Foro - Perl en Español

Hola a todos, este es mi primer post en el foro, hace unos días que me estoy peleando con una expresion regular que tiene que hacer un match y no encuentro ninguna solución, quizás es que no existe ni idea, a ver si me podeis echar un cable.

El problema:
Tengo esta expresión regular:



El funcionaminto es el siguiente:

Código: Seleccionar todo

ejemplo 1: si aplicamos la expresión regular a la cadena $url
                 $url = '<a href="/story/43480/">The Bottled Water Lie</a>';

                 obtenemos el resultado siguiente:
                 $1 vale /story/43480/
                 $2 vale The Bottled Water Lie.

ejemplo2:  si aplicamos la expresión regular a la cadena $url
                 $url = '<a href="/story"/43480/">The Bottled Water Lie</a>';

                 obtenemos el resultado siguiente:
                 $1 vale '' (vacío)
                 $2 vale '' (vacío)

Necesito una modificación sobre la expresión regular original que en el caso de que exista la palabra 'video' dentro de la url no devuelva nada y si no existe devuelva lo mismo que la expresión del ejemplo 1.

Código: Seleccionar todo

ejemplo 3: $url = '<a href="/story/video/43480/">The Bottled Water Lie</a>';

                 debe devolver:
                 $1 vale '' (vacío)
                 $2 vale '' (vacío)

Muchas gracias, para mi que no hay respuesta pero bueno, si me podeis ayudar me hareis un gran favor.

En principio, veo que en el ejemplo2 hay unas dobles comillas después de la palabra story, por lo que entonces falla la expresión regular y devuelve vació en las dos variables.

La expresión original esta funcionando correctamente, quiero decir los ejemplos 1 y 2 son para ilustrar el funcionamiento actual de la expresión.

La expresión devuelve match en el caso que no haya unas comillas y no devuelve nada en el caso que aparezcan unas comillas, actualmente se esta utilizando para verificar que no aparezcan estas dichosas comillas, pero yo necesito que haga algo mas. Necesito que ademas verifique que no aparezca la palabra 'video' y necesito hacerlo modificando la expresión original, no puedo usar otra expresión complementaria. En una sola expresión necesito verificar si sale la palabra video o no y si salen las comillas o no. O sea debe devolver match en el caso que no haya ni comillas ni la palabra 'video'

Que tal,

Te recomiendo antes de continuar, que le des un vistazo al módulo URI, es siempre 10000% recomendable que a menos que conozcas realmente el formato REAL de una URL, no intentes parsearlo tu mismo, mejor utiliza el módulo, que lo hace por tí y lo hace bien, con cualquiera de los casos extremos, de esa manera no tendrás que lidiar con bugs en alguna URL que no siga el formato que tu estás especificando (incluyendo mal formadas).

Saludos,

El problema es que no estoy intentando capturar una url, estoy intentando capturar una cadena de caracteres cualquiera que no contenga la palabra 'video' el texto del ejemplo es sólo eso, un texto de ejemplo.

p. ej.:


esto devolvería el resultado $1 igual a 'de josé me';

Lo que yo quiero es que si existe la palabra video dentro de las comillas devuelva nulo, pero que si no existe devuelva lo que hay entre las comillas.

Que tal,

Necesitas la expresión:

Código: Seleccionar todo

/"(?!video)([^"]+)"/

Es necesario siempre echarle un vistazo a los manuales perlre, perlretut y perlrequick, ¿ok? Busca por look-behind y look-ahead.

Saludos,

Lo he intentado hacer con '(?!video)', pero no lo he conseguido.

El problema es que no se dice en qué parte de la cadena de caracteres capturada por el primer par de paréntesis se debe encontrar la palabra 'video'. Se supone entonces que puede aparecer en cualquier parte.

De hecho, el ejemplo indicado por Perl User está marcado como posible error en la explicación de look-ahead, que es justo lo que '(?!...)' indica. Así, '/"(?!video)([^"]+)"/' estamos queriendo decir que lo siguiente a '(?!video)' no ha de ser 'video'. Y, efectivamente, '([^"]+)' es muy probable que no comience con 'video'. No sabemos realmente en qué posición puede estar ese 'video'. Si supiéramos que está en un segundo nivel de directorios, por ejemplo, sí que se podría hacer una expresión regular para ello.

Lo mismo se puede aplicar para look-behind. No sabemos cuántos caracteres pueden existir entre 'video' y la parte anterior.

La recomendación entonces es de hacerlo lo más sencillo posible, claro...

No es una única expresión regular, pero al menos vemos muy claro qué es lo que estamos buscando.

Código: Seleccionar todo

$url = '<a href="/story/43480/">The Bottled Water Lie</a>';
   devuelve
   1: /story/43480/
   2: The Bottled Water Lie

$url = '<a href="/story/video/43480/">The Bottled Water Lie</a>';
   devuelve
   1:
   2:

Fíjate que no usamos lo de '[^"]' ni '[^<]' porque lo que rodea a los paréntesis de captura es lo suficientemente expresivo como para que Perl sepa si debe 'encajar' nuestra $url con ese patrón. La clave está en los caracteres fijos que sabemos que sí existen. Sólo tendríamos problemas si $url estuviera compuesta de más de un URL (en la misma línea).

