Regexp izraz za filtriranje imen datotek

Invictus je 15. avg 2021 ob 10:15 izjavil:

BigWhale je 15. avg 2021 ob 09:02 izjavil:

Lahko nam pa predstavis kak svoj primer, ki potrdi to kar pravis, da bo tvoja koda hitrejsa od regexa. :)

In da je to sprogramiral hitreje kot bi napisal en regex ...

Ja, če o regexih nimaš pojma in nimaš niti želje da bi se karkoli naučil, potem zagotovo hitreje sprogramiraš.

GupeM je 15. avg 2021 ob 10:38 izjavil:

Ja, če o regexih nimaš pojma in nimaš niti želje da bi se karkoli naučil, potem zagotovo hitreje sprogramiraš.

To je ful odvisno od primera do primera. :> Velikrat je prej, ce gres regex studirat iz nule. Dokler ne gres parsat HTMLja z regexom je vse kul. :>

Zakaj bi za parsanje json in xml hotel sploh uporabljati regex?
A za iskanje poenostavljenih parov v smislu <(.*?)>(.*?)<\/(.*?)> in \"(\w+\)"\s*\:\s*\"([^\"])*\" ali kaj?
In potem iskati matche in capture? Zakaj, hudiča, bi to kdo delal na tak način? Čeprav nemogoče ni, obstajajo boljša orodja za to.
In sql (ansi sql, t-sql ali pl/sql) načeloma ni med njimi, ker ima spet svoj namen.

Saj regex ni Panacea in ima svojo omejeno vlogo, če moramo že o tem razpravljati, ker slučajno komurkoli ni jasno, je vsa tema izguba časa.
In zakaj bi sploh pisal nekaj interpreter ali compiler za svoj jezik izven akademskih okvirjev?

Za html in leaching je pa kar v redu, recimo scrappanje povezav, besedila in resursov (ali sklicev nanje), odstranjevanje markupa itn.

BigWhale je 15. avg 2021 ob 12:32 izjavil:

GupeM je 15. avg 2021 ob 10:38 izjavil:

Ja, če o regexih nimaš pojma in nimaš niti želje da bi se karkoli naučil, potem zagotovo hitreje sprogramiraš.

To je ful odvisno od primera do primera. :> Velikrat je prej, ce gres regex studirat iz nule. Dokler ne gres parsat HTMLja z regexom je vse kul. :>

Zakaj bi kdorkoli parsal HTML z regexi? Za to obstajajo dom in sax parserji. Je pa regex izjemno uporaben, če hočeš ugotoviti, ali neka vrednost taga v HTML-ju ustreza nekemu patternu. Tako da kombinacija dom/sax parser + regex je lahko rešitev.

Sicer pa:
https://stackoverflow.com/questions/173...

XyNOBvxWVJ je 15. avg 2021 ob 13:53 izjavil:

Za dejansko validacijo xml imaš xsd in dtd scheme (in primerno orodje, ki interpretira te sheme in preverja pravilnost xml dokumenta), kjer formalno določiš strukturo markupa z možnimi vrednostmi atributov. Ampak vidim, da je tema že fino derailala.

Seveda. In kaj v xsd schemi uporabiš, če želiš preveriti ali atribut res vsebuje neko vrednost točno določene oblike? SQL?

GupeM je 15. avg 2021 ob 08:20 izjavil:

v določenih primerih lahko uporabil regex. Zadevo raje napišeš v 375 vrsticah Pythona, kot pa da bi uporabil enostaven enovrstičen regex.

malo pretiravaš in nabijaš na pamet ampak če bi šli gledat konkreten primer bi videli, da je 20 vrstic navadne kode bolj berljive kot 1 vrstica kriptiranega regexa. ni vedno nujno manj vrstic bolje, ponavadi je, ne pa vedno.
prejle sem malo googlal o regexih in videl primere, kako je en regex sesul celo server. to je pa to, ko ne veš, kaj delaš. z regexi je ponavadi tako, da ne veš, kaj delaš, posebej če so malo bolj komplicirani, v glavnem da dela. jaz rad vem, kaj delam.
en primer malo daljšega regexa:
(^\+?)(31)(\s?)(0?)([0-9]{1,3})(\s?)([0-9]{6,8}$)
beda. človeški možgani niso narejeni za takole sranje.

GupeM je 15. avg 2021 ob 15:12 izjavil:

Seveda. In kaj v xsd schemi uporabiš, če želiš preveriti ali atribut res vsebuje neko vrednost točno določene oblike? SQL?

