Tuy nhiên, Regular expression cũng thường đem đến cho người sử dụng những phiền toái không mong muốn như: sử dụng một biểu thức chính quy không phù hợp với biểu thức muốn tìm, hoặc số vă
Trang 1TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
BÀI TIỂU LUẬN
BIỂU THỨC CHÍNH QUY VÀ THƯ VIỆN BIỂU THỨC CHÍNH QUY
CỦA CÁC NGÔN NGỮ LẬP TRÌNH PHP, JAVA, NET
Giáo viên hướng dẫn: TS Nguyễn Hữu Đức
Học viên thực hiện : Đỗ Ngọc Phục CB120105
Nguyên Hồng Tâm CB120110
Lớp : Công nghệ thông tin 2 (KT)
Đề bài : Đề số 1
HÀ NỘI 12 – 2012
Trang 2M c l c ục lục ục lục
I Định nghĩa biểu thức chính quy (regular expression defined) 3
II Regular Expression Engine 4
1 Khái niệm 4
2 Ký tự thông thường và ký tự đặc biệt 4
a Ký tự thông thường (Literal Characters) 4
b Ký tự đặc biệt (Special Characters) 4
c Ký tự đặc biệt và ngôn ngữ lập trình 5
d Ký tự không in được 5
3 Cách thực hiện của Regex Engine 6
4 Lớp ký tự (Character Classes - Character Sets) 7
a Lớp ký tự 7
b Lớp ký tự phủ định 7
c Metacharacter trong lớp ký tự 8
d Lớp ký tự viết tắt (Shorthand Character Classes) 8
e Lớp ký tự viết tắt phủ định (Negated Shorthand Character Classes) 9
f Nhắc lại lớp ký tự (Repeating Character Classes) 9
g Ký tự chấm (Dot) 10
h Mỏ neo (anchors) 11
III Biểu thức chính quy trong các ngôn ngữ lập trình 11
1 Ngôn ngữ PHP 11
2 Ngôn ngữ C# NET 12
3 Ngôn ngữ Java 13
Trang 3I Định nghĩa biểu thức chính quy (regular expression defined)
Biểu thức chính quy (regular expression, viết tắt là regexp, regex hay regxp) là một chuỗi miêu tả một bộ các chuỗi khác, theo những quy tắc cú pháp nhất định Biểu thức chính quy thường được dùng trong các trình biên tập văn bản và các tiện ích tìm kiếm và xử lý văn bản dựa trên các mẫu được quy định Nhiều ngôn ngữ lập trình cũng hỗ trợ biểu thức chính quy trong việc xử lý chuỗi, chẳng hạn như C#, Perl có bộ máy mạnh mẽ để xử lý biểu thức chính quy được xây dựng trực tiếp trong cú pháp của chúng Bộ các trình tiện ích (gồm trình biên tập SED và trình lọc GREP) đi kèm các bản phân phối Unix có vai trò đầu tiên trong việc phổ biến khái niệm biểu thức chính quy
Thuật ngữ regular expression xuất phát từ lý thuyết toán học và khoa học máy tính, nó phản ánh một đặc điểm của các biểu thức toán học được gọi là chính quy (regularity) Một biểu thức có thể được thực hiện trong một phần mềm bằng cách sử dụng một bộ xác định giới hạn tự động (Deterministic Finite Automation – DFA) DFA là một trạng thái xác định và không sử dụng cơ chế quay lui (backtracking)
Nếu sử dụng tốt những kỹ năng về regular expression Chúng sẽ đơn giản hơn nhiều trong lập trình và quá trình xử lý văn bản, và có những vấn đề sẽ không thể giải quyết được nếu không sử dụng regular expression Sẽ cần đến hàng trăm thủ tục
để trích xuất tất cả các địa chỉ email từ một số tài liệu, đây có thể nói là một việc làm
tẻ nhạt và vất vã Nhưng với regular expression thì chỉ cần một số dòng lệnh hoặc thậm chí một dòng lệnh để làm việc này