Además, en la parte del 'else', tanto $1 como $2 están indefinidos, que es lo que pedías.

Si quieres dejarlo en una línea:


(tampoco me sorprendería saber que sí se puede hacer con una única expresión regular, pero me temo que podría ser tan larga como la de comprobar si un correo electrónico está correctamente escrito )

explorer escribiste:De hecho, el ejemplo indicado por Perl User está marcado como posible error en la explicación de look-ahead, que es justo lo que '(?!...)' indica. Así, '/"(?!video)([^"]+)"/' estamos queriendo decir que lo siguiente a '(?!video)' no ha de ser 'video'. Y, efectivamente, '([^"]+)' es muy probable que no comience con 'video'. No sabemos realmente en qué posición puede estar ese 'video'.

Que tal,

No, de hecho eso no es lo que quiere decir un look-ahead. Un look-ahead es una simple verificación, no es un matching como tal. Lo que quiere decir el look-ahead negativo es, que la palabra video NO se encuentre después del patrón anterior ( en este caso de las comillas ), recuerda, el manual dice claramente que es un 'assertion'.
Nuevamente, el look-ahead que puse no lo estoy poniendo sobre el patrónn [^"], sino sobre las primeras comillas.

El patrón es válido, de hecho lo he probado y sigue funcionando para mi.

explorer escribiste:Lo mismo se puede aplicar para look-behind. No sabemos cuántos caracteres pueden existir entre 'video' y la parte anterior.

La recomendación entonces es de hacerlo lo más sencillo posible, claro...

Sintáxis: [ Descargar ] [ Ocultar ]

Sintáxis: [ Descargar ] [ Mostrar ]

Using perl Syntax Highlighting

if ( $url =~ m{href="(.+)">(.+)</a>}   and   $1 !~ /video/ ) {
    print "1: $1\n";
    print "2: $2\n";
}
else {
    print "1: $1\n";
    print "2: $2\n";
}

Coloreado en 0.001 segundos, usando GeSHi 1.0.8.4

No es una única expresión regular, pero al menos vemos muy claro qué es lo que estamos buscando.

Código: Seleccionar todo

$url = '<a href="/story/43480/">The Bottled Water Lie</a>';
   devuelve
   1: /story/43480/
   2: The Bottled Water Lie

$url = '<a href="/story/video/43480/">The Bottled Water Lie</a>';
   devuelve
   1:
   2:

Fíjate que no usamos lo de '[^"]' ni '[^<]' porque lo que rodea a los paréntesis de captura es lo suficientemente expresivo como para que Perl sepa si debe 'encajar' nuestra $url con ese patrón. La clave está en los caracteres fijos que sabemos que sí existen. Sólo tendríamos problemas si $url estuviera compuesta de más de un URL (en la misma línea).

Además, en la parte del 'else', tanto $1 como $2 están indefinidos, que es lo que pedías.

(tampoco me sorprendería saber que sí se puede hacer con una única expresión regular, pero me temo que podría ser tan larga como la de comprobar si un correo electrónico está correctamente escrito )

Si, dicha solución es correcta, pero obviamente este problema es trivial, y es posible solucionarlo sin muchas verificaciones, aparte de que no, no creo que se compare con el problema de verificar un e-mail.

Saludos,

A propósito... la siguiente línea es un poco especial...

Ya que estamos en el foro de Experto, es interesante ver un hecho curioso...

¿Cómo funciona esa línea?

¿Algún experto se atreve a decir cómo y porqué funciona?

Yo llevo más de dos horas pensando y aún no lo he conseguido. Sobre todo después de leer estos dos párrafos en perlre:

The numbered match variables ($1, $2, $3, etc.) and the related punctuation set ($+ , $& , $` , $' , and $^N ) are all dynamically scoped until the end of the enclosing block or until the next successful match, whichever comes first. (See "Compound Statements" in perlsyn.)

NOTE: failed matches in Perl do not reset the match variables, which makes it easier to write code that tests for a series of more specific cases and remembers the best match.

Es decir... ¿Por qué se resetean las variables numéricas $1 y $2 en el fallo de la segunda condición si perlre dice que no es lo que debe de ocurrir...?

Bueno, pues con la ayuda de ikegami se ha resuelto el misterio:

$1 !~ /video/ en realidad es !( $1 =~ /video/ ), por lo que, en el segundo $url, al encontrarse efectivamente con la palabra video, las variables $1 y $2 son puestas a indefinido porque en el patrón no hay paréntesis de captura. Y el '!' inicial niega el resultado de la búsqueda. El resultado del 'and' es simplemente ejecutar una instrucción que hay dentro del 'else', o la de ejecutar una instrucción tras otra en el caso de la opción de una sola línea.

Y, finalmente, ha encontrado una expresión regular que resuelve el problema de noballack:


Lo he probado y funciona... pero no estoy seguro de porqué... yo creo que debería ser
que también funciona.

http://www.perlmonks.org/index.pl?node_id=581996