Reguläre Ausdrücke

Was ist Regex

• Ein regulärer Ausdruck (Regex) ist eine spezialisierte Syntax, die verwendet wird, um Muster in Texten präzise zu definieren.
• Er dient dazu, Zeichenfolgen zu durchsuchen, zu überprüfen oder zu manipulieren.
• Durch seine Kombination aus festen und variablen Elementen ermöglicht Regex das Auffinden von komplexen Mustern wie E-Mail-Adressen, Telefonnummern oder spezifischen Wortkombinationen in großen Textmengen.

grep

• grep Steht für Global Regular Expression Print.
• Suchen von Textmustern in Dateien oder Datenströmen mit Regulären Ausdrücken.
• Arbeitet zeilenbasiert. Gibt standardmäßig ganze Zeilen aus, die das Muster enthalten.

• Mit grep ist es möglich, in Dateien nach regulären Ausdrücken zu suchen.
• Wenn eine Übereinstimmung gefunden wird, wird die komplette Zeile auf die Standardausgabe geschrieben.
• grep kann auch von STDIN lesen.
• Es ist empfehlenswert das Suchmuster in Anführungszeichen zu schreiben.

Spezialzeichen

A-z	Ein einzelner Buchstabe passt auf sich selbst
.	Ein Punkt passt auf jedes Zeichen außer auf das Zeilenende
*	Das dem Operator * vorangehende Muster kann 0 oder öfter vorkommen
^	(Caret) passt auf den Zeilenanfang
$	Passt auf das Zeilenende
\	Das folgende Sonderzeichen wird entwertet
[...]	Passt auf "genau" eins in [...] angebenen Zeichen entwertet RegEx Sonderzeichen außer ^
[^...]	Passt auf "genau" ein Zeichen welches nicht in [...] angebenen ist entwertet RegEx Sonderzeichen außer ^
\<	Passt auf den Wortanfang
\>	Passt auf das Wortende
\+	Das dem Operator \+ vorangehende Muster kann 1 oder öfter vorkommen
&	Setzt das gefunden Suchmuster ein
\(...\)	Speichert den Text auf den das Suchmuster passt zur späteren Verwendung
\n	Setzt das vorangehende, mit \(...\) Gefundene wieder ein
(...)	Gruppiert Auswahlmöglichkeiten
\|	Trennt Auswahlmöglichkeiten
\b	Passt auf den Anfang oder das Ende eines Wortes
\B	Symbolisiert den Raum innerhalb eines Wortes
\w	Passt auf alle alphanumerischen Zeichen [A-Za-z0-9]
\W	Passt auf alle nichtalphanumerischen Zeichen [^A-Za-z0-9]
\d	Passt auf alle numerischen Zeichen = [0-9] Nur in Perl RegEx!
\D	Passt auf alle nichtnumerischen Zeichen = [0-9] Nur in Perl RegEx!

Die Rangfolge der Operatoren(von der höchsten zur niedrigsten)

(, ), ?, *, + | .

Die anderen Operatoren sind mit den anderen Buchstaben gleichrangig.

Beispiele

Suchmuster               Passt auf
^Tuxer                   Tuxer am Zeilenanfang
[tT]uxer                 Tuxer oder tuxer
80[23]?86                8086, 80286 oder 80386

Beispiele

• vim text

quatsch
quatsch
quatsch
wichtig
quatsch

• grep "wichtig" text

wichtig

• grep "xinux" /etc/passwd

xinux:x:1000:1000:xinux,,,:/home/xinux:/bin/bash

• grep "1[0-9][0-9][0-9]" /etc/passwd

xinux:x:1000:1000:xinux,,,:/home/xinux:/bin/bash

• grep "x\w\+x" /etc/passwd

xinux:x:1000:1000:xinux,,,:/home/xinux:/bin/bash

• grep "^root" /etc/passwd

root:x:0:0:root:/root:/bin/bash

• ls -l /etc | grep shadow

-rw-r-----  1 root shadow  1003 Mär 19 20:18 gshadow
-rw-r-----  1 root shadow   995 Jan 16 19:30 gshadow-
-rw-r-----  1 root shadow  1615 Mär 19 20:18 shadow
-rw-r-----  1 root shadow  1615 Mär 19 20:18 shadow-

