Re2
Список функций
Re2::Grep(pattern:String, options:Struct<...>?) -> (string:String?) -> Bool
Re2::Match(pattern:String, options:Struct<...>?) -> (string:String?) -> Bool
Re2::Capture(pattern:String, options:Struct<...>?) -> (string:String?) -> Struct<_1:String?,foo:String?,...>
Re2::FindAndConsume(pattern:String, options:Struct<...>?) -> (string:String?) -> List<String>
Re2::Replace(pattern:String, options:Struct<...>?) -> (string:String?, replacement:String) -> String?
Re2::Count(pattern:String, options:Struct<...>?) -> (string:String?) -> Uint32
Re2::Options([CaseSensitive:Bool?,DotNl:Bool?,Literal:Bool?,LogErrors:Bool?,LongestMatch:Bool?,MaxMem:Uint64?,NeverCapture:Bool?,NeverNl:Bool?,OneLine:Bool?,PerlClasses:Bool?,PosixSyntax:Bool?,Utf8:Bool?,WordBoundary:Bool?]) -> Struct<CaseSensitive:Bool,DotNl:Bool,Literal:Bool,LogErrors:Bool,LongestMatch:Bool,MaxMem:Uint64,NeverCapture:Bool,NeverNl:Bool,OneLine:Bool,PerlClasses:Bool,PosixSyntax:Bool,Utf8:Bool,WordBoundary:Bool>
Модуль Re2 реализует поддержку регулярных выражений на основе google::RE2, где предоставляется широкий ассортимент возможностей (см. официальную документацию).
По умолчанию UTF-8 режим включается автоматически, если регулярное выражение является валидной строкой в кодировке UTF-8, но не является валидной ASCII-строкой. Вручную настройками библиотеки re2 можно управлять с помощью передачи результата функции Re2::Options
вторым аргументом другим функциям модуля, рядом с регулярным выражением.
Важно
Все обратные слеши в регулярных выражениях (если они записаны в строке с кавычками) нужно удваивать, так как стандартные строковые литералы в SQL рассматриваются как С-escaped строки. Также можно записывать регулярное выражение в форме raw строки @@regexp@@
— в этом случае удвоение слешей не требуется.
Примеры
$value = "xaaxaaxaa";
$options = Re2::Options(false AS CaseSensitive);
$match = Re2::Match("[ax]+\\d");
$grep = Re2::Grep("a.*");
$capture = Re2::Capture(".*(?P<foo>xa?)(a{2,}).*");
$replace = Re2::Replace("x(a+)x");
$count = Re2::Count("a", $options);
SELECT
$match($value) AS match, -- false
$grep($value) AS grep, -- true
$capture($value) AS capture, -- (_0: 'xaaxaaxaa', _1: 'aa', foo: 'x')
$capture($value)._1 AS capture_member, -- "aa"
$replace($value, "b\\1z") AS replace, -- "baazaaxaa"
$count($value) AS count; -- 6
Re2::Grep / Re2::Match
Если вынести за скобки детали реализации и синтаксиса регулярных выражений, эти функции полностью аналогичны одноименным функциям из модуля Pire. При прочих равных и отсутствии каких-либо специфических предпочтений мы рекомендуем пользоваться Pire::Grep / Pire::Match
.
Функцию Re2::Grep
можно вызвать с помощью выражения REGEXP
(см. описание базового синтаксиса выражений).
Например, следующие два запроса эквивалентны (в том числе по эффективности вычислений):
$grep = Re2::Grep("b+"); SELECT $grep("aaabccc");
SELECT "aaabccc" REGEXP "b+";
Re2::Capture
В отличие от Pire::Capture в Re2::Capture
поддерживаются множественные и именованные группы захвата (capturing groups).
Тип результата: структура с полями типа String?
.
- Каждое поле соответствует группе захвата с соответствующим именем.
- Для неименованных групп генерируются имена вида:
_1
,_2
и т.д. - В результат всегда включается поле
_0
, в котором доступна вся совпавшая с регулярным выражением подстрока.
Подробнее про работу со структурами в YQL см. в разделе про контейнеры.
Re2::FindAndConsume
Ищет все вхождения регулярного выражения в переданный текст и возвращает список значений, соответствующих обрамленной в круглые скобки части регулярного выражения для каждого вхождения.
Re2::Replace
Работает следующим образом:
- Во входной строке (первый аргумент) все непересекающиеся подстроки, совпавшие с регулярным выражением, заменяются на указанную строку (второй аргумент).
- В строке с заменой можно использовать содержимое групп захвата (capturing groups) из регулярного выражения с помощью ссылок вида:
\\1
,\\2
и т.д. Ссылка\\0
обозначает всю совпавшую с регулярным выражением подстроку.
Re2::Count
Возвращает количество совпавших с регулярным выражением непересекающихся подстрок во входной строке.
Re2::Options
Пояснения к параметрам Re2::Options из официального репозитория
Параметр | По умолчанию | Комментарий |
---|---|---|
CaseSensitive:Bool? | true | match is case-sensitive (regexp can override with (?i) unless in posix_syntax mode) |
DotNl:Bool? | false | let . match \n (default ) |
Literal:Bool? | false | interpret string as literal, not regexp |
LogErrors:Bool? | true | log syntax and execution errors to ERROR |
LongestMatch:Bool? | false | search for longest match, not first match |
MaxMem:Uint64? | - | (see below) approx. max memory footprint of RE2 |
NeverCapture:Bool? | false | parse all parens as non-capturing |
NeverNl:Bool? | false | never match \n, even if it is in regexp |
PosixSyntax:Bool? | false | restrict regexps to POSIX egrep syntax |
Utf8:Bool? | true | text and pattern are UTF-8; otherwise Latin-1 |
The following options are only consulted when PosixSyntax == true. |
||
PerlClasses:Bool? | false | allow Perl's \d \s \w \D \S \W |
WordBoundary:Bool? | false | allow Perl's \b \B (word boundary and not) |
OneLine:Bool? | false | ^ and $ only match beginning and end of text |
Не рекомендуется Re2::Options использовать в коде. Большинство параметров можно заменить на флаги регулярного выражения.
Пример использования флагов
$value = "Foo bar FOO"u;
-- включить режим без учета регистра
$capture = Re2::Capture(@@(?i)(foo)@@);
SELECT
$capture($value) AS capture; -- ("_0": "Foo", "_1": "Foo")
$capture = Re2::Capture(@@(?i)(?P<foo>FOO).*(?P<bar>bar)@@);
SELECT
$capture($value) AS capture; -- ("_0": "Foo bar", "bar": "bar", "foo": "Foo")
В обоих случаях слово FOO будет найдено. Применение raw строки @@regexp@@ позволяет не удваивать слеши.