Δοκιμή κανονικής έκφρασης

Σε τι χρησιμοποιείται ένας ελεγκτής κανονικής έκφρασης;

Ένας ελεγκτής regex σάς επιτρέπει να ελέγξετε ότι ταιριάζει ένα μοτίβο τυπικής έκφρασης (regex). στο αναμενόμενο κείμενο, χωρίς να χρειάζεται να εκκινήσετε τον κωδικό της εφαρμογής. Επικολλάμε το μοτίβο, επικολλάμε το κείμενο εισαγωγής, εμείς ελέγξτε τις επιλογές (σημαίες) και το εργαλείο εμφανίζει αμέσως τη λίστα των αντιστοιχιών που βρέθηκαν καθώς και τις αιχμαλωτισμένες ομάδες. Αυτό είναι το διαδικτυακό ισοδύναμο του preg_match_all() στην PHP, από String.matchAll() σε JavaScript ή re.findall() σε Python.

Τα Regexes είναι και ισχυρά και δύσκολα. Ένα κόμμα, μια άστοχη παρένθεση, ένας ποσοτικός δείκτης λαίμαργος που ρουφάει πάρα πολλούς χαρακτήρες: και η χορδή που εξάγεται δεν είναι πλέον αυτό που περιμέναμε. Ο δοκιμαστής αποφεύγει το ταξίδι μετ' επιστροφής με έναν επεξεργαστή, ένα τερματικό και ένα αρχείο δοκιμής: επαναλαμβάνουμε το μοτίβο μέχρι να δούμε το καλό αποτέλεσμα.

Πώς να γράψετε το μοτίβο;

Εισαγάγετε το regex χωρίς οριοθέτες. Όχι /.../, όχι #...#. Για παράδειγμα, για να καταγράψετε διευθύνσεις email από κείμενο, απλώς πληκτρολογήστε [\w.+-]+@[\w-]+\.[\w.-]+. Οι επιλογές (σημαίες) ελέγχονται από πλαίσια ελέγχου.

Η επιλογή u (Unicode) είναι επιλεγμένη από προεπιλογή. Είναι σχεδόν πάντα επιθυμητό: χωρίς αυτό, Το \w δεν αναγνωρίζει τόνους και ορισμένα μοτίβα επιστρέφουν ένα σιωπηλό σφάλμα PCRE Χορδές UTF-8.

Επιλογές PCRE

• i (χωρίς διάκριση πεζών-κεφαλαίων): [a-z] αναγνωρίζει επίσης κεφαλαία γράμματα.
• m (πολλαπλή γραμμή): ^ και $ ταιριάζουν με την αρχή και το τέλος του κάθε γραμμή, συν μόνο την αρχή και το τέλος της συνολικής συμβολοσειράς.
• s (doll): . αναγνωρίζει επίσης αλλαγές γραμμής. Χρήσιμο για μοτίβα που πρέπει να διασταυρώνονται παραγράφοι.
• u (unicode): ερμηνεύει το μοτίβο και το θέμα στο UTF-8. Απαραίτητο μόλις το κείμενο περιέχει χαρακτήρες που δεν είναι ASCII (τονισμοί, emoji, ιδεογράμματα).

Κοινά Παραδείγματα Regex

• Διεύθυνση ηλεκτρονικού ταχυδρομείου: [\w.+-]+@[\w-]+\.[\w.-]+ (απλοποιημένη μορφή, επαρκής για πιο πρακτικές περιπτώσεις? Το αυστηρό RFC 5322 είναι πολύ περίπλοκο).
• URL HTTP/HTTPS: https?://[\w.-]+(?:/[\w./?%&=-]*)?
• Γαλλικός αριθμός τηλεφώνου: (?:\+33|0)\s?[1-9](?:[\s.-]?\d{2}){4}
• Γαλλικός ταχυδρομικός κώδικας: \d{5}
• Ημερομηνία ISO (ΕΕΕΕ-ΜΜ-ΗΗ): \d{4}-\d{2}-\d{2}
• Διεύθυνση IPv4: (?:\d{1,3}\.){3}\d{1,3}
• Ολόκληρη λέξη: foo (τα όρια λέξης αποφεύγουν την αντιστοίχιση ποδόσφαιρο).
• Hashtag: #\w+
• Αριθμός σημασιολογικής έκδοσης: \d+\.\d+\.\d+(?:-[\w.-]+)?
• Twitter ID / X: @\w{1,15}

Αιχμαλωτισμένες ομάδες

Ένα regex μπορεί να περιέχει ομάδες σε παρένθεση, οι οποίες απομονώνουν ένα τμήμα του αγώνα για επαναχρησιμοποίηση. Για παράδειγμα, το μοτίβο (\w+)@(\w+\.\w+) που εφαρμόζεται στο alice@example.com καταγράφει δύο ομάδες: alice και example.com. Το εργαλείο εμφανίζει αυτές τις ομάδες σε μια στήλη αφιερωμένο, δίπλα σε κάθε αγώνα. Οι ομάδες με όνομα ((?P...)) είναι επίσης παρατίθενται, ευρετηριάζονται με το όνομα.

Για ομαδοποίηση χωρίς σύλληψη (χρήσιμο για την εφαρμογή ενός ποσοτικού δείκτη χωρίς ρύπανση της λίστας των ομάδων), χρησιμοποιεί το (?:...).

Προστασία από ReDoS

Ο κινητήρας PCRE της PHP μπορεί να εισέλθει σε καταστροφικό backtracking για ορισμένους παθολογικούς λόγους: ένα μοτίβο όπως το (a+)+$ που εφαρμόζεται σε μια μακροχρόνια, μη τερματισμένη συμβολοσειρά a μπορεί να αποκλείσει ο διακομιστής για αρκετά δευτερόλεπτα. Για να αποφύγετε αυτήν την τακτική έκφραση άρνηση παροχής υπηρεσιών (ReDoS), το εργαλείο εφαρμόζει δύο όρια:

• ένα set_time_limit(2) στην πλευρά του εργαζόμενου (η επεξεργασία διακόπτεται μετά από 2 δευτερόλεπτα);
• μείωση του pcre.backtrack_limit σε 100.000, με αποτέλεσμα τα μοτίβα να αποτυγχάνουν γρήγορα που εξερευνούν πάρα πολλούς συνδυασμούς.

Σε περίπτωση πολύ ακριβού λόγου, το εργαλείο εμφανίζει το μήνυμα σφάλματος PCRE (preg_last_error_msg()), συνήθως Το όριο του Backtrack εξαντλήθηκε. Αναδιατυπώστε το δικό σας μοτίβο χρησιμοποιώντας κτητικούς ποσοτικούς δείκτες (a++) ή ατομικές ομάδες ((?>...)) για αποφυγή οπισθοδρόμησης.

Συχνές ερωτήσεις

Παράδειγμα αιτήματος

curl -X POST https://cdrn.fr/api/v1/tools/regex-tester/execute \
  -H "Content-Type: application/json" \
  -d '{"pattern":"...","subject":"...","flag_i":false,"flag_m":false,"flag_s":false,"flag_u":true}'

Σχήμα εισόδου

Σημεία πρόσβασης

• GET https://cdrn.fr/api/v1/tools - εμφανίζει όλα τα διαθέσιμα εργαλεία
• GET https://cdrn.fr/api/v1/tools/regex-tester - ανακτά το σχήμα αυτού του εργαλείου
• POST https://cdrn.fr/api/v1/tools/regex-tester/execute - εκτελεί αυτό το εργαλείο με payload JSON