Odvisno od vrednosti, ali gre za numerično, zalogovno, časovno ali prosto vneseno. V primeru prosto vnesenih je regex najbolj priročen in standardiziran, za ostale ni zaželeno, so lahko tudi lokalizirane. Kaj ima SQL s tem, ne vem, to se lepo vidva s kuallom pomenita.

kuall je 15. avg 2021 ob 15:34 izjavil:

beda. človeški možgani niso narejeni za takole sranje.

So, so, brez skrbi. Že dolgo. Tada. Še več, celo standardizirano je. Še igraš se lahko tukaj, do Experienced moraš prit v 15 minutah, ajde, 30, ker je nedelja, dejansko pa 5.

HotBurek je 15. avg 2021 ob 16:42 izjavil:

Kako ta regex zamenjat z C#/SQL/whateva rešitvijo, ki bo bolj učinkovita, je pa drugo vprašanje.

Heh,
C#: System.Text.RegularExpressions.Regex.IsMatch(expression, pattern, regexOptions, matchTimeout)
Java: java.util.regex.Pattern.matches(pattern, content)
PL/Sql: REGEXP_LIKE (expression, pattern [, match_parameter ])
T-SQL: LIKE (ni regex!)

GupeM je 15. avg 2021 ob 13:46 izjavil:

Zakaj bi kdorkoli parsal HTML z regexi?

Ej, ne vem. Ampak ljudje tud to pocnejo. Sicer pa se enkrat preberi kaj sem napisal. :)

Je govora o parsanju html kode za ekstrakcijo podatkov ali govorita o validaciji html?

Ja, upajmo, da res :-)

Tega nima kaj reševati program ampak morajo biti podatki v xml normalizirani, se pravi, vsaka vrednost v svojem 'polju'.

Si že dolgo v I/T industriji?

Ja, še nisem naletel na kaj takega, menda nikdar (ker bi si zapomnil), je pa res, da imam (ne)srečo, da sem primoran sodelovati v zelo purističnih krogih in to potem pusti posledice, hočeš ali nočeš.

kuall je 15. avg 2021 ob 15:34 izjavil:

malo pretiravaš in nabijaš na pamet ampak če bi šli gledat konkreten primer bi videli, da je 20 vrstic navadne kode bolj berljive kot 1 vrstica kriptiranega regexa.

No, ne pretiravaj...

Tudi 20 vrsticneke kode je lahko blazno neberljvih, ali pa blazno zblojenih... Nič hujšega, ko vidim cel kup else if stavbkov, ko se nekaj preverja, namesto regexa.

kuall je 15. avg 2021 ob 15:34 izjavil:

prejle sem malo googlal o regexih in videl primere, kako je en regex sesul celo server. to je pa to, ko ne veš, kaj delaš. z regexi je ponavadi tako, da ne veš, kaj delaš, posebej če so malo bolj komplicirani, v glavnem da dela. jaz rad vem, kaj delam.

Vlečeš ven robne primere...

Tudi tvoja koda lahko sesuje server, če jo napačno napišeš in zaganjaš v napačnem spacu...

kuall je 15. avg 2021 ob 15:34 izjavil:

en primer malo daljšega regexa:
(^\+?)(31)(\s?)(0?)([0-9]{1,3})(\s?)([0-9]{6,8}$)
beda. človeški možgani niso narejeni za takole sranje.

To sploh ni kompliciran regex...

Tole je:
https://www.perlmonks.org/bare/?node_id...

dolge regexe je težko debuggirat. vse kar je težko debuggirat je zanič stil programiranja. torej so dolgi regexi zanič.

Kaj je s tabo narobe? Ti s kladivom šraufaš šraufe, s kosilnico asfaltiraš ceste in z mikrovalovko programiraš? Al kar za vse to uporabljaš pralni stroj? Ker, zakaj bi se učil kup orodji, če pa je bolje poznati enega pa s tistim vse narest?!?!

Dostikrat, če gre recimo za kake zblojene loge, regexe celo gnezdiš.

Razbiješ na manjše smiselne dele, ki jih potem še naprej obdelaš. Z regexi .

Če so pa logi dobro strukturirani, kar je vsaj v Sloveniji nemogoče doseči nek standard v firmi, niti arhitekt softvera ponavadi ne vidi smisla v tem, pa zna biti problem...

Sam lahko dam primer, ko sem DB2 audit loge spravil v bazo z enim simple regexom. Ker so bili dobro strukturirani že v osnovi...

O smiselnosti Regexp vs. SQL lahko debatiraš, ko dejansko imaš opravka z podatki, kateri se nahajajo ali pa jih boš prenesel v SQL bazo.

Debata pa je popolnoma brezpredmetna, če ni nobene SQL baze nikjer v scenariju. Ko imaš text input in text output.

