রেজেক্স চিট শিট

একটি সিনট্যাক্স টেবিল, টিউটোরিয়াল নয়

রেগুলার এক্সপ্রেশন ডিজাইনের মাধ্যমেই ঘন। ^(?:\d{1,3}\.){3}\d{1,3}$ এর মতো একটি প্যাটার্ন একটি সম্পূর্ণ IPv4 ভ্যালিডেটরকে ত্রিশটি অক্ষরে ভরে দেয়, যা আপনি যখন এটি লিখেছেন তখন চমৎকার এবং যখন আপনি অন্যের লেখা পড়ছেন তখন দুঃখজনক। বেশিরভাগ কঠিনতা ধারণাগত নয় — এটি হলো শব্দভাণ্ডারটি বড়, সংক্ষিপ্ত এবং সহজে অর্ধেক মনে রাখা যায়।

এই পৃষ্ঠাটি সেই শব্দভাণ্ডারের জন্য একটি লুকআপ টেবিল, যা প্যাটার্নগুলো যেভাবে আসলে তৈরি হয় সেভাবে সংগঠিত: কী একটি একক অক্ষর মেলে, কীভাবে আপনার নিজের ক্যারেক্টার সেট সংজ্ঞায়িত করবেন, কীভাবে "এটি পুনরাবৃত্তি করুন" বলবেন, ম্যাচটি কোথায় অ্যাংকর করবেন, কীভাবে গ্রুপ ও অল্টারনেট করবেন এবং কোন ফ্ল্যাগ ইঞ্জিনের আচরণ পরিবর্তন করে। ফিল্টারটি টোকেন, বর্ণনা এবং উদাহরণ একসাথে খোঁজে, তাই "lazy", "boundary" বা "lookbehind" টাইপ করলে সরাসরি সেই সারিতে যায় যা আপনি অর্ধেক মনে রেখেছেন।

এই টোকেনগুলো কোন ফ্লেভার অনুসরণ করে

রেগুলার এক্সপ্রেশন একটি ভাষা নয়। Grep, PCRE, Python, Java, Go-এর RE2 এবং JavaScript সবাই একটি সাধারণ মূল ভাগ করে কিন্তু প্রান্তে দ্বিমত পোষণ করে। এখানে তালিকাভুক্ত সবকিছু ECMAScript দ্বারা সংজ্ঞায়িত JavaScript ফ্লেভারকে লক্ষ্য করে, কারণ ব্রাউজার, Node.js এবং বেশিরভাগ ফ্রন্ট-এন্ড টুলিংয়ে এটিই চলে।

তিনটি পার্থক্য উল্লেখযোগ্য। প্রথমত, lookbehind — (?<=...) এবং (?<!...) — আধুনিক JavaScript ইঞ্জিনে সমর্থিত কিন্তু Go-এর RE2 এবং পুরোনো Safari সংস্করণ থেকে অনুপস্থিত, তাই এটির উপর নির্ভরশীল প্যাটার্নগুলো সর্বত্র বহনযোগ্য নয়। দ্বিতীয়ত, JavaScript-এ কোনো x ভার্বোজ ফ্ল্যাগ নেই, তাই আপনি Python-এর মতো মন্তব্যসহ একাধিক লাইনে প্যাটার্ন ছড়াতে পারবেন না; দীর্ঘ প্যাটার্ন সাধারণত স্ট্রিং খণ্ড থেকে একত্রিত হয়। তৃতীয়ত, \d এবং \w ডিফল্টরূপে JavaScript-এ শুধুমাত্র ASCII, তাই \w উচ্চারিত অক্ষর বা CJK অক্ষরের সাথে মেলে না যতক্ষণ না আপনি u ফ্ল্যাগসহ \p{L} এর মতো ইউনিকোড প্রপার্টি এসকেপ ব্যবহার করেন।

স্থায়ীভাবে রক্ষণাবেক্ষণযোগ্য প্যাটার্ন লেখা

দুটি অভ্যাস বেশিরভাগ রেজেক্স ব্যথা প্রতিরোধ করে। প্রথমটি হলো ইচ্ছাকৃতভাবে অ্যাংকর করা। একটি অ-অ্যাংকর্ড প্যাটার্ন স্ট্রিংয়ের যেকোনো জায়গায় ম্যাচ খোঁজে, যা স্ক্যান করার সময় আপনি চান এবং ভ্যালিডেট করার সময় প্রায় কখনোই চান না। ^ এবং $ যোগ করলে "তারিখের মতো দেখতে কিছু" "একটি তারিখ" হয়ে যায়, এবং সেই পার্থক্যটি আশ্চর্যজনক সংখ্যক ভ্যালিডেশন বাগের পিছনে।

দ্বিতীয়টি হলো লোভী ওয়াইল্ডকার্ডের উপরে অলসতা এবং নেগেটেড ক্যারেক্টার ক্লাস পছন্দ করা। ক্লাসিক ভুলটি হলো HTML-সদৃশ টেক্সটে <.+>: কারণ + লোভী, এটি লাইনের শেষ > পর্যন্ত সবকিছু গিলে ফেলে। <.+?> বা আরও ভালোভাবে <[^>]+> লেখা একটি একক ট্যাগ মেলে। নেগেটেড-ক্লাস সংস্করণটি যথেষ্ট দ্রুতও, কারণ ইঞ্জিনকে কখনো ব্যাকট্র্যাক করতে হয় না।

অবশেষে, বিপর্যয়কর ব্যাকট্র্যাকিং সম্পর্কে সচেতন থাকুন। (a+)+b-এর মতো নেস্টেড কোয়ান্টিফায়ার ইঞ্জিনকে ম্যাচ নেই এই সিদ্ধান্ত নেওয়ার আগে ইনপুট ভাগ করার সূচকীয়ভাবে অনেক উপায় অন্বেষণ করতে বাধ্য করতে পারে, যা প্যাটার্নটি ব্যবহারকারীর ইনপুট স্পর্শ করলে একটি ভ্যালিডেশন কলকে ডিনায়াল-অফ-সার্ভিস ভেক্টরে পরিণত করে। যদি একটি প্যাটার্নে একটি কোয়ান্টিফায়ারযুক্ত গ্রুপ থাকে যেটিতে নিজেই একটি কোয়ান্টিফায়ার থাকে, এটি পুনরায় লিখুন — সাধারণত একটি একক ক্যারেক্টার ক্লাস একটি কোয়ান্টিফায়ারসহ রৈখিক সময়ে একই কাজ করে। এবং যখন একটি প্যাটার্ন এক বা দুটি লাইনের বেশি হয়, সৎ উত্তরটি প্রায়ই হয় যে একটি প্রকৃত পার্সার সঠিক টুল এবং রেজেক্সটি নয়।