Информатика и выч. техника \ Объектно-ориентированное программирование

Правильные (Regular) выражения и класс Regex. Операторы над компонентами регулярных выражений, страница 7

}

Электронный почтовый адрес

Ранее мы уже рассматривали несколько шаблонов для проверки правильности почтовых адресов. Последним приближением к идеалу был шаблон:

pattern = @"\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+\2*";

Подробный разбор этого шаблона был приведен ранее. Его недостатком является то, что он не пропускает строк вида: "name@[999.999.999.999]", которые считаются правильными email-адресами. В них TCP / IP адрес host-компьютера задан в числовом формате.

Теперь, когда вы получили некоторый опыт в анализе и синтезе регулярных выражений, можно попытаться критически осмыслить тот шаблон для email, который мы привели в начале этой главы. Он присутствует в документации MSDN по теме "Regular Expressions Examples4Confirming Valid E-Mail Format". Напомним его.

@"^([\w-\.]+)@((\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.)|(([\w-]+\.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(\]?)$"

Первая часть шаблона "^([\w-\.]+)@" не должна вызвать у вас затруднений в прочтении и расшифровке.

Подстрока

Смысл

^

Запрет пробелов и других пустых символов в начале строки

([\w-\.]+)

Группа номер 1 содержит буквы, дефисы, точки

@

Содержит символ @

Прежде чем приступить к разбору второй части шаблона, давайте выявим структуру всего выражения, то есть выделим все его группы (выражения в круглых скобках). Для этого заменим текст группы ее обозначением, например, вместо [\w-\.]+ поставим g1 (группа номер 1). Действуя таким образом, мы заменим все выражение такой схемой:

^ (g1) @ ( (g3) | ( (g5) ) ) (g6) (g7) $

Отсутствие обозначений для групп 0, 2 и 4 в этой схеме можно пояснить рисунком:

Группы нумеруются последовательно по мере появления скобок при движении слева-направо. Группа g2 представляет собой объединение ((g3)|((g5))) групп 3 и 4. Группа g4, как видно из текста, содержит внутри себя группу 5. Группа g3 представляет собой выражение:

(\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.)

которое (с точностью до символа '[') мы рассматривали ранее. Его суть предоставить возможность указать адрес почтового сервера в виде трех групп цифр. Сведем описание всех групп в таблицу. Заполните ее.

Группа

Текст

Функция

g0

Вся строка шаблона

g1

([\w-\.]+)

g2

( (g3) | (g4) )

g3

(\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.)

g4

( (g5) )

g5

([\w-]+\.)+)

g6

([a-zA-Z]{2,4}|[0-9]{1,3})

g7

(\]?)

Анализируя схему шаблона выражения, приходим к выводу, что одна из групп (g4) является архитектурным излишеством. Уберите в строке шаблона образующие ее скобки и убедитесь, что шаблон работает и производит тот же результат, но групп стало на одну меньше.

Схема, видимо, неточна, так как она пропускает адрес вида:

text = "....@-.-.-.com]";

Немного лучше работает шаблон:

text = @"^\w+([-.]\w+)*@((\[\d{1,3}\.\d{1,3}\.\d{1,3}\.)|\w+([-.]\w+)*)([a-zA-Z]{2,4}|\d{1,3})(\]?)$";

Именованные группы

Недостатком автоматической нумерации групп является то, что при редактировании выражения (удалении или добавлении новых пар скобок) нумерация групп изменяется и существующие ссылки на группы становятся недействительными. Microsoft-расширение языка регулярных выражений имеет еще один механизм образования групп, который свободен от упомянутого недостатка. Этот механизм использует такую конструкцию группы: (?<name>...). Здесь name — это имя группы. Следующий пример, который приведен в MSDN, как пример шаблона адреса email, использует две именованные группы: <user> и <host>.

Regex ex = new Regex ("(?<user>[^@]+)@(?<host>.+)");

Первая, кроме имени, имеет тело [^@]+, которое требует наличия хотя бы одного символа, не являющегося спецификатором @. Вторая группа .+ допускает наличие произвольных символов. Между группами расположен символ @. Он требует наличия этого символа в испытуемой строке текста. Следующий фрагмент позволяет убедиться в том, что именованные группы действительно получили заданные имена.

Скачать файл