Regexp:

A regexp a reguláris kifejezés röviditése. Általában a UN*X gépeken találkozhatunk vele. A reguláris kifejezés karakterfüzérek (stringek) illesztésére használatos.

Szabályok:

• Egy egyedülálló karakter, amely nem újsor karakter, és nem a .*[\]^$ karakterek egyike, az önmagára illeszkedik. Ez magyarul azt jelenti, hogy ha például a keresendő minta - reguláris kifejezése - egy "a" betűt tartalmaz, akkor ez a vizsgált szövegben csakis egy darab "a" betűre fog illeszkedni. Hasonlóképpen az alma reguláris kifejezés csupa "rendes" karakterből áll, amelyek mindegyike önmagára illeszkedik csupán, s igy a fenti minta a vizsgált szövegben bárhol előforduló alma karakterláncra fog illeszkedni.
• A \c páros, ahol c egy látható karakter, a c karakterre illeszkedik a karakter literális értelmében. Tehát a \* illeszkedik a * -ra, a \\ pedig a \ -re.
• A . (pont) karakter egy olyan reguláris kifejezés, amely bármelyik (nem újsor) karakterre illeszkedik. Igy például a az ab. minta illeszkedik az aba, abb, abc, ... abz, ab0 stb. karaktersorozatokra.
• Ha e egy reguláris kifejezés, akkor e* egy olyan reguláris kifejezés, amely e reguláris kifejezés 0 vagy többszöri előfordulására illeszkedik. Igy az a* reguláris kifejezés ileszkedni fog az üres stringre is (hiszen abban az a karakter 0-szor szerepel), de az a, aa, aaa,... karakterláncokra is.
• A reguláris kifejezés teljes implementációjában szerepel a + jelölés is, ami a megelőző reguláris kifejezés 1 vagy többszöri előfordulására illeszkedik. Belátható, hogy ez helyettesithető az aa* reguláris kifejezéssel, ezért célszerű a szűkebb implementációt használni (hiszen az nagyobb valószinűséggel működik.)
• [..] a szögletes zárójelbe tett karaktersorozat illeszkedik az abban a pozicióban lévő bármely, a zárójelben felsorolt karakterre.

A karakterek felsorolására érvényes szabályok az alábbiak:

• Kódjukat tekintve egymás után következő karaktereket röviditeni lehet a kötőjel használatával. Például [0-9a-z] jelenti az összes számjegyet, és az angol ábécé összes kisbetűjét.
• A nyitó zárójelet követő ^ jel a felsorolt karakterek tagadása. Azaz [^0-9] illeszkedik bármely, nem számjegy karakterre.
• A ] zárójel csak a felsorolás első tagja lehet.
• A - karaktert a \- karakterpáros jelöli.
• Két egymás után irt reguláris kifejezés is reguláris kifejezés. Például a [^0-9][0-9] kifejezés egy nem szám karaktert követő számkarakterre illeszkedik.
• Két, egymástól | jellel vagy újsorral elválasztott reguláris kifejezés illeszkedik akár az egyik, akár a másik részkifejezésre. Igy a [a-z]|\. kifejezés az adott pozicióban csak kisbetűt vagy pontot fogad el.
• A \(..\) tett reguláris kifejezés illeszkedik a zárójelbe tett kifejezésre, és egyben megjelöli azt.
• A ^ jel a sor elejére, a $ jel a sor végére illeszti a mintát. Például a ^*$ kifejezés az üres sorra illeszkedik, a ^[^0-9]*$ kifejezés pedig a számot nem tartalmazó sorra.
• A \n kifejezés, ahol n egy szám, a zárójelezéssel kijelölt mintára hivatkozik, mégpedig a kijelölés sorrendjében. Igy a ^\(.\)\(.\).*\2\1$ minta olyan sorokra illeszkedik, ahol a sor első két karaktere tükörszimmetrikus az utolsó két karakterre.
• Néhány szabály a minta előfordulásának számosságára utal. Az egykarakteres reguláris kifejezést követő \{m,n\} sorozat, ahol m és n 256-nál kisebb nemnegativ egész, azt jelenti, hogy a minta legalább m-szer, és legfeljebb n-szer fordul elő egymás után. Ha csak az n szám van a zárójelpároson belül, annak jelentése pontosan n előfordulás, ha csak az m, annak jelentése legalább m előfordulás.

Az oldalt készitette: Gábriel Ákos

1997. január 28.