Če meni ena aplikacija generira loge, ki izgledajo tako:

==================================================
Host Name         : api.dropboxapi.com
Port Number       : 0
Query ID          : 362B
Request Type      : 
Request Time      : 
Response Time     : 20.2.2021 0:48:41.086
Duration          : 
Response Code     : Ok
Records Count     : 3
A                 : 
CNAME             : api.dropbox.com  api-env.dropbox-dns.com
AAAA              : 2620:100:6023:19::a27d:4313
NS                : 
MX                : 
PTR               : 
SRV               : 
TEXT              : 
Source Address    : 2a01:260:4086:1100::135
Destination Address: 2a01:260:4086:1100::130
IP Country        : 
==================================================

==================================================
Host Name         : pop.gmail.com
Port Number       : 55048
Query ID          : 4432
Request Type      : A
Request Time      : 20.2.2021 0:48:41.187
Response Time     : 20.2.2021 0:48:41.198
Duration          : 10 ms
Response Code     : Ok
Records Count     : 2
A                 : 74.125.193.108  74.125.193.109
CNAME             : 
AAAA              : 
NS                : 
MX                : 
PTR               : 
SRV               : 
TEXT              : 
Source Address    : 192.168.111.135
Destination Address: 192.168.111.130
IP Country        : 
==================================================

in jih moram predelati v obliko, katero lahko kopiram v Excel:

api.dropboxapi.com	AAAA	3	""	2620:100:6023:19::a27d:4313	api.dropbox.com  api-env.dropbox-dns.com
pop.gmail.com	A	2	"74.125.193.108  74.125.193.109"		

.... si bom šel nameščati SQL bazo in si razbijal glavo, kako za vraga bi to naredil z SQL-on?

Sicer nisem noben programer, ampak tako osnovnošolsko Python kodo še celo jaz uspem nekako spacat:

with file_in:
    for line in file_in:
        line = re.sub(r'\n','',line)
        if re.search('^={50}$',line):
            continue
        elif re.search('^(.*?) *: (.*?)$',line):
            match = re.match('^(.*?) *: (.*?)$',line)
            parameter = match.expand(r'\1')
            vrednost = match.expand(r'\2')
            ...
            ...   

Torej... zakaj bi se moral ogniti tistemu Regexp, če mi na zelo kratek in jedernat način definira kaj iščem v vrstici?

Če pa gremo v čisti urejevalnik texta... kjer moram iz pdf datoteke spraskat določene podatke in jih postaviti v točno določeni vrstni red za kopiranje v drug dokument - bi pa presneto rad videl, kako bi to nek frajer dela z SQL (ob tem, da bo samo za to šel nameščat SQL bazo?).

.. ob tem, da mi to naredita dva Regexp izraza v text editorju:

Find RegExp "(^\d{4,8})(-\d){0,1} (.*?) (\d{1,4},\d\d) (\w{3,4}) (\d{1,4},\d{4}) (\d{1,2},\d{2}) (\d{1,2},\d{2}) (\d{1,4},\d{4}) (EAN koda: \d{0,13}) {0,1} {0,3}$"
Replace All "$1$2 - $3\t$4\t$5\t$6\t$7\t$8\t$11\t$9"

In ja - nisem noben expert za Regexp - pravi expert bi najbrž še 3x bolj optimiziral take izraze. A za mene to zadošča - na nivoju 'uporabnika'.

Kuall pozablja, da svet ne obstaja več zgolj iz programerjev in tupih uporabnikov, ki komajda vedo, kje se prižge računalnik.

Obstaja množica uporabnikov, ki nismo programerji, a moramo izvajati določene manipulacije nad datotekami, katere presegajo nivo klasičnega search&replace v 'beležki'.
Ker smo prepuščeni sami sebi (no, še dobro, da nismo na milost in nemilost prepuščeni programerjem!), se pač znajdemo z orodji in znanji, ki so nam na voljo, da z čim manj muk dosežemo točno to, kar potrebujemo.

Ker nismo programerji, nas prav en drek zanima, kakšni neki parserji obstajajo in kaj vse bi se 'dalo' naresti, če bi bili 24/7 programerji. Imamo problem, rabimo rešitev... in jo 'spacamo'. Koga briga, če je +lepa', če je dovolj uporabna za naše potrebe. Koga briga, če bi se dalo izvesti z SQL - presneto, bo jutri en prišel naokoli pa rekel, da bi se lepše naredilo z Cobolom? Kaj pa potem SQL freak-i?