Tuy nhiên, Regular expression cũng thường đem đến cho người sử dụng những phiền toái không mong muốn như: sử dụng một biểu thức chính quy không phù hợp với biểu thức muốn tìm, hoặc số văn bản tìm được với biểu thức chính quy
đó không phù hợp… Để sử dụng regular expression cần phải có một kiến thức từ cơ bản đến nâng cao về những biểu thức và cách thức hoạt động của nó trong các ngôn ngữ lập trình
Regular expression là một công cụ mạnh mẽ trong việc thao tác và trích xuất văn bản trên máy tính Do đó nắm vững các biểu thức chính quy sẽ giúp tiết kiệm nhiều thời gian và công sức
Có thể hiểu đơn giản Regex là 1 cái mẫu (pattern) dùng để mô tả 1 lớp ký tự nào đó
Trang 4VD: lazydog là 1 regex Nó là 1 mẫu đơn giản nhất vì nó so khớp (match) với đoạn văn bản lazydog 1 match là 1 đoạn văn bản được so khớp với mẫu
VD phức tạp hơn 1 chút: \b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}\b Đây là mẫu
mô tả 1 địa chỉ email Mẫu này có thể được dùng để tìm 1 địa chỉ email trong 1 đoạn văn bản, hoặc kiểm tra xem 1 chuỗi có phải là địa chỉ email hợp lệ hay không
Regex có thể được sử dụng với bất kỳ dữ liệu nào mà ta có thể truy cập, thông qua ứng dụng hoặc ngôn ngữ lập trình Có thể kể đến 1 số ứng dụng xử lý văn bản
hỗ trợ regex: PowerGREP, EditPad Pro, RegexBuddy,…
1 Khái niệm
Regex engine là 1 bộ phận của phần mềm, chuyên để xử lý regex (so khớp mẫu với 1 chuỗi nào đó) Có nhiều regex engine và chúng không hoàn toàn tương thích với nhau Cú pháp regex (flavor) của mỗi engine cũng có sự khác nhau Ở đây
sẽ tập trung vào cú pháp regex được sử dụng trong Perl 5, vì nó phổ biến nhất Rất nhiều engine regex khác giống với engine sử dụng trong Perl 5: engine nguồn mở PCRE (sử dụng trong rất nhiều ngôn ngữ lập trình, như PHP), thư viện regex NET,
…
2 Ký t thông th ự thông thường và ký tự đặc biệt ường và ký tự đặc biệt ng và ký t đ c bi t ự thông thường và ký tự đặc biệt ặc biệt ệt
a Ký t thông th ự thông thường (Literal Characters) ường (Literal Characters) ng (Literal Characters)
Regex cơ bản nhất chính là biểu thức bao gồm 1 ký tự thông thường, VD: a
Nó sẽ so khớp với thực thể đầu tiên của ký tự đó trong chuỗi VD nếu có chuỗi: LazyDog is a boy, nó sẽ so khớp với ký tự a sau ký tự L Regex này cũng có thể so khớp với ký tự a thứ 2 nếu ta điều khiển regex engine tiếp tục tìm kiếm sau khi đã so khớp được 1 lần
Cũng như vậy, regex dog sẽ so khớp với dog trong chuỗi LazyDog is not a dog Regex này bao gồm 1 chuỗi 3 ký tự thông thường Engine sẽ hiểu biểu thức này là: tìm d, theo sau bởi o, theo sau bởi g
Chú ý rằng regex engine mặc định phân biệt chữ hoa và chữ thường Dog không so khớp với dog
Trang 5b Ký tự đặc biệt (Special Characters)
Vì ta cần làm nhiều công việc phức tạp hơn là tìm kiếm 1 đoạn văn bản, cho nên phải trưng dụng 1 vài ký tự để làm những nhiệm vụ đặc biệt Trong cú pháp regex, có 11 ký tự mang ý nghĩa đặc biệt: [ \ ^ $ | ? * + ( ) Chúng được gọi là các metacharacter
