Zum Inhalt springen

Regulärer Ausdruck

aus Wikipedia, der freien Enzyklopädie
Dies ist eine alte Version dieser Seite, zuletzt bearbeitet am 7. November 2004 um 13:33 Uhr durch 80.146.90.19 (Diskussion). Sie kann sich erheblich von der aktuellen Version unterscheiden.

Reguläre Ausdrücke (Abk. RegExp oder Regex, engl. regular expression) bilden eine Familie von kompakten, leistungsfähigen formalen Sprachen mit denen sich (Unter-)Mengen von Zeichenketten beschreiben lassen. Diese Sprachen werden von vielen Texteditoren und Hilfsprogrammen (hauptsächlich unter Unix) verwendet, um bestimmte Muster zu suchen und dann durch etwas anderes zu ersetzen oder eine Aktion auszuführen. Programme, die reguläre Ausdrücke benutzen, sind z.B. egrep, sed und awk, aber auch in Programmiersprachen wie Perl, Python, Tcl, PHP und Gambas oder Texteditoren wie Emacs und vi lassen sich reguläre Ausdrücke verwenden.

Reguläre Ausdrücke werden in der Informatik, genauer in der Theorie der formalen Sprachen untersucht. Eine formale Sprache ist durch eine Menge von Zeichenketten beschrieben. In der Theorie untersucht und klassifiziert man diese Mengen. Der Mathematiker Stephen Kleene benutzte eine Notation, die er reguläre Mengen nannte. Ken Thompson nutzte diese Notation um qed (eine Vorgängerversion des Unix-Editors ed) zu bauen und später das Werkzeug grep zu schreiben. Seither implementieren sehr viele Programme Funktionen um reguläre Ausdrücke zu nutzen. Viele davon benutzen die regex-Bibliothek von Henry Spencer oder PCRE von Philip Hazel.

Mit regulären Ausdrücken kann man die Grammatik einer regulären Sprache beschreiben. Sie entspricht dem Typ 3 der Grammatiken in der Chomsky-Hierarchie. Das bedeutet, dass man damit die Morphologie einer natürlichen Sprache beschreiben kann.

Elemente, mit denen sich ein regulärer Ausdruck festlegen lässt

Eine häufige Anwendung regulärer Ausdrücke besteht darin, spezielle Zeichenketten in einer Menge von Zeichenketten zu finden. Die im Folgenden angegebene Beschreibung ist eine (oft benutzte) Konvention, um Konzepte wie Zeichenklasse, Quantifizierung, Verknüpfung und Zusammenfassen konkret zu realisieren. Hierbei wird ein regulärer Ausdruck aus den Zeichen des zugrunde liegenden Alphabets in Kombination mit so genannten Metazeichen ("[", "]", "(", ")", "?", "+", "*", "^", "$", "\") gebildet. Alle übrigen Zeichen des Alphabets stehen für sich selbst.

Zeichenliterale

Diejenigen Zeichen, die direkt (wörtlich, literal) übereinstimmen müssen, werden auch direkt notiert. Je nach System gibt es auch Möglichkeiten den Oktal- oder Hexadezimalkode anzugeben.

Beliebiges Zeichen

Ein Punkt bedeutet, dass an seinem Platz ein (fast) beliebiges Zeichen stehen kann. Abhängig vom verwendeten Programm kann ein Punkt auch eine Newline beinhalten, die meisten Implementierungen sehen jedoch die Newline nicht als beliebiges Zeichen an.

Ein Zeichen aus einer Auswahl

Mit eckigen Klammern lässt sich eine Zeichenauswahl definieren. Der Ausdruck in eckigen Klammern steht dann für genau ein Zeichen aus dieser Auswahl (Einzeichenmuster).

