuation S symbol Sc currency symbol Sk modifier symbol Sm mathematical symbol So other symbol Z separator Zl line separator Zp paragraph separator Zs space separator character class 『[「^」【character list】「【character list】…」]』 character list 『【character】』 single character or delimited char... 『【character】-【character】』 range of characters 『\【class】』 delimited class 『[:【POSIX】:]』 POSIX character class ^ inverts the class POSIX character class 『[「^」:【name】:]』: this can used only in a character class ( […] ) supported classes cntrl, space, blank, digit, xdigit, upper, lower, alpha, alnum, punct, graph, print group 『(【pattern】)』 named group 『(?「P」<【name】>【pattern】)』 modifier change (extendet group) 『(?【modifiers】)』 extendet group 『(?「【modifiers】」:【pattern】)』 look-ahead 『(?「【modifiers】」=【pattern】)』 negative look-ahead 『(?「【modifiers】」!【pattern】)』 look-behind 『(?「【modifiers】」<=【pattern】)』 negative look-behind 『(?「【modifiers】」<!【pattern】)』 recursive subpattern 『(?「-║+」【number】)』 『(?R)』 『(?P>【name】)』 『(?P&【name】)』 clones the pattern (not the result) of a previous group (?R) = (?0) conditional subpattern 『(?(【condition】)【yes-pattern】「|【no-pattern】」)』 condition 『「-║+」【number】』 『R』 『{【name】}』 『【pattern】』 back references 『\【digit】』 for the references 1 to 9 『\g【digit】』 『\g{「-║+」【number】}』 『\g【character】』 for names of only one letter 『\g{【name】}』 named back references 『\k<【name】>』 『\k'【name】'』 『\k{【name】}』 comments 『(?#【text】)』 『#【text】([\r\n]|$)』 (1) non in character sets 1) only if modifier "e" is set quantifier 『【pattern】?「?║+」』 einmal oder garnicht equivalent to ... 『【pattern】*「?║+」』 garnicht oder mehrmals equivalent to ... 『【pattern】+「?║+」』 mindestens einmal equivalent to ... 『【pattern】{n}「?║+」』 n-mal 『【pattern】{n,}「?║+」』 mindestens n-mal 『【pattern】{n,m}「?║+」』 n-mal bis m-mal characters and character classes: . any character - if multiple lines are not activated then doesn't m... \0 null character \a bell (alert #7) \n new line (#10) \f form feed (#13) \e escape {#27} \t tabulator (#9) \h horizontal space characters \v vertical space characters \r carrige return (#13) \R newline sequence \d decimal digit \w word character \s space \X eXtended unicode sequence \C single char - one character or a part of surrogate pairs \H any character but none horizontal space characters \V any character but an vertical space characters \D any character but not a decimal digit \W any character but an word character \S any character but a space control classes: ^ line start $ line end \A text start \G matches start \z text end \Z text end or end of last line \b word boundary \B not a word boundary \< start of word \> end of word \l lowercase next char \u uppercase next char \L lowercase till \E \U uppercase till \E \Q quote (disable) pattern metacharacters till \E \E end of quote (\Q, \L and \U) \K keep the stuff left of the \K, don't include it in result options reoSplitNoEmpty If this flag is set, then from SPLIT ... reoSplitDelimCapture If this flag is set, then be parenthe... reoOffsetCapture If this flag is set, then returned wi... reoSplitSetCapture Orders results so that $array[0] an a... default (no reoSplitSetCapture) Orders results so that $array[0] an a... reoCustomizeLinebreaks related character classes and sets DESCRIPTION POSIX PERL FN PERL PERL ... ... --------------- ----------- --------------- -- ----------------... any char . [^\n\r] control [:cntrl:] \p{IsCntrl} [\x00-\x1F\x7F] ... white space+tab [:blank:] \p{IsSpace} [ \t] ... whitespace \p{IsSpace} \s [ \f\t\v] whitespacePerl [:space:] \p{IsSpacePerl} [ \f\n\r\t\v] ... punctuation [:punct:] \p{IsPunct} [!-/:-@[-`{-~] ... decimal digit [:digit:] \p{IsDigit} \d [0-9] ... hexadecimal [:xdigit:] \p{IsXDigit} [0-9A-Fa-f] ... upper [:upper:] \p{IsUpper} \u [A-Z] ... lower [:lower:] \p{IsLower} \l [a-z] ... upper+lower [:alpha:] \p{IsAlpha} [A-Za-z] ... alphanumeric [:alnum:] \p{IsAlnum} [A-Za-z0-9] ... alphanumeric+_ [:word:] \p{IsWord} \w [A-Za-z0-9_] ... printable [:graph:] \p{IsGraph} [!-~] ... printable+space [:print:] \p{IsPrint} [ -~] ... any ASCII [:ascii:] \p{IsASCII} [\x00-\xFF] ... any Unicode [\x00-\x{FFFF}] [:punct:] []!"#$%&\'()*+,./:;<=>?@\\^_`{|}~[-] [:xdigit:] [[:digit:]A-Fa-f] [:alpha:] [[:upper:][:lower:]] [:alnum:] [[:alpha:][:digit:]] [:word:] [[:alnum:]_] [:graph:] [[:word:][:punct:]] [:print:] [ [:graph:]]
Ein Therapeut entspricht 1024 Gigapeut.
|
|
Zitat
|
|
Registriert seit: 11. Apr 2005 Ort: Darmstadt 148 Beiträge Delphi XE2 Enterprise |
#4
Re: ePCRE (himi's TRegEx)
13. Apr 2010, 09:37
Zitat von himitsu:
(eine alternative Anpassung, bis auf D2006/TDE runter, ist noch offen und noch weiter runter wir nicht möglich sein)
 Wenn ich mal etwas Zeit habe, werde ich den aktuellen Stand mal ausprobieren (in D2006 und D2007) |
|
Zitat
|
|
Registriert seit: 11. Okt 2003 Ort: Elbflorenz 44.550 Beiträge Delphi 12 Athens |
#5
Re: ePCRE (himi's TRegEx)
13. Apr 2010, 10:02
Zitat von schlecki:
daran hätte ich großes Interesse
und es müßten öfters mal ein paar WideStrings kopiert werden, aber wie man sieht ist Referenzzählung eh nicht das Non plus ultra. 
Ein Therapeut entspricht 1024 Gigapeut.
|
|
Zitat
|
ForumregelnEs ist dir nicht erlaubt, neue Themen zu verfassen.
Es ist dir nicht erlaubt, auf Beiträge zu antworten.
Es ist dir nicht erlaubt, Anhänge hochzuladen.
Es ist dir nicht erlaubt, deine Beiträge zu bearbeiten.
BB-Code ist an.
Smileys sind an.
[IMG] Code ist an.
HTML-Code ist aus. Trackbacks are an
Pingbacks are an
Refbacks are aus
|
|
Linear-Darstellung