Nếu cần dùng các ký tự này với ý nghĩa thông thường, ta phải giải phóng nó bằng ký tự \ VD nếu cần so khớp 1+1=2, thì regex đúng sẽ là 1\+1=2 Chú ý rằng 1+1=2 cũng là regex đúng, nên sẽ không báo lỗi, nhưng nó sẽ không cho ta kết quả như mong muốn Regex 1+1=2 sẽ so khớp với 111=2 trong chuỗi 123+111=234,
vì dấu + ở đây mang ý nghĩa đặc biệt
Nếu ta quên không giải phóng ký tự đặc biệt ở những chỗ nó không được phép đứng thì sẽ gặp lỗi VD: +1
Hầu hết các loại cú pháp regex đều coi { như 1 ký tự thông thường, trừ khi nó
là 1 phần của toán tử nhắc lại (repetition operator), VD: {1, 3} Vì vậy ta không cần giải phóng ký tự này
Ta chỉ dùng \ để giải phóng các ký tự đặc biệt, còn các ký tự khác thì không nên, vì \ cũng là 1 ký tự đặc biệt \ khi kết hợp với 1 ký tự thông thường sẽ có ý nghĩa đặc biệt, VD: \d sẽ so khớp với 1 chữ số từ 0 - 9
Tất cả các loại cú pháp regex đều cho phép giải phóng 1 ký tự đặc biệt bằng \ Rất nhiều cú pháp khác còn hỗ trợ kiểu giải phóng \Q \E Tất cả các ký tự nằm trong cặp \Q và \E sẽ được coi như ký tự thông thường VD: \Q*\d+*\E sẽ so khớp với đoạn văn bản *\d+* Kiểu cú pháp này được hỗ trợ bởi JGsoft engine, Perl, PCRE,
c Ký tự đặc biệt và ngôn ngữ lập trình
Khác với trong ngôn ngữ lập trình, trong regex, ký tự ' và " không phải là ký
tự đặc biệt Vì vậy, không cần phải giải phóng nó
Trong mã nguồn của 1 chương trình, cần luôn ghi nhớ những ký tự nào được ngôn ngữ lập trình xử lý đặc biệt Bởi vì những ký tự này sẽ được trình biên dịch xử
lý trước khi được engine regex xử lý VD: regex 1\+1=2 phải được viết thành 1\\+1=2 trong mã nguồn C++ Trình biên dịch C++ sẽ chuyển \\ thành \ trong chuỗi trên, sau đó nó mới được chuyển đến regex engine VD khác: đế so khớp c:\temp, cần dùng regex c:\\temp (vì \t trong regex mang ý nghĩa đặc biệt) Và trong mã nguồn C++, regex này cần được viết là c:\\\\temp
Trang 6d Ký tự không in được
Có thể dùng các tổ hợp ký tự đặc biệt để đặt các ký tự không in được vào regex
\t cho ký tự tab (ASCII 0x09)
\r cho carriage return (0x0D)
\n cho line feed (0x0A)
\a (bell, 0x07)
\e (escape, 0x1B)
\f (form feed, 0x0C)
\v (vertical tab, 0x0B)
Trong tệp văn bản trong Windows sử dụng \r\n để kết thúc dòng, còn UNIX
sử dụng \n Có thể dùng cách này để viết bất kỳ ký tự nào nếu biết mã 16 ASCII của
ký tự đó trong bảng mã đang dùng VD: trong bảng mã Latin-1, ký tự copyright có
mã 0xA9 Vì thế để tìm ký tự này, ta dùng \xA9
Hầu hết các loại cú pháp regex còn cho phép sử dụng tổ hợp \cA đến \cZ (c cố định, theo sau bởi 1 chữ cái hoa từ A - Z) để biểu thị ký tự điều khiển VD: \cA biểu thị Control+A \cM biểu thị Control+M, hay carriage return, giống như \r
Nếu regex engine hỗ trợ Unicode, ta sử dụng \uFFFF thay cho \xFF để biểu thị
1 ký tự Unicode VD: mã unicode của ký tự đồng euro là 0x20AC Để đặt nó vào biểu thức regex, ta dùng \u20AC
3 Cách thực hiện của Regex Engine
Hiểu được cách làm việc của regex engine sẽ giúp ta viết regex tốt hơn, dễ dàng hơn Nó giúp ta hiểu được tại sao 1 regex hoạt động không như mong muốn, và giúp tiết kiệm thời gian phải mò mẫm khi viết các regex phức tạp
Có 2 loại regex engine: text-directed engines, và regex-directed engines Loại
