Programmierkurs für absolute Anfänger  Reguläre Ausdrücke / regular expressions Caren Brinckmann Sommersemester 2005 http://www.coli.uni-saarland.de/~cabr/teaching.php

Wozu braucht man das? (1) Muss erkennen, wo das Wort „Schröder“ sich befindet und dieses durch „Schroeder“ ersetzen Programmierkurs für absolute Anfänger – Sitzung 5

Wozu braucht man das? (2) if (($laut eq "p") || ($laut eq "t") || ($laut eq "k") || ($laut eq "b") || ($laut eq "d") || ($laut eq "g")) { print "$laut ist ein Plosiv!"; } kürzer: if ($laut =~ /^[ptkbdg]$/) { Programmierkurs für absolute Anfänger – Sitzung 5

Was sind reguläre Ausdrücke? (1) Reguläre Ausdrücke (RA) sind genau definierte Suchmuster für Zeichenfolgen (d.h. einzelne Zeichen und Zeichenketten). Mit RA kann man nach Zeichenfolgen suchen, die dem jeweiligen Suchmuster entsprechen, und sie weiterverarbeiten (ersetzen, umformatieren, konkatenieren, ...). Außerdem kann man Bedingungen in Programmen an reguläre Ausdrücke knüpfen. if ($laut =~ /^[ptkbdg]$/) { print "$laut ist ein Plosiv!"; } Programmierkurs für absolute Anfänger – Sitzung 5

Was sind reguläre Ausdrücke? (2) Ein RA ist also eine Beschreibung, die auf eine ganze Menge von Zeichenfolgen passt. Was bedeutet das konkret? Am besten lernen durch viele Beispiele! Wo werden RA in der Praxis eingesetzt? UNIX-Kommandozeilentools: grep, sed, awk, ... Texteditoren: XEmacs, TextPad, ... Programmiersprachen: Perl, Python, Java, ... Shells (eingeschränkt): bash, Windows-Konsole, ... Programmierkurs für absolute Anfänger – Sitzung 5

Einfache RA in Perl Ein RA wird in Perl zwischen zwei Schrägstriche eingeschlossen: /a/ Wenn ein RA auf eine Zeichenfolge passt, so sagt man auch „der reguläre Ausdruck matcht die Zeichenfolge“. Bsp: /a/ matcht die Zeichenfolge "a" aber auch das 'a' in "Hallo". Zeichen- und Zeichenkettenliterale: /a/ Alabama liegt in Amerika. /a / Alabama liegt in Amerika. /haben/ Wir haben keinen Zucker mehr. Haben Sie welchen? Leerzeichen und Groß-/Kleinschreibung beachten! Sagen: die / / gehören nicht zum regulären Ausrdruck! Programmierkurs für absolute Anfänger – Sitzung 5

