| Beide Seiten der vorigen RevisionVorhergehende ÜberarbeitungNächste Überarbeitung | Vorhergehende Überarbeitung |
| regular_expressions [2015/04/27 14:02] – [Regular Expressions] olli | regular_expressions [2024/09/13 06:42] (aktuell) – [PHP (PCRE)] olli |
|---|
| ====== Regular Expressions ====== | ====== Regular Expressions ====== |
| Eine Regular Expression (abgekürzt RegExp, oder RegEx) ist eine Zeichenkette, die eine Mengen von Zeichenketten mit Hilfe von syntaktischen Regeln beschreibt | Eine Regular Expression (abgekürzt RegExp, oder RegEx) ist eine Zeichenkette, die eine Mengen von Zeichenketten mit Hilfe von syntaktischen Regeln beschreibt. |
| |
| | ===== Zeichenauswahl ===== |
| | ^RegExp ^Bedeutung^ |
| | |''[abc]'' |eines der Zeichen ''a'', ''b'' oder ''c'' | |
| | |''[0-2]'' |eine Ziffer von ''0'' bis ''2''| |
| | |''[^a]'' |ein beliebiges Zeichen außer ''a''| |
| |
| | ==== POSIX-Zeichenklassen ==== |
| | ^RegExp ^Bedeutung^ |
| | |''[:cntrl:]'' |Steuerzeichen| |
| | |''[:print:]'' |Druckbare Zeichen: ''[:alnum:]'', ''[:punct:]'' und Leerzeichen| |
| | |''[:space:]'' |Whitespace: Horizontaler und vertikaler Tabulator, Zeilen- und Seitenvorschub, Wagenrücklauf und Leerzeichen| |
| | |''[:blank:]'' |Leerzeichen oder Tabulator| |
| | |''[:graph:]'' |Graphische Zeichen: ''[:alnum:]'' oder ''[:punct:]''| |
| | |''[:punct:]'' |Satzzeichen wie: ''!'' ''"'' ''#'' ''$'' ''%'' ''&'' ''''' ''('' '')'' ''*'' ''+'' '','' ''-'' ''.'' ''/'' '':'' '';'' ''<'' ''='' ''>'' ''?'' ''@'' ''['' ''\'' '']'' ''%%^%%'' ''_'' ''`'' ''{'' ''%%|%%'' ''}'' ''%%~%%'' | |
| | |''[:alnum:]'' |Alphanumerische Zeichen: ''[:alpha:]'' oder ''[:digit:]''| |
| | |''[:xdigit:]'' |Hexadezimale Ziffern: ''0'' bis ''9'', ''A'' bis ''F'', ''a'' bis ''f''| |
| | |''[:digit:]'' |Die Ziffern ''0'' bis ''9''| |
| | |''[:alpha:]'' |Buchstaben: ''[:lower:]'' oder ''[:upper:]''| |
| | |''[:lower:]'' |Kleinbuchstaben|nt |
| | |''[:upper:]'' |Großbuchstaben| |
| | |
| | <WRAP info round> |
| | Die POSIX-Zeichenklassen müssen innerhalb einer Zeichenauswahl ''[]'' stehen. |
| | Beispiel: ''%%[[%%:alnum:%%]]%%'' |
| | </WRAP> |
| | |
| | ===== Quantoren ===== |
| | ^RegExp ^Bedeutung^ |
| | |''?'' |null- oder einmal| |
| | |''+'' |mindestens einmal (entspricht ''{1,}'')| |
| | |''*'' |beliebig oft (auch keinmal) (entspricht ''{0,}'')| |
| | |''{n}'' |exakt n-mal (entspricht ''{n,n}'')| |
| | |''{min,}'' |mindestens min-mal| |
| | |''{min,max}'' |mindestens min-mal, max-mal| |
| | |''{0,max}'' |maximal max-mal| |
| | |
| | ===== Spezielle Zeichen ===== |
| | ^RegExp ^Bedeutung^ |
| | |''.'' |beliebiges Zeichen| |
| | |''\'' |Escapezeichen| |
| | |''^'' |Zeilenanfang| |
| | |''$'' |Zeilen- oder Stringende| |
| | |
| | ===== Unicode ===== |
| | ^RegExp ^Bedeutung^ |
| | |''\p{L}'' |beliebiges Unicodezeichen aus der Kategorie Buchstabe| |
| | |''\P{L}'' |beliebiges Unicodezeichen, außer aus der Kategorie Buchstabe| |
| | |''\p{n}'' |beliebige Unicodeziffer| |