cú pháp regex mà ta đang thảo luận ở đây thuộc loại regex-directed engines Loại engine này phổ biến hơn bởi nó có 1 số chức năng rất hữu dụng như: lazy quantifiers, backreferences,
Có thể dễ dàng kiểm tra xem loại cú pháp đang sử dụng thuộc về engine nào qua việc kiểm tra xem lazy quantifiers và backreferences có được hỗ trợ không Hãy thử dùng biểu thức regex regex|regex not vào chuỗi regex not Nếu kết quả so khớp
là regex, thì engine đang dùng thuộc loại regex-directed Nêu kết quả là regex not, thì engine thuộc loại text-directed
Trang 7Trong các VD ở các bài tiếp theo, ta sẽ phân tích cụ thể cách thức làm việc của regex engine, qua đó giúp sử dụng regex hiệu quả nhất và tránh mắc lỗi
Regex-directed engine luôn trả về kết quả so khớp bên trái nhất, thậm chí nếu
1 match tốt hơn có thể được tìm thấy nếu tiếp tục so khớp Đây là điều cần ghi nhớ Regex-directed engine luôn bắt đầu so khớp với ký tự đầu tiên của chuỗi
Hãy lấy 1 VD đơn giản nhất để minh hoạ: ta dùng regex cat vào chuỗi “He captured a catfish for his cat” Engine sẽ bắt đầu so khớp dấu hiện đầu tiên trong regex là c với ký tự đầu tiên của chuỗi là H Không khớp, vì vậy nó tiếp tục lần lượt
so khớp với ký tự thứ 2 và 3 là e và space Đều không khớp, đến ký tự thứ 4, c đã khớp với c Xong, giờ engine bắt đầu so khớp dấu hiệu thứ 2 trong regex là a với ký
tự thứ 5 của chuỗi là a, khớp, nhưng đến dấu hiệu thứ 3 của regex là t thì không khớp với ký tự thứ 6 của chuỗi là p Lúc này engine nhận ra rằng không thể tìm ra 1 match bắt đầu từ ký tự thứ 4 của chuỗi Vì vậy, nó bắt đầu lại công việc từ đầu, từ ký
tự thứ 5 của chuỗi, regex c không khớp với a Cứ tiếp tục như vậy cho đến ký tự thứ
15 của chuỗi, regex c đã khớp với c Engine lần lượt so khớp các dấu hiệu còn lại trong regex với các ký tự tiếp theo trong chuỗi: a khớp a, t khớp t Và như vậy 1 match đã được tìm thấy bắt đầu từ ký tự 15 Engine sẽ trả về kết quả và ngừng luôn, không tiếp tục tìm xem còn match nào tốt hơn không (VD: cat ở cuối chuỗi)
4 Lớp ký tự (Character Classes - Character Sets)
a Lớp ký tự
Sử dụng lớp ký tự, ta sẽ khiến regex engine chỉ chọn ra 1 ký tự để so khớp Để
sử dụng, ta đặt các ký tự cần so khớp vào 2 dấu [ và ] VD: để so khớp ký tự a hoặc
e, ta dùng [ae] Như vậy biểu thức gr[ae]y sẽ khớp với gray hoặc grey
Lớp ký tự chỉ so khớp với 1 ký tự đơn Như vậy gr[ae]y sẽ không khớp với graay, graey,v.v… Thứ tự các ký tự trong lớp không quan trọng Kết quả trả về luôn giống nhau
Để xác định 1 vùng ký tự trong lớp ký tự, ta sử dụng dấu - VD: [0-9] so khớp với 1 chữ số từ 0 – 9 Có thể sử dụng nhiều vùng ký tự hoặc kết hợp vùng ký tự với
ký tự đơn VD: [0-9a-fA-F] so khớp với 1 chữ số hệ 16, không phân biệt chữ hoa, thường [0-9a-fxA-FX] so khớp với 1 chữ số hệ 16 hoặc chữ cái X, không phân biệt chữ hoa, thường Cũng như trên, thứ tự các vùng không quan trọng
Trang 8b Lớp ký tự phủ định
Đặt dấu ^ sau [ trong lớp ký tự sẽ phủ định lớp ký tự đó Kết quả là lớp ký tự
sẽ so khớp với bất kỳ ký tự nào không nằm trong lớp ký tự đó Lớp ký tự phủ định
