Wyrażenia regularne - wprowadzenie

Wyrażenia regularne zwane potocznie regexp od angielskiego REGular EXPresion to - wedle definicji - wzorce, które opisują łańcuchy symboli. Teoria wyrażeń regularnych jest związana z teorią języków regularnych. Wyrażenia regularne mogą określać zbiór pasujących łańcuchów, mogą również wyszczególniać istotne części łańcucha. Czym są jednak w istocie wyrażenia regularne (regexp - tego skrótu będę używał), do czego się przydają i jaka korzyść z nich płynie?

Praktyka

Z praktycznego punktu widzenia regexp najczęściej wykorzystywane są do wyszukiwania lub zamiany łańcuchów w plikach. Dla przykładu: chcę w tekście wyszukać słowa regex i regexp. Pisząc artykuł używałem obu skrótów, ale teraz bardziej podoba mi się regexp. Celem moim będzie wiec zamiana regex na regexp. Ale zacznijmy od wyszukania. Do wyszukiwania (dla przykładu) wykorzystam program sed. Więcej o sed tu: http://www.continuum.com.pl/sed/sed_polecenia.html.

Szukamy linii zawierających ciąg znaków regex w pliku in.txt, czyli możemy wydać polecenie

• sed -n -e '/regex/p' in.txt

Na konsoli zostaną wyświetlone linie zawierające zarówno 'regex', 'regexp' oraz 'regex,', 'regex.', 'regexp,', 'regexp.'. itd. To oczywiście za dużo. Miało być samo regex. Jeśli wydam polecenie:

• sed -n -e '/ regex /p' in.txt

czyli polecenie wyszukania łańcucha spacja regex spacja, to nie zostaną wyszukane słowa regexp - to dobrze, ale pominę 'regex.' oraz 'regex,', a nie o to chodzi. Oczywiście zadanie mogę zrealizować w kilku krokach, tj. przeprowadzić wyszukiwanie 'regex', 'regex.', 'regex,' itd. Jednak wygodnie byłoby opisać poszukiwane łańcuchy jednym wzorcem. Tu właśnie pojawia się potrzeba wyrażeń regularnych.

POSIX BASIC REGEXP

Standard POSIX opisuje wyrażenia regularne. Podstawowa reguła mówi, że każdy znak reprezentuje samego siebie np. A oznacza literę A. Wyjątek od tej reguły stanowią tzw. metaznaki. Poniżej lista metaznaków i ich znaczenie.

Poza powyżej wymienionymi, jak już wspomniałem, każdy znak oznacza samego siebie np. a to a Z to Z itd.

UWAGA aby metaznak nie był znakiem specjalnym ale oznaczał samego siebie, należny go poprzedzić znakiem \. Np. '\*' oznacza '*'.

Przykłady:

Cudzysłowy '' oraz ' nie są oczywiście elementem wyrażenia regularnego, dodałem je dla czytelności.

Korzystając z wyrażeń regularnych możemy teraz za pomocą jednego wzorca opisać poszukiwane przez nas łańcuchy.

• ' *regex[,.]* '

co oznacza:

• spacja
• dowolna ilość spacji
• łańcuch regex
• ',' albo '.' w dowolnej ilości
• spacja

Aby wydać sed polecenie wyszukania takiego ciągu znaków należy napisać:

• sed -n -e '/ *regex[,.]* /p' in.txt

Tyle tytułem wprowadzenia do wyrażeń regularnych CDN....

Tomasz Zin