Echte E-Mail-Adresse RegEx

• vim mail

Max.Mustermann@Beispiel.de
Hallo@Welt.de
Irgendwas Anderes
Böse Adresse@+++.de
DieHier@GehtWieder.de
DieHier@@GehtWiederNicht.de
Auch01927Zahlen@SindErlaubt.com
Lokaler_Teil_Erlaubt_Unterstriche@Tests.com
Tests@Globaler_Teile_Aber_nicht.com

• grep -P "[\w.%+-]+@[\w.-][^_]+\.[a-z]{2,}" mail

Max.Mustermann@Beispiel.de
Hallo@Welt.de
DieHier@GehtWieder.de
Auch01927Zahlen@SindErlaubt.com
Lokaler_Teil_Erlaubt_Unterstriche@Tests.com

[\w.%+-]+

• Dieser Teil entspricht einem oder mehreren alphanumerischen Zeichen (\w), Punkten (.), Prozentzeichen (%), Pluszeichen (+) oder Minuszeichen (-).
• Dies ist der Teil vor dem "@"-Symbol in der E-Mail-Adresse, also der Benutzername.

@

• Dies ist einfach das "@"-Symbol, das in einer gültigen E-Mail-Adresse vorhanden sein muss.

[\w.-]

• Dieser Teil entspricht einem alphanumerischen Zeichen (\w), einem Punkt (.) oder einem Minuszeichen (-).
• Dies ist der erste Teil der Domain nach dem "@"-Symbol.

[^_]+

• Hier steht [^_], was bedeutet, dass ein Unterstrich (_) in diesem Teil nicht erlaubt ist.
• Dieser Teil entspricht einem oder mehreren Zeichen, die nicht der Unterstrich sind.
• Dies ist der zweite Teil der Domain.

\.

• Dies entspricht einem Punkt (.), der das Trennzeichen zwischen dem Domänennamen und der Top-Level-Domain (TLD) markiert.

[a-z]{2,}

• Dies entspricht zwei oder mehr kleinen Buchstaben (von a bis z), was die TLD repräsentiert.

Mehr Optionen für grep

-c                   meldet nur die Gesamtzahl der Fundstellen
-v                   zeigt nur Zeilen, die »Ausdruck« nicht enthalten
-i                   ignoriert Groß- und Kleinschreibung
-l                   meldet nur Dateinamen mit Fundstellen
-n                   listet Zeilennummern zu jeder Fundstelle
-f                   Dateiname »Dateiname« enthält die Such-Ausdrücke
-E                   ist ein erweiterter regulärer Ausdruck (egrep)
-F                   (Muster, Ausdruck) ist ein Muster (String) (fgrep)
-b                   listet auch die Position der Fundstellen
-A    Anzahl         Anzahl von Zeilen werden nach der Fundstelle ausgegeben
-B    Anzahl         Anzahl von Zeilen werden vor der Fundstelle ausgegeben
-r                   Durchsucht Verzeichnisse rekursiv

Übung

Textvorlage

Kopieren sie folgenden Text in eine Datei text.txt

Alice hat 3 Katzen.
Bob mag Hunde, besonders Labrador Retriever.
Charlie sagte: "Ich habe keine Haustiere."
Alice besucht oft den Park mit ihren Katzen.
42 ist die Antwort auf alles.
Bob kaufte gestern 13 Bananen und 3 Äpfel.
Charlie fragte: "Ist 7 eine Glückszahl?"

Aufgaben

1. Finde alle Zeilen, die das Wort Alice enthalten.
2. Finde Zeilen, die mit einem Großbuchstaben beginnen.
3. Suche nach Zeilen, die eine Zahl enthalten.
4. Finde Zeilen, in denen das Wort Charlie am Anfang steht.
5. Suche nach Zeilen, die mit einem Punkt . enden.
6. Finde Zeilen, in denen die Zahl 3 als eigenständige Zahl vorkommt (z. B. nicht in 42).
7. Suche nach Zeilen, in denen entweder Katzen oder Hunde vorkommen.
8. Finde Zeilen mit genau einem Anführungszeichen (").
9. Suche nach Zeilen, in denen eine Zahl mit mindestens zwei Ziffern vorkommt.
10. Finde Zeilen, die den Buchstaben b (Groß- oder Kleinschreibung) enthalten.

Lösungen

• Regex Übungen Lösungen

Links

• https://www.danielfett.de/de/tutorials/tutorial-regulare-ausdrucke/
• https://en.wikipedia.org/wiki/Regular_expression