Huomautus: MyDocSafe-sovelluksen käyttöliittymä on saatavilla englanniksi. Kuvakaappaukset ja käyttöliittymän nimet on esitetty englanniksi, ja käännös on suluissa.
MyDocSafe-lomakkeet tukevat säännöllisiä lausekkeita.
Mitä säännölliset lausekkeet ovat ja miten niitä käytetään?
Säännöllinen lauseke eli regex on malli, joka kuvaa tietynlaista tekstiä. Jos esimerkiksi halutaan varmistaa, että lomakkeen täyttäjä lähettää täsmälleen vaaditun tekstin, säännöllisellä lausekkeella voidaan pakottaa syöte tiettyyn muotoon tai validoida tiedot.
Oletetaan esimerkiksi, että lomakkeella halutaan pyytää Ison-Britannian National Insurance Number -sosiaalivakuutusnumero (NIN). Sen muoto on 2 merkkiä, sitten 6 numeroa ja lopuksi vielä yksi merkki. Tätä muotoa vastaava säännöllinen lauseke on:
[a-z|A-Z]{2}[0-9]{6}[a-z|A-Z]
Tässä [a-z] tarkoittaa ”mitä tahansa pientä kirjainta”, [A-Z] tarkoittaa ”mitä tahansa isoa kirjainta” ja | tarkoittaa tai. Siten [a-z|A-Z] tarkoittaa ”mitä tahansa merkkiä”, {2} tarkoittaa ”toista kahdesti” jne.
Joidenkin maiden viranomaiset tarjoavat säännöllisiä lausekkeita yleisesti käytettyjä muotoja varten. Katso esimerkiksi tämä Ison-Britannian postinumeroita käsittelevä Wikipedia-artikkeli.
Säännöllisten lausekkeiden pikaoppaan löytää hakusanalla 'Regular Expressions Guide'. Voit myös jatkaa lukemista.
Merkki | Selitys | Esimerkki | Esimerkkiosuma |
\d | Useimmat lausekemoottorit: yksi numero | file_\d\d | file_25 |
\d | .NET, Python 3: yksi Unicode-numero mistä tahansa kirjoitusjärjestelmästä | file_\d\d | file_9੩ |
\w | Useimmat lausekemoottorit: ”sanamerkki”: ASCII-kirjain, numero tai alaviiva | \w-\w\w\w | A-b_1 |
\w | .Python 3: ”sanamerkki”: Unicode-kirjain, ideogrammi, numero tai alaviiva | \w-\w\w\w | 字-ま_۳ |
\w | .NET: ”sanamerkki”: Unicode-kirjain, ideogrammi, numero tai yhdysmerkki | \w-\w\w\w | 字-ま‿۳ |
\s | Useimmat lausekemoottorit: ”tyhjemerkki”: välilyönti, sarkain, rivinvaihto, vaununpalautus tai pystysarkain | a\sb\sc | a b |
\s | .NET, Python 3, JavaScript: ”tyhjemerkki”: mikä tahansa Unicode-erotin | a\sb\sc | a b |
\D | Yksi merkki, joka ei ole numero lausekemoottorin \d-määrityksen mukaan | \D\D\D | ABC |
\W | Yksi merkki, joka ei ole sanamerkki lausekemoottorin \w-määrityksen mukaan | \W\W\W\W\W | *-+=) |
\S | Yksi merkki, joka ei ole tyhjemerkki lausekemoottorin \s-määrityksen mukaan | \S\S\S\S | Yoyo |
Toistomääreet
Toistomääre | Selitys | Esimerkki | Esimerkkiosuma |
+ | Yksi tai useampi | Version \w-\w+ | Version A-b1_1 |
{3} | Täsmälleen kolme kertaa | \D{3} | ABC |
{2,4} | Kahdesta neljään kertaa | \d{2,4} | 156 |
{3,} | Kolme kertaa tai useammin | \w{3,} | regex_tutorial |
* | Nolla kertaa tai useammin | A*B*C* | AAACC |
? | Kerran tai ei kertaakaan | plurals? | plural |
Lisää merkkejä
Merkki | Selitys | Esimerkki | Esimerkkiosuma |
. | Mikä tahansa merkki paitsi rivinvaihto | a.c | abc |
. | Mikä tahansa merkki paitsi rivinvaihto | .* | whatever, man. |
\. | Piste (erikoismerkki: sen eteen on lisättävä \-pakomerkki) | a\.c | a.c |
\ | Poistaa erikoismerkin erityismerkityksen | \.\*\+\? \$\^\/\\ | .*+? $^/\ |
\ | Poistaa erikoismerkin erityismerkityksen | \[\{\(\)\}\] | [{()}] |
Logiikka
Logiikka | Selitys | Esimerkki | Esimerkkiosuma |
| | Vaihtoehto / TAI-operaattori | 22|33 | 33 |
( … ) | Tallentava ryhmä | A(nt|pple) | Apple (tallentaa merkkijonon ”pple”) |
