Der Regex Megathread

[RichardCZ]

Code Auswählen Erweitern

m/^MS;(?:P\d=-?\d+;){3,8}D=\d+;CP=\d;SP=\d;/
Eigentlich extrahieren ich alle Bestandteile dann später noch mal in einen Hash, damit ich auf die Daten zugreifen kann.
Mit named capture groups habe ich mich noch nicht so sehr versucht, wüsste aktuell auch nicht, wie man es mit mehrfach vorkommenden capture groups arbeitet

Gibt's ein paar Beispieldaten (so 10-20 repräsentative Zeilen gegen die gematched wird)?
Wenn ich es recht verstanen habe, matchst Du mal gegen den string als ganzes und dann nochmal gegen die "\d"'s, die dann gefangen und ausgewertet werden?
Würde vermutlich Sinn machen das gleich auf einmal zu machen.

Code Auswählen Erweitern

m/^MS;(?:P\d=-?\d+;){3,8}
         D=(?<d>  \d+);
        CP=(?<cp> \d);
        SP=(?<sp> \d);/xms;


? Leider fehlt mir mehr Kontext um da qualifiziertere Aussagen treffen zu können.

[Wzut]

Ich werf nochmal meinen Hut in den Ring zum Thema MAX Telegramm prüfen & dekodieren.
So schaut jetzt meine Lösung aus :

Code Auswählen Erweitern


# Beispiel  : $rmsg =  "Z0CF304420584D8120834002CF8";
# Beispiel  : $rmsg =  "Z0F0004600703780000000039003D00B9";

my $l = hex(substr($rmsg,1,2));

    if (2*$l+3 != length($rmsg))  { #+3 = +1 for 'Z' and +2 for len field in hex
Log3($name, message $rmsg len mismatch '.length($rmsg).' vs '.(2*$l+3);
        return $name;
    }

my ($len,$msgcnt,$msgFlag,$msgTypeRaw,$src,$dst,$groupid,$payload) =
$rmsg =~ m/\A Z([0-9A-F]{2}) ([0-9A-F]{2}) ([0-9A-F]{2}) ([0-9A-F]{2})
       ([0-9A-F]{6}) ([0-9A-F]{6}) ([0-9A-F]{2}) ([0-9A-F]{0,10})\z/xms;

[RichardCZ]

Code Auswählen Erweitern

my ($len,$msgcnt,$msgFlag,$msgTypeRaw,$src,$dst,$groupid,$payload) =
$rmsg =~ m/\A Z([0-9A-F]{2}) ([0-9A-F]{2}) ([0-9A-F]{2}) ([0-9A-F]{2})
       ([0-9A-F]{6}) ([0-9A-F]{6}) ([0-9A-F]{2}) ([0-9A-F]{0,10})\z/xms;

Würde ich sagen ist ok. Die klassisch Analfixierten würden vermutlich irgendwas in der Art

Code Auswählen Erweitern

my ($len,         $msgcnt,      $msgFlag,     $msgTypeRaw,
    $src,         $dst,         $groupid,     $payload)
    =  $rmsg =~ m/\A Z
    ([0-9A-F]{2}) ([0-9A-F]{2}) ([0-9A-F]{2}) ([0-9A-F]{2})
    ([0-9A-F]{6}) ([0-9A-F]{6}) ([0-9A-F]{2}) ([0-9A-F]{0,10})
    \z/xms;

machen, aber da muss man nicht zuschauen bei. 

[Sidey]

Gibt's ein paar Beispieldaten (so 10-20 repräsentative Zeilen gegen die gematched wird)?

Ja, ich denke es macht nicht viel her, die eine Regex zu überarbeiten.
Da gibt's es mehrere die mehr oder weniger alle an diesem Datensatz rumwerkeln mit Variationen.

Wenn ich es recht verstanen habe, matchst Du mal gegen den string als ganzes und dann nochmal gegen die "\d"'s, die dann gefangen und ausgewertet werden?
Würde vermutlich Sinn machen das gleich auf einmal zu machen.

Es gibt ein Identifier am Anfang. Im Besipiel MS, MC, MU und MN sind aber auch valide Werte.
Das ";" ist immer ein Trennzeichen

Nach dem Identifier finden sich Key=Value Zuordnung wieder.

Code Auswählen Erweitern

P<0-7>=<Wert>
D=<Wert>
CP=<Wert>
SP=<Wert>

Gülige Werte bedienen sich aus dem Bereich [0-7]  (derzeit).

code]m/^MS;(?\d=-?\d+;){3,8}
         D=(?<d>  \d+);
        CP=(?<cp> \d);
        SP=(?<sp> \d);/xms;
[/code]

Für das Abgreifen von D, CP und SP ist die vorgehensweise klar.
Ich brauche noch die Werte aus Px=y wobei ich X als Key und Y als Value benötige.
Ohne named capture group könnte ich das mit $1, $2, ... abrufen.

Um jetzt mal den Umfang der Regexen zu umschreiben,
ich hab aktuell vier und alle sind ein bisschen abweichend umgesetzt.

Code Auswählen Erweitern


m/^MS;(P\d=-?\d+;){3,8}D=\d+;CP=\d;SP=\d;
m/^MU;(P\d=-?\d+;){3,8}((CP|R)=\d+;){0,2}D=\d+;/
m/^M[cC];.*;/
m/^MN;.*;/


Je nachdem, welcher matcht wird eine dafür definierte funktion für die verarbeitung aufgerufen.