Beispiele:

[Aa] einfaches Aneinanderreihen von Zeichen, hier entweder "A" oder "a"
[egh] eines der Zeichen "e", "g" oder "h"
[0-6] Bindestrich für einen Bereich, hier also eine Ziffer von "0" bis "6"
[A-Za-z0-9] ein beliebiger Buchstabe oder eine beliebige Ziffer
[^a] ein beliebiges Zeichen außer "a"

Vordefinierte Zeichenklassen

Es gibt vordefinierte Zeichenklassen. Die wichtigsten sind:

  • \d : eine Zahl [0-9]
  • \D : keine Zahl [^0-9]
  • \w : ein Buchstabe, eine Zahl oder der Unterstrich [a-zA-Z_0-9]
  • \W : kein Buchstabe, keine Zahl und kein Unterstrich [^\w]
  • \s : Whitespace-Zeichen, meistens [ \f\n\r\t\v]
  • \S : alle Zeichen außer die Whitespace-Zeichen [^\s]

Quantifizierer (Angabe der Anzahl Wiederholungen)

Quantifizierer erlauben es, den vorherigen Ausdruck in verschiedener Vielfachheit in der Zeichenkette zuzulassen:

  • ? : Der voranstehende Ausdruck ist optional, er kann einmal vorkommen, muss es aber nicht, d.h. der Ausdruck kommt null- oder einmal vor.
  • + : Der voranstehende Ausdruck muss mindestens einmal vorkommen, darf aber auch mehrfach vorkommen.
  • * : Der voranstehende Ausdruck darf beliebig oft (auch keinmal) vorkommen.
  • {min,max} : Der voranstehende Ausdruck muss mindestens min-mal und darf maximal max-mal vorkommen.

Beispiele:

  • "a+" erlaubt ein "a" oder ein "aa" oder auch "aaaa", etc.
  • "[ab]+" dagegen erlaubt ein "a", "b", "aa", "baab", etc.
  • Ein "[0-9]{2,5}" findet "13", "28333", "123", aber nicht "0", "123123223" usw.

Gruppierung mit runden Klammern

Ausdrücke lassen sich mit runden Klammern "(" und ")" zusammenfassen: Etwa erlaubt "(abc)+" ein "abc" oder ein "abcabc", etc.

Einige Programme speichern die Gruppierung ab und ermöglichen deren Wiederverwendung im Regulären Ausdruck oder bei der Textersetzung: Ein Suchen und Ersetzen mit 

AA(.*)BB

als Regulären Suchausdruck und 

\1

als Ersetzung ersetzt alle Zeichenketten, die von AA und BB eingeschlossen sind, durch den zwischen AA und BB enthaltenen Text.

Alternativen

Man kann alternative Ausdrücke mit dem "|"-Symbol zulassen:

  • "(ABC|abc)" bedeutet "ABC" oder "abc", aber z. B. nicht "Abc".

Spezielle Zeichen

Um die oft auf Textdateien bezogenen Anwendungen auf dem Computer zu unterstützen, werden in der Regel die folgenden Sonderzeichen definiert:

  • ^ steht für den Zeilenanfang.
  • $ steht für das Zeilenende.
  • \b steht für die leere Zeichenkette am Wortanfang oder am Wortende.
  • \B steht für die leere Zeichenkette, die nicht den Anfang oder das Ende eines Wortes bildet.
  • \< steht für die leere Zeichenkette am Wortanfang.
  • \> steht für die leere Zeichenkette am Wortende.

Jedes der Metazeichen kann durch das "\"-Symbol aufgehoben werden. Beispielsweise lässt der Ausdruck "(A\*)+" die Zeichenketten "A*", "A*A*", etc. zu.

Werkzeuge

  • Tcl Regular Expression Visualiser
  • Regex-Coach - Programm, das anschaulich demonstriert, welche Auswirkungen reguläre Ausdrücke auf einen bestimmten Text haben, erlaubt Abarbeiten/Matchen des Ausdrucks in Schritten und vieles mehr

Literatur

Abgerufen von „https://de.wikipedia.org/w/index.php?title=Regulärer_Ausdruck&oldid=3179119“