Düzenli ifadeler, programcının cephaneliğinde güçlü bir araçtır, ancak - en iyi seçenek olmadığı ve hatta tamamen zararlı olduğu durumlarda bazı durumlar vardır.

Basit örnek # 1, HTML'yi regexp ile ayrıştırıyor - birçok hataya bilinen bir yol. Muhtemelen, bu aynı zamanda genel olarak ayrıştırmaya da atfedilir .

Ancak, düzenli ifadeler için açıkça görülmeyen alanlar var mı?

ps: " İstediğiniz soru sübjektif görünüyor ve kapatılması muhtemel. " - bu nedenle, regexps kullanımının sorunlara neden olduğu bilinen örneklerle ilgilendiğimi vurgulamak istiyorum.

Normal ifadeler kullanmayın:

• Parsers olduğunda.

Bu HTML ile sınırlı değil . Basit bir geçerli XML, şemayı bilseniz ve asla değişmeyeceğini bilseniz bile, düzenli bir ifadeyle makul bir şekilde ayrıştırılamaz.

Örneğin, C # kaynak kodunu ayrıştırmaya çalışmayın . Bunun yerine, anlamlı bir ağaç yapısı veya belirteçleri elde etmek için ayrıştırın.

• Daha genel olarak, işinizi yapacak daha iyi araçlara sahip olduğunuzda.

Hem küçük hem de büyük harfleri aramanız gerekiyorsa? Düzenli ifadeleri seviyorsanız, onları kullanacaksınız. Ancak iki aramayı birbiri ardına kullanmak daha kolay / daha hızlı / okunabilir değil mi? Şansların çoğu dildedir, daha iyi performans elde edersiniz ve kodunuzu daha okunaklı hale getirir.

Örneğin, Ingo'nun cevabındaki örnek kod, normal ifadeler kullanmamanız gerektiğinde iyi bir örnektir. Sadece ara foo, sonra ara bar.

• İnsan yazısını ayrıştırırken.

Bunun iyi bir örneği müstehcenlik filtresidir. Sadece uygulamak genel olarak kötü bir fikir değil, aynı zamanda düzenli ifadeler kullanarak yapmak için cazip olabilirsiniz ve yanlış yaparsınız. Bir insanın bir kelime, sayı, cümle yazabileceği ve başka bir insan tarafından anlaşılacağı, ancak sizin düzenli ifadenizin pek çok yolu vardır. Bu yüzden gerçek bir müstehcenliği yakalamak yerine, düzenli ifadeniz zamanını diğer kullanıcıları incitmek için harcayacaktır.

• Bazı veri türlerini doğrularken.

Örneğin, düzenli bir ifade ile bir e-posta adresini doğrulamayın. Çoğu durumda yanlış yaparsınız. Nadir bir durumda, doğru yapacaksınız ve 6 343 karakterlik kodlama korkusu ile bitireceksiniz .

• Ne zaman doğru araçları yok ya da temiz kod hakkında ilgilendirmiyor.

Doğru araçlar olmadan, hata yaparsınız. Ve onları son anda, belki de asla görmeyeceksiniz. Temiz kod umursamıyorsanız, yorumsuz, boşluksuz, yeni satırsız bir yirmi satır dizisi yazacaksınız.

• Kodunuz ne zaman okunacak. Ve sonra farklı geliştiriciler tarafından her seferinde tekrar tekrar, tekrar tekrar okuyun.

Cidden, eğer kodunuzu alırsam ve onu gözden geçirmeli ya da değiştirmeliysem, yirmi satır uzunluğundaki bir dizi sembolü anlamaya çalışmakla bir hafta geçirmek istemiyorum.

En önemli şey: ayrıştırdığınız dil normal bir dil olmadığında .

HTML değil normal bir dil ve bir düzenli ifade ile ayrıştırma olduğu değil (zor veya hatalı koduna bir yol sadece) mümkün.