| | |''\P{n}'' |beliebiges Unicodezeichen, außer beliebige Unicodeziffer| |
| | |''\uFFFF'' | Unicodezeichen mit dem Codepoint U+FFFF| |
| | |
| | <WRAP info round> |
| | Dies sind nur die häufigsten RegExps für Unicode, für weitere Informationen siehe [[https://www.regular-expressions.info/unicode.html| RegExps für Unicode]]. |
| | </WRAP> |
| | |
| | |
| | |
| | ===== Gruppen und Backreferences ===== |
| | ^RegExp ^Bedeutung^ |
| | |''()'' |Gruppe| |
| | |''\n'' |Zugriff auf n-te Gruppe| |
| | |
| | |
| | Die unterstützen Features unterscheiden sich je nach Implementierung/Sprache. |
| | |
| | ===== PHP (PCRE) ===== |
| | * Einzelne Unicodezeichen werden nicht als ''\uFFFF'' sondern als ''\x{FFFF}'' kodiert. |
| | * Es werden POSIX-Zeichenklassen und "special sequences" unterstützt. |
| | <WRAP info round> |
| | Seit Version 7.3 nutzt [[PHP]] [[https://php.watch/versions/7.3/pcre2|PCRE2 statt PCRE]]. |
| | Dies bringt eine strengere Prüfung der Pattern mit sich. |
| | Das sonstige Verhalten soll weitgehend identisch sein. |
| | </WRAP> |
| | |
| | * [[https://regex101.com/#php|regular expressions 101 (PHP)]] Tester, erzeugt textuelle Erklärung der Regexp |
| | |
| | |
| | ===== Python ===== |
| | [[Python]] unterstützt die POSIX-Zeichenklassen wie ''[:alpha:]'' oder ''[:alnum:]'' nicht. |
| | Dafür kennt Python special sequences: |
| | ^special sequence ^Bedeutung ^ |
| | |''\d'' |beliebige Ziffer ''[0-9]'' | |
| | |''\D'' |beliebiges Zeichen, das keine Ziffer ist | |
| | |''\w'' |beliebiges Zeichen aus ''[a-zA-Z0-9_]'' | |
| | |''\W'' |beliebiges Zeichen, das nicht in ''[a-zA-Z0-9_]'' enthalten ist| |
| | |''\s'' |beliebiges Leerzeichen| |
| | |''\S'' |beliebiges Nicht-Leerzeichen| |
| | |
| | * [[http://pythex.org/|Pythex]] Onlinetester mit Cheatsheet |
| | * [[https://regex101.com/#python|regular expressions 101 (Python)]] Tester, erzeugt textuelle Erklärung der Regexp |
| | |
| | ===== procmail ===== |
| | [[procmail]] verwendet eine eigene Implementierung von regulären Ausdrücken. Sie unterstützt die Quantoren vom Typ ''{n,m}'' nicht. |
| | |
| | ===== sed ===== |
| | In [[sed]] müssen alle Quantoren außer ''*'' escaped werden: |
| | ^Quantor^Bedeutung^ |
| | |''*''|beliebig oft (auch keinmal)| |
| | |''\+''|mindestens einmal, aber auch mehrfach| |
| | |''\?''|null oder einmal| |
| | |''\{n\}''|n-mal| |
| | |''\{i,n\}''|i bis n-mal| |
| | |
| | Auch Gruppen ''()'' müssen escaped werden: ''\(\)''. |
| | |
| | <WRAP info round> |
| | Beim Escaping muss beachtet werden, dass Ausdrücke, die in doppelten Anführungszeichen (''"'') stehen, bereits von der Shell ausgewertet werden. Daher muss ggf. doppelt escaped werden. |
| | Ausdrücke, die in einfachen Anführungszeichen (''''') werden von Shells wie [[bash]] dagegen nicht ausgewertet und daher auch nicht doppelt escaped werden. |
| | </WRAP> |
| ===== Links ===== | ===== Links ===== |
| * [[http://regexlib.com|Regexlib]] Bibliothek mit Regex | * [[http://regexlib.com|Regexlib]] Bibliothek mit Regex |
| | |
| |