Že res, da je veliko podatkov v raznoraznih bazah, a še veliko več podatkov se valja po diskovjih v obliki čisto navadnih datotek - ob tem, da 99% računalnikov nima nameščene nobene SQL baze, ki bi jo lahko uporabil, če bi bil totalno zakrknjen SQL obsedenec.

Jaz lahko 'spacam' neko skriptico ki uporablja Regexp in jo dam nekomu v uporabo. Kaj boš pa z SQL? NAvodilo za uporabo začel z "Najprej si namesti eno od SQL baz...."? Ob tem, da si hotel zgolj spraskati par informacij iz neke text datoteke?

Ajmene......

Regex se naučiš po potrebi...

Malo je mimo, da zavračaš uporabo le tega, saj kot je bilo že omenjeno, 99% jih je simple. Tudi v SQLu , kjer potem lažje definiraš kak boljši in bolj berljiv WHERE pogoj...

Je pač še eno orodje, ki ga uporabljaš, kadar ga rabiš...

AMpak, če pa delaš kak Seach/REplace na tekstu, je pa skoraj nepogrešljiv na dolgi rok...

SQL in regex sploh nista primerljiva.
Eno je za strukturirane podatke drugi je Univerzalc.

Desci očitno dela problem notacija. Ampak tudi vi matematiki imamo operatorje namesto keywordow. Preprosto enačbo iz Boolove algebre zapiši a keywordi pa vidiš kako nerodna je zadeva.

kuall je 16. avg 2021 ob 16:46 izjavil:

samo ni pa neka huda škoda, če ga ne uporabljaš / se ga ne naučiš, je dostikrat bolje, da ga ne.

<Citation Needed>

kuall je 16. avg 2021 ob 16:46 izjavil:

BigWhale: bla bla je bilo mišljeno kot: blefiraš z nekimi floskulami.

Za svoje trditve nisi podal se _nobenega_ dokaza. Pac, nakladas. :)

XyNOBvxWVJ je 16. avg 2021 ob 11:39 izjavil:

> Jaz lahko 'spacam' neko skriptico ki uporablja Regexp in jo dam nekomu v uporabo.

To, ja. In tudi Windows Scripting podpira RegExp.

Katero narecje? Vsak k* izumi neko svojo varianto, pa da je zgodba se bolj zabavna, potem se svojo "poenostavljeno" razlicico. Pa ne me narobe vzeti, uporabljam na veliko, bi bil pa zelo vesel, ce bi se vzelo pcre in se trescilo vse ostale implementacije v smeti.

GupeM je 16. avg 2021 ob 17:58 izjavil:

In kot sem že rekel. V enem do dveh dnevih se naučiš regexa toliko, da ga boš znal uporabiti za 99,9% primerov.

That what she said . Zgoraj sem gledal malo primercke, pa nihce ne uporablja non greedy capturov, to je recimo ze zadeva, pri kateri se lahko fino ustrelis v koleno.

Invictus je 16. avg 2021 ob 12:11 izjavil:

Regex se naučiš po potrebi... [...]
Je pač še eno orodje, ki ga uporabljaš, kadar ga rabiš...[...]

Se zelo strinjam s tem. Mislim, da je zelo koristno znati (osnove) in jih uporabiti ob primerni priložnosti.

Še ne-programerski primer: na najbolj nepričakovano mesto uporabe Regexa sem enkrat naletel v InDesign-u (program za oblikovanje / postavljanje besedil - programerji ga ne uporabljajo - zato sem bil precej presenečen), v predlogi, ki je imela v stilih nastavljeno zamenjavo "m3" z "m³" (ali nekaj podobnega, šlo je za enoto, ki je bila pričakovana glede na vsebino).

zmist je 16. avg 2021 ob 17:59 izjavil:

XyNOBvxWVJ je 16. avg 2021 ob 11:39 izjavil:

> Jaz lahko 'spacam' neko skriptico ki uporablja Regexp in jo dam nekomu v uporabo.

To, ja. In tudi Windows Scripting podpira RegExp.

Katero narecje? Vsak k* izumi neko svojo varianto, pa da je zgodba se bolj zabavna, potem se svojo "poenostavljeno" razlicico. Pa ne me narobe vzeti, uporabljam na veliko, bi bil pa zelo vesel, ce bi se vzelo pcre in se trescilo vse ostale implementacije v smeti.

Omenjam še eno varianto, za katero sem prepričan da je nisi poznal: GREP. Ta ima še simbole za Page Break, Beginning of paragraph, Copyright symbol in desetino podobnih xD

Če kdo hoče izboljšati svoje regex sposobnosti - Regex Golf.
Ker je meta as fuck, uporabljaš tudi regex za parsanje regexa.