Biri sık sık görür StackOverflow'daki insanlar belirli bir dize gelmez öğrenmek regexes için sormak değil şu ya da bu içerirler. Bu, IMHO, düzenli ifadenin amacını tersine çeviriyor. Bir çözüm bulunsa bile (olumsuz bakış açıları ya da benzeri şeyler kullanılsa bile), regex'in ne için yapıldığını kullanmak ve programın mantığı ile olumsuz durumu ele almak genellikle çok daha iyidir.

Örnek:

# bad
if (/complicated regex that assures the string does NOT conatin foo|bar/) {
    # do something
}

# appropriate
if (/foo|bar/) {
    # error handling
} else {
    # do something
}

İki dava:

Daha kolay bir yol olduğunda

• Dillerin çoğu, bir dize diğeri alt kümesi olup olmadığını belirlemek için INSTR gibi basit bir işlev sağlar. Yapmak istediğiniz şey buysa, basit işlevi kullanın. Kendi normal ifadenizi yazmayın.

• Karmaşık bir dize işleme gerçekleştirmek için kullanılabilir bir kitaplık varsa, kendi normal ifadenizi yazmak yerine kullanın.

Düzenli ifadeler yeterince güçlü olmadığında

• Bir ayrıştırıcıya ihtiyacınız varsa bir ayrıştırıcı kullanın.

Düzenli ifadeler özyinelemeli yapıları tanımlayamaz . Bu temel sınırlamadır.

JSON'u alın - oldukça basit bir formattır, ancak bir nesne üye değerler olarak diğer nesneleri içerebildiği için (keyfi olarak derin), sözdizimi özyinelemelidir ve regex tarafından ayrıştırılamaz. Öte yandan , özyinelemeli yapılar içermediğinden CSV regex'lerle ayrıştırılabilir.

Kısacası, düzenli ifadeler, kalıbın kendisine atıfta bulunmasına izin vermez. Söyleyemezsiniz: bu noktada sözdiziminde tüm kalıp tekrar eşleşir. Başka bir ifadeyle, normal ifadeler yalnızca doğrusal olarak eşleşir, iç içe geçmiş bir desenin ne kadar derin olduğunu izlemesine izin verecek bir yığın içermez.

Biçimin aksi takdirde ne kadar karmaşık veya karmaşık olduğu ile ilgisi olmadığını unutmayın. S-ifadeleri gerçekten çok basit, ancak bir regex ile ayrıştırılamaz. Öte yandan, CSS2 oldukça karmaşık bir dildir, ancak özyinelemeli yapılar içermez ve bunun için bir regex ile ayrıştırılabilir. (Yinelemeli bir sözdizimine sahip olan CSS ifadeleri nedeniyle bu, CSS3 için doğru olmamasına rağmen.)

Bu nedenle, yalnızca regex kullanarak HTML'yi ayrıştırmanın çirkin veya karmaşık veya hataya eğilimli olması nedeniyle değildir. Bu sadece mümkün değil olmasıdır .

Özyinelemeli yapılar içeren bir formatı ayrıştırmanız gerekirse, özyinelemeli yapıların seviyesini takip etmek için en azından düzenli ifadelerin bir yığınla kullanılmasını sağlamalısınız. Bu genellikle bir ayrıştırıcının nasıl çalıştığıdır. Düzenli ifadeler "doğrusal" bölümleri tanımak için kullanılırken, regex dışındaki özel kod iç içe yapıların izini sürmek için kullanılır.

Genellikle bu şekilde ayrıştırma ayrı aşamalara ayrılır. Tokenizasyon, girdiyi kelimeler, noktalama işaretleri, parantezler vb. Gibi "belirteçler" dizisine ayırmak için normal ifadelerin kullanıldığı ilk aşamadır. Ayrıştırma, bu belirteçlerin hiyerarşik bir yapıya, bir sözdizimi ağacına ayrıştırıldığı bir sonraki aşamadır.

Bu nedenle, HTML veya C # 'nın normal ifadelerle ayrıştırılamadığını duyduğunuzda, normal ifadelerin hala ayrıştırıcıların önemli bir parçası olduğunu unutmayın. Böyle bir dili yalnızca normal ifadeler kullanarak ve yardımcı kod kullanmadan ayrıştıramazsınız .