\1 | Ryhmän 1 sisältö | r(\w)g\1x | regex |
\2 | Ryhmän 2 sisältö | (\d\d)\+(\d\d)=\2\+\1 | 12+65=65+12 |
(?: … ) | Ei-tallentava ryhmä | A(?:nt|pple) | Apple |
Lisää tyhjemerkkejä
Merkki | Selitys | Esimerkki | Esimerkkiosuma |
\t | Sarkain | T\t\w{2} | T ab |
\r | Vaununpalautusmerkki | katso alla |
|
\n | Rivinsiirtomerkki | katso alla |
|
\r\n | Rivinerotin Windowsissa | AB\r\nCD | AB |
\N | Perl, PCRE (C, PHP, R…): yksi merkki, joka ei ole rivinvaihto | \N+ | ABC |
\h | Perl, PCRE (C, PHP, R…), Java: yksi vaakasuuntainen tyhjemerkki: sarkain tai Unicode-välilyöntierotin |
|
|
\H | Yksi merkki, joka ei ole vaakasuuntainen tyhjemerkki |
|
|
\v | .NET, JavaScript, Python, Ruby: pystysarkain |
|
|
\v | Perl, PCRE (C, PHP, R…), Java: yksi pystysuuntainen tyhjemerkki: rivinsiirto, vaununpalautus, pystysarkain, sivunvaihto, kappaleenerotin tai rivinerotin |
|
|
\V | Perl, PCRE (C, PHP, R…), Java: mikä tahansa merkki, joka ei ole pystysuuntainen tyhjemerkki |
|
|
\R | Perl, PCRE (C, PHP, R…), Java: yksi rivinvaihto (vaununpalautuksen ja rivinsiirron pari sekä kaikki merkit, joita \v vastaa) |
|
|
Lisää toistomääreitä
Toistomääre | Selitys | Esimerkki | Esimerkkiosuma |
+ | + (yksi tai useampi) on ”ahne” | \d+ | 12345 |
? | Tekee toistomääreistä ”laiskoja” | \d+? | 1 merkkijonossa 12345 |
* | * (nolla kertaa tai useammin) on ”ahne” | A* | AAA |
? | Tekee toistomääreistä ”laiskoja” | A*? | tyhjä osuma merkkijonossa AAA |
{2,4} | Kahdesta neljään kertaa, ”ahne” | \w{2,4} | abcd |
? | Tekee toistomääreistä ”laiskoja” | \w{2,4}? | ab merkkijonossa abcd |
Merkkiluokat
Merkki | Selitys | Esimerkki | Esimerkkiosuma |
[ … ] | Yksi hakasulkeissa olevista merkeistä | [AEIOU] | Yksi isolla kirjaimella kirjoitettu vokaali |
[ … ] | Yksi hakasulkeissa olevista merkeistä | T[ao]p | Tap tai Top |
- | Merkkivälin ilmaisin | [a-z] | Yksi pieni kirjain |
[x-y] | Yksi merkki väliltä x–y | [A-Z]+ | GREAT |
[ … ] | Yksi hakasulkeissa olevista merkeistä | [AB1-5w-z] | Yksi seuraavista: A,B,1,2,3,4,5,w,x,y,z |
[x-y] | Yksi merkki väliltä x–y | [ -~]+ | Merkit ASCII-taulukon tulostettavasta osasta. |
[^x] | Yksi merkki, joka ei ole x | [^a-z]{3} | A1! |
[^x-y] | Yksi merkki, joka ei ole välillä x–y | [^ -~]+ | Merkit, jotka eivät ole ASCII-taulukon tulostettavassa osassa. |
[\d\D] | Yksi merkki, joka on numero tai muu kuin numero | [\d\D]+ | Mitkä tahansa merkit, myös |
[\x41] | Vastaa ASCII-taulukon heksadesimaalikohdassa 41 olevaa merkkiä eli A:ta | [\x41-\x45]{3} | ABE |
Ankkurit ja rajat
Ankkuri | Selitys | Esimerkki | Esimerkkiosuma |
^ | Merkkijonon alku tai rivin alku monirivitilasta riippuen. (Mutta [^hakasulkeiden sisällä] se tarkoittaa ”ei”) | ^abc .* | abc (rivin alku) |
$ | Merkkijonon loppu tai rivin loppu monirivitilasta riippuen. Toiminnassa on monia lausekemoottorikohtaisia eroja. | .*? the end$ | this is the end |
\A | Merkkijonon alku | \Aabc[\d\D]* | abc (merkkijonon... |
\z | Merkkijonon ehdoton loppu | the end\z | this is...\n...the end |
\Z | Merkkijonon loppu tai (paitsi Pythonissa) kohta ennen viimeistä rivinvaihtoa | the end\Z | this is...\n...the end\n |
\G | Merkkijonon alku tai edellisen osuman loppu |
|
|
\b | Sanaraja | Bob.*\bcat\b | Bob ate the cat |
\b | Sanaraja | Bob.*\b\кошка\b | Bob ate the кошка |
\B | c.*\Bcat\B.* | copycats |
