Работа с регулярными выражениями на Ассемблере

Без преувеличения, регулярные выражения - один из самых мощных инструментов для обработки как текстовой, так и двоичной информации. В настоящее время есть немало различных внешних библиотек, классов и компонентов для работы с регулярками, но не стоит забывать, что в арсенале программиста есть и встроенные в систему средства, которые позволяют реализовать практически все мощности этой технологии. Вот сегодня о них и поговорим.

В системе за регулярки отвечают инструменты, предоставляемые VBScript Regular Expression. Они доступны в системах, в которых есть Internet Explorer 5.5 и выше, то есть любая версия после Windows 98. У нас сегодня работа с COM, поэтому традиционно начинаем с описания GUID, интерфейсов и констант, которых нет в стандартном пакете FASM.Сразу переходим к программированию. За работу с регулярными выражениями отвечает интерфейс IRegExp, он инициализируется как и большинство стандартных COM-собъектов.В интерфейсе IRegExp есть три метода для непосредственной работы с регулярными выражениями: Test, Execute и Replace. Остальные методы отвечают за установку и получение текущих настроек выполняемых операций: Global - выполнять операции над всеми найденными вхождениями, IgnoreCase - игнорировать регистр букв (аналог модификатора "i" в PCRE), Multiline - выполнять операцию с многострочными данными (аналог модификатора "m" в PCRE). Все три параметра имеют тип Boolean, устанавливаются они, соответственно, следующим образом:Получить и проверить текущее значение флагов можно примерно так:Тут есть одна очень важная особенность. При установке флага используется значение размером DWORD, то есть для установки VARIANT_TRUE надо передавать 0xFFFFFFFF. Однако, при получении текущего значения флага, возвращается результат со значащим размером WORD. В приведенном примере после выполнения метода get_Global в переменную pBool будет записано значение 0x0000FFFF. Это надо учитывать при дальнейшей обработке этого значения или, например, для последующего сравнения.

Методы для работы с регулярными выражениями требуют предварительной инициализации строки этого самого выражения (паттерна). Она зафиксируется для всех последующих операций до момента ее изменения. Вот очень простенькая регулярка для поиска адресов электронной почты в тексте. Ее будем использовать в дальнейшем в качестве рабочего примера.Здесь и далее все строки передаются только в формате юникода. Память под них выделяется при помощи функции SysAllocString.

Разбор методов интерфейса IRegExp начнем с самого простого - Test. Этот метод проверяет соответствие строки регулярному выражению и возвращает результат в виде логического значения.В приведенном примере выполняется поиск в строке фрагментов, соответствующих адресу электронной почты. Если найдено хотя бы одно совпадение, то метод вернет значение "истина". Обратите внимание, что результат записывается в переменную размерностью в DWORD, тогда как значащие биты содержатся только в младшем WORD. Все в точности так же, как я рассказал в абзаце по работе с флагами.

Следующий метод Replace, как вы догадались из названия, выполняет замену в исходной строке по регулярному выражению. В качестве исходной строки возьмем строку из предыдущего примера и заменим в ней все адреса электронной почты на другое значение.В возвращаемой переменной pResult будет записан указатель на строку, в которой выполнены соответствующие замены. Важное замечание. Переменная типа VARIANT, в которой содержится информация о строке замены, передается не по указателю, а в виде четырех DWORD'ов, которые складываются на стек. С такими приколами я уже сталкивался раньше, но лишний час в отладчике все-таки пришлось провести.

При замене можно использовать обозначение субпаттернов. Например, вот такое регулярное выражение применяется для удаления повторяющихся элементов из строки.Но было бы неразумно остановиться только на этих двух методах, ведь большинство задач с использованием регулярных выражений связаны именно с обработкой найденных соответствий. Вот так плавно мы переходим к последнему методу - Execute. Его реализация в простейшем, если можно так сказать, варианте, выглядит следующим образом:После успешного вызова метода он возвращает указатель на интерфейс IMatchCollection2. С помощью свойства Count этого интерфейса можно получить количество найденных вхождений, а затем методом get_Item поочередно получить информацию о каждом вхождении. Этот метод в свою очередь возвращает указатель на интерфейс IMatch2, это и есть объект найденного паттерна. В данном примере нас интересуют только его свойства: Value - указатель на строку с найденным паттерном, FirstIndex - смещение найденного паттерна от начала строки и Length - длина паттерна в символах. Таким способом можно получить исчерпывающую информацию обо всех найденных вхождениях, соответствующих регулярному выражению.

Усложняем задачу. Регулярные выражения допускают вложенность, чтобы получить не только целые вхождения, но и разделять их на интересующие составные части. Например, в случае с адресами электронной почты это может быть имя почтового ящика, домен и доменная зона первого уровня, итого три уровня вложенности. Регулярное выражение для такой ситуации изменится следующим образом:В этом случае при перечислении найденных паттернов будет задействовано четвертое свойство интерфейса IMatch2 - SubMatches. Оно возвращает указатель на интерфейс ISubMatches, методы которого немного похожи на методы интерфейса IMatchCollection2. Точно так же можно получить количество субпаттернов, входящих в найденный паттерн, можно поочередно их перечислить. Основная разница в том, что метод get_Item интерфейса ISubMatches будет сразу возвращать указатель на строку субпаттерна. Получить позицию и длину субпаттерна через методы интерфейса не получится.Независимо от количества уровней вложенности, все субпаттерны обрабатываются за один проход цикла. При этом содержимое самого первого субпаттерна в точности совпадает с родительским паттерном.

Как видите, используя возможности IRegExp, можно весьма эффективно работать с регулярными выражениями. К сожалению, не обошлось без минусов, к примеру, IRegExp не поддерживает работу с ретроспективными проверками. Если для вас это критично, то придется воспользоваться пред- или постобработкой данных, или же поискать более другие инструменты для работы с регулярными выражениями. Но с остальными задачами IRegExp справляется отлично, не требуя при этом написания больших объемов сложного кода.

В приложении пример программы с исходным текстом, которая работает со строкой, используя регулярные выражения.

Комментарии

Добавить комментарий

Для вставки цитаты выделите текст и нажмите сюда

Имя*:

Текст комментария (не более 2000 символов)*:

*Все поля обязательны для заполнения.

Комментарии, содержащие рекламу, ненормативную лексику, оскорбления и т.п., а также флуд и сообщения не по теме, будут удаляться. Нарушителям может быть заблокирован доступ к сайту.