Matching Operator =~ Um einen regulären Ausdruck mit einer Zeichenkette zu vergleichen, benötigt man den sogenannten Matching Operator: =~ $wort = "Hans"; if ($wort =~ /an/) { print "match!\n"; } else { print "kein match!\n"; } Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen Ein RA besteht aus Literalen (also: wörtlich zu interpretierenden Zeichen und Zeichenketten), und aus folgenden Sonderzeichen, die eine spezielle Bedeutung haben: \ . ^ $ + ? * { } ( ) [ ] | D.h., wenn eins dieser Sonderzeichen wörtlich gesucht werden soll, so muss es mit einem vorangestellten \ (backslash) "entwertet" werden, z.B. /2\$/ matcht Das kostet 2$. /2$/ matcht nicht Das kostet 2$. Übung: [2] ja? 2.3 (oder?) \abc\ Sagen: die / / gehören nicht zum regulären Ausrdruck! Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Wildcard . Der Punkt . steht für genau ein beliebiges Zeichen (Ausnahme: Zeilentrennzeichen \n). /a./ Maria mag Anna Übung: /mar.o/ matcht welche Teile? marco, amarzo, marsio, Mario, amar ono, schmargo, ammarkoni, marrko Übung: Konstruiere einen regulären Ausdruck, der auf alle Zeichenketten unter a) passt (also Zeichenkettenteile matcht), aber keine der Zeichenketten unter b) akzeptiert: pit b) pt spot Pot spate peat slap two part respite Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Positionsmarker ^ und $ Das Caret-Zeichen ^ steht für den Anfang einer Zeichenkette. Das Dollar-Zeichen $ steht für das Ende einer Zeichenkette. /^Henning/ matcht Henning Meier /^Henning/ matcht nicht Meier Henning /Henning$/ matcht nicht Henning Meier /Henning$/ matcht Meier Henning Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Beispiel (1) druck1.pl text1.txt while ($zeile = <STDIN>) { if ($zeile =~ /^Wir/) { print $zeile; } Wir wollen Eis essen. Das hat keine Wirkung. Wirkungsgrad ist Null. Aufruf: perl –w druck1.pl < text1.txt Ausgabe? Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Beispiel (2) druck2.pl text2.txt while ($zeile = <STDIN>) { if ($zeile =~ /ung\.$/) { print $zeile; } Die Bedienung kommt. Das hat keine Wirkung. Keine Ahnung! Aufruf: perl –w druck2.pl < text2.txt Ausgabe? Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Wiederholungen ? + * ? bedeutet, dass das vorhergehende Zeichen keinmal oder einmal vorkommen kann (also: höchstens einmal) /hal?o/ matcht hao halo zhaloxxx /hal?o/ matcht nicht hallo + bedeutet, dass das vorhergehende Zeichen einmal oder mehrmals vorkommen kann (also: mindestens einmal) /hal+o/ matcht halo hallo halllo zhalllllloxxx /hal+o/ matcht nicht hao * bedeutet, dass das vorhergehende Zeichen keinmal oder beliebig häufig vorkommen kann /hal*o/ matcht hao halo hallo zhalllllloxxx Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Beispiel (3) druck3.pl text3.txt while ($zeile = <STDIN>) { if ($zeile =~ /Al+e/) { print $zeile; } Alle trinken Bier. Briten trinken Ale. Alte Hasen! Aufruf: perl –w druck3.pl < text3.txt Ausgabe? Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Beispiel (4) druck4.pl text4.txt while ($zeile = <STDIN>) { if ($zeile =~ /Al*t?e/) { print $zeile; } Alle trinken Bier. Briten trinken Ale. Alte Hasen! Frau Aterer kommt. Aufruf: perl –w druck4.pl < text4.txt Ausgabe? Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Beispiel (5) druck5.pl text5.txt while ($zeile = <STDIN>) { if ($zeile =~ /.+/) { print $zeile; } Alle trinken Bier. Briten trinken Ale. Alte Hasen! Aufruf: perl –w druck5.pl < text5.txt Ausgabe? Programmierkurs für absolute Anfänger – Sitzung 5

Sonderzeichen: Wiederholungen { } Die geschweiften Klammern { } werden benutzt, um eine exakte Anzahl {n} eine Mindestanzahl {n,} eine Mindest- und eine Höchstanzahl {n,m} von Zeichenwiederholungen zu suchen. /hal{2}o/ matcht xhalloy /hal{2}o/ matcht nicht xhallloy halo /hal{2,}o/ matcht hallo halllllox /hal{2,}o/ matcht nicht hao halo /hal{2,3}o/ matcht hallo halllox /hal{2,3}o/ matcht nicht halo hallllox Programmierkurs für absolute Anfänger – Sitzung 5

Zusammenfassung Sonderzeichen: Wiederholungen * keinmal oder beliebig oft + mindestens einmal ? höchstens einmal {n} genau n-mal {n,} mindestens n-mal {n,m} mindestens n-mal, aber maximal m-mal Äquivalenzen: * ist äquivalent zu {0,} + ist äquivalent zu {1,} ? ist äquivalent zu {0,1} Programmierkurs für absolute Anfänger – Sitzung 5

Übung Welche Zeichenketten(teile) werden jeweils gematcht? /ab+c?/ 1) abc 2) ac 3) abbb 4) bbc 5) aabcd 6) b Welche Zeichenketten(teile) werden jeweils gematcht? /ab+c?/ /a?b*c/ /b+c*/ /^b+c*$/ /a.+b?c/ /b{2,}c?/ /^a{1,2}b+.?d*/ Programmierkurs für absolute Anfänger – Sitzung 5

Gruppierung: ( ) Mehrere Zeichen können mit runden Klammern gruppiert werden. Dadurch ist es möglich, die Wiederholungssonderzeichen nicht nur auf einzelne Zeichen, sondern auch auf Zeichenketten und eingebettete RA anzuwenden. /(ro)+/ matcht robo, rororo, brorok /h(al)*lo/ matcht hlo, hhalallo, halloi /ha(ll)?o/ matcht hao, hallo, ahaoi /(h?a)+lo/ matcht haahalo, aaalo, hahahalo, alo, halo Programmierkurs für absolute Anfänger – Sitzung 5

Übung Welche der folgenden Zeichenketten wird von