Das Auswerten der Inhalte realisiere ich aktuell via

Code Auswählen Erweitern

split(';') und suche in einer Schleife die passenden Werte nach dem Motto Key=Value mittlels

Code Auswählen Erweitern

split(/=/).

Testdaten habe ich massenweise:
https://github.com/RFD-FHEM/SIGNALduino_TOOL/blob/master/FHEM/lib/SD_Device_ProtocolList.json

Code Auswählen Erweitern


MS;P1=-7949;P2=492;P3=-1978;P4=-3970;D=21232423232424242423232323232324242423232323232424;CP=2;SP=1;R=245;O;
MS;P1=492;P2=-4005;P3=-8937;P4=-2023;D=13121214121412121414121214121414141414141414141414141412141414141412121414;CP=1;SP=3;s6;e;m2;
MS;P0=-970;P1=254;P3=-1983;P4=-8045;D=14101310131010101310101010101010101010101313101010101010101313131010131013;CP=1;SP=4;
MU;P0=595;P1=344;P2=-862;P3=846;P4=244;P5=-602;P7=-251;D=1232323245454545454507074545070707450707454545070707070707074545454507074545074507454540;CP=4;R=4;
MC;LL=-409;LH=448;SL=-172;SH=262;D=238126DAA58;C=215;L=41;R=238;
MC;LL=-1002;LH=952;SL=-489;SH=475;D=000000A0EBDDC4FBFBF13EF5B6;C=486;L=104;s48;b1;
MU;P0=132;P1=500;P2=-233;P3=-598;P4=-980;P5=4526;D=012120303030303120303030453120303121212121203121212121203121212121212030303030312030312031203030303030312031203031212120303030303120303030453120303121212121203121212121203121212121212030303030312030312031203030303030312031203031212120303030;CP=0;O;
MN;D=8AA6362CC8AAAA000012F8F4;R=4;
MN;D=0405019E8700AAAAAAAA0F13AA16ACC0540AAA49C814473A2774D208AC0B0167;N=3;R=6;


Sind ein paar Varianzen enthalten

[RichardCZ]

Code Auswählen Erweitern

my ($len,         $msgcnt,      $msgFlag,     $msgTypeRaw,
    $src,         $dst,         $groupid,     $payload)
    =  $rmsg =~ m/\A Z
    ([0-9A-F]{2}) ([0-9A-F]{2}) ([0-9A-F]{2}) ([0-9A-F]{2})
    ([0-9A-F]{6}) ([0-9A-F]{6}) ([0-9A-F]{2}) ([0-9A-F]{0,10})
    \z/xms;

Es erreichte mich eine PM, die zeigt, dass man sich auch manchmal in die andere Richtung verlaufen kann.
Genauso wie so manch Java/Python/xxx Dev reguläre Ausdrücke meidet wie der Teufel das Weihwasser,
genauso kann es manchmal sein, dass man den Regex-Hammer zu früh herausholt - nur weil er schön
griffbereit liegt.

Eigentlich ist das nämlich ein Fall für unpack. Aufmerksam gemacht hat mich darauf @elle,
code in etwa:

Code Auswählen Erweitern

if ( $rmsg !~ m{\A Z [0-9A-F]{1,30} }xms ) { # repeptition safe margin, but not "infinite"
# Log "Wrong Format", or somesuch
}

my ($len, $msgcnt, $msgFlag, $msgTypeRaw, $src, $dst, $groupid, $payload) = unpack("(A2)4(A6)2A2A10", $rmsg);

[Wzut]

sieht auch gut aus mal schauen was die Praxis dazu sagt. 

[Wzut]

my ($len, $msgcnt, $msgFlag, $msgTypeRaw, $src, $dst, $groupid, $payload) = unpack("(A2)4(A6)2A2A10", $rmsg);

schaut schön aus , dekodiert aber bereits das Start Z mit und dann ist alles um ein Zeichen verschoben, dagegen

Code Auswählen Erweitern

my ($len, $msgcnt, $msgFlag, $msgTypeRaw, $src, $dst, $groupid, $payload) = unpack("(A2)4(A6)2A2A10", substr($rmsg,1));
macht was es soll

[RichardCZ]

schaut schön aus , dekodiert aber bereits das Start Z mit und dann ist alles um ein Zeichen verschoben, dagegen

Code Auswählen Erweitern

my ($len, $msgcnt, $msgFlag, $msgTypeRaw, $src, $dst, $groupid, $payload) = unpack("(A2)4(A6)2A2A10", substr($rmsg,1));
macht was es soll

Zum Beispiel.

Wobei mich ja so der Verdacht beschleicht, dass man u.U. direkt Hex werte entpacken möchte? (H bzw. h) ?

Aber wie gesagt, dieses Beispiel gehört in diesen Thread eigentlich nur herein um zu zeigen wann man Regexen nicht verwenden muss/soll.

[Sidey]

Code Auswählen Erweitern

my ($len, $msgcnt, $msgFlag, $msgTypeRaw, $src, $dst, $groupid, $payload) = unpack("(A2)4(A6)2A2A10", substr($rmsg,1));
macht was es soll

Sieht nett aus mit dem substr, ist vor allem einfach.
Nur so muss es nicht mehr mit Z anfangen, was aber ggf. schon an anderer Stelle geprüft wurde


Gesendet von meinem Moto Z (2) mit Tapatalk

[Wzut]

Nur so muss es nicht mehr mit Z anfangen, was aber ggf. schon an anderer Stelle geprüft wurde

doch die Regel davor hat das Z ja noch drin und IMHO liefert 00_CUL je nur an 14_CUL_MAX  Parse aus wenn dessen eigener $hash->{Match} = '^Z' passt