có thể so khớp với cả ký tự line break
Chú ý rằng lớp ký tự phủ định vẫn phải được so khớp với 1 ký tự VD: q[^u] không phải là “q không theo sau bởi u” mà là “q theo sau bởi 1 ký tự không phải u” Vì vậy nó sẽ không so khớp với q trong chuỗi Iraq, và sẽ so khớp với q và space trong chuỗi Iraq is a country
c Metacharacter trong lớp ký tự
Trong lớp ký tự, các ký tự mang ý nghĩa đặc biệt hay metacharacter chỉ bao gồm: ] \ ^ - Các metacharacter nói ở phần trước khi đặt trong lớp ký tự sẽ chỉ được coi như ký tự thông thường, và do đó không cần phải giải phóng VD: để tìm ký tự * hoặc +, ta dùng [+*]
Để đặt ký tự \ vào trong lớp ký tự với nghĩa thông thường, cần giải phóng nó bằng 1 ký tự \ khác VD: [\\x] sẽ khớp với ký tự \ hoặc x Các ký tự ] ^ - nếu muốn dùng theo nghĩa thông thường cũng phải được giải phóng bằng \ hoặc đặt nó ở vị trí
mà nó sẽ không có ý nghĩa đặc biệt Ta nên dùng cách thứ 2 để biểu thức regex trông
dễ nhìn hơn như sau:
Với ^, đặt nó ở bất kỳ chỗ nào trừ vị trí ngay sau [ VD: [x^] sẽ khớp với x hoặc ^
Với ], đặt nó ngay sau [ hoặc [^ VD: []x] sẽ khớp với ] hoặc x [^]x] sẽ khớp với bất kỳ ký tự nào không phải là ] hoặc x
Với -, đặt nó ngay sau [ hoặc [^ , hoặc ngay trước ] VD: cả [-x] và [x-] đều
so khớp với - hoặc x
Có thể sử dụng tất cả các ký tự không in được trong lớp ký tự giống như dùng chúng ngoài lớp ký tự VD: [$\u20AC] sẽ khớp với $ hoặc ký tự đồng euro (với giả định cú pháp regex đang dùng hỗ trợ unicode)
JGsoft engine, Perl và PCRE còn hỗ trợ kiểu \Q…\E trong lớp ký tự để giải phóng 1 chuỗi ký tự VD: [\Q[-]\E] sẽ khớp với [ hoặc - hoặc ]
Cú pháp regex của POSIX lại xử lý \ trong lớp ký tự như 1 ký tự thông thường Đồng nghĩa với việc ta không thể dùng \ để giải phóng ] ^ - Để làm việc này
Trang 9ta chỉ còn cách đặt chúng vào các vị trí như trình bày ở trên Ngoài ra điều này cũng đồng nghĩa với việc các cú pháp tắt (shorthand, VD: \d) không còn hiệu lực
d Lớp ký tự viết tắt (Shorthand Character Classes)
\d là dạng tắt của [0-9]
\w được gọi là “ký tự từ” (word character) Chính xác những ký tự nào được khớp với nó thay đổi tuỳ theo mỗi loại cú pháp regex Trong tất cả các loại cú pháp,
nó sẽ bao gồm [A-Za-z] Trong hầu hết các loại cú pháp, nó cũng bao gồm cả dấu _
và chữ số
\s được gọi là “ký tự trắng” (whitespace character) Nó khớp với ký tự nào thì cũng tùy thuộc vào từng loại cú pháp Trong kiểu cú pháp thảo luận ở đây, nó bao gồm [\t] Nghĩa là \s sẽ khớp với space hoặc tab Trong hầu hết cú pháp , nó cũng bao gồm cả ký tự carriage return hoặc line feed, nghĩa là [\t\r\n] Một số cú pháp khác lại bao gồm thêm cả các ký tự không in được hiếm khi dùng như vertical tab hoặc form feed
Các lớp ký tự viết tắt có thể được dùng cả trong lẫn ngoài cặp [] VD: \s\
d khớp với 1 ký tự trắng theo sau bởi 1 chữ số [\s\d] khớp với 1 ký tự đơn là 1 ký tự trắng hoặc 1 chữ số Khi áp dụng vào chuỗi 1 + 2 = 3, regex thứ 1 sẽ khớp với 2 (space và 2), trong khi regex thứ 2 sẽ khớp với 1 [\da-fA-F] khớp với 1 chữ số
hệ 16, giống như [0-9a-fA-F]
e Lớp ký tự viết tắt phủ định (Negated Shorthand Character Classes)
\D tương đương [^\d]
\W tương đương [^\w]
\S tương đương [^\s]
Cần thận trọng khi sử dụng dạng viết tắt phủ địng bên trong [] [\D\S] khác với [^\d\s] Regex thứ 2 sẽ khớp với bất kỳ ký tự nào không phải là chữ số hoặc ký
tự trắng Còn regex thứ 1 sẽ khớp với bất kỳ ký tự nào không phải là chữ số hoặc không phải là ký tự trắng Và vì chữ số không phải là ký tự trắng và ký tự trắng không phải là chữ số cho nên [\D\S] sẽ khớp với bất kỳ ký tự nào, bao gồm cả ký tự trắng và chữ số
f Nhắc lại lớp ký tự (Repeating Character Classes)
Nếu nhắc lại lớp ký tự khi dùng các toán tử nhắc lại ? * + , ta sẽ nhắc lại cả lớp ký tự chứ không chỉ nhắc lại ký tự mà nó so khớp VD: regex [0-9]+ sẽ khớp với
cả 837 lẫn 222
Trang 10Nếu muốn nhắc lại chỉ các ký tự được so khớp, ta cần dùng tham chiếu ngược (backreferences) ([0-9])\1+ sẽ khớp với 222 chứ không khớp với 837 Khi áp dùng regex này vào chuỗi 833337, nó sẽ khớp với 3333
g Ký tự chấm (Dot)
Ký tự Dot khớp với hầu hết các ký tự Trong biểu thức regex, dấu là metacharacter được sử dụng nhiều nhất, và cũng là ký tự bị sử dụng sai nhiều nhất
Dấu khớp với 1 ký tự đơn bất kỳ ngoại trừ ký tự newline Vì vậy, dấu tương đương với [^\n] (trong UNIX) hoặc [^\r\n] (trong Windows)
Trong Perl, dấu có thể khớp với cả newline nếu ta dùng chế độ “single-line mode” Để sử dụng chế độ này, ta thêm s vào sau biểu thức regex, VD: m/^regex$/s;
JavaScript và VBScript không có chế độ nào hỗ trợ Dot so khớp với các ký tự line break Vì vậy, để so khớp với bất kỳ ký tự nào ta phải dùng [\s\S] thay cho Dot [\s\S] so khớp với 1 ký tự là ký tự trắng (bao gồm cả các ký tự line break) hoặc không phải ký tự trắng, nghĩa là nó so khớp với bất kỳ ký tự nào
Dấu là 1 metacharacter đầy uy lực Nó có thể khớp với bất kỳ ký tự nào, nhưng cũng có thể khớp với ký tự mà ta không muốn Những trường hợp như thế có thể rất khó nhận ra
Hãy lấy 1 VD đơn giản để minh hoạ: giả sử ta muốn tìm 1 chuỗi ngày tháng năm dưới dạng mm/dd/yy, trong đó dấu phân cách ngày tháng năm ta để người dùng tuỳ chọn Giải pháp nhanh nhất là \d\d.\d\d.\d\d, trông có vẻ ổn Nó sẽ khớp 1 chuỗi kiểu như 02/12/03 Vấn đề là 1 chuỗi kiểu như 02512703 cũng được coi là 1 ngày hợp lệ với regex trên (chấm thứ 1 khớp với 5, chấm thứ 2 khớp với 7)
Giải pháp tốt hơn là: \d\d[- /.]\d\d[- /.]\d\d Regex này cho phép – hoặc space hoặc hoặc / làm dấu phân cách ngày tháng năm Lưu ý rằng dấu trong lớp ký tự là
1 ký tự thông thường, do đó không cần phải giải phóng Nhưng regex này vẫn chưa hoàn hảo, nó sẽ coi 99/99/99 là 1 ngày hợp lệ
Giải pháp tiếp theo: [0-1]\d[- /.][0-3]\d[- /.]\d\d Ổn hơn nhưng vẫn chưa hoàn hảo, nó có thể khớp với 19/39/99
Chất lượng của regex thế nào tuỳ thuộc vào yêu cầu của bạn VD nếu muốn thẩm định thông tin nhập vào từ người dùng thì regex phải thật hoàn hảo Còn nếu phân tích 1 file dữ liệu mà bạn đã biết chắc mã nguồn tạo ra file đó theo cách thức như thế nào thì regex có thể ở mức vừa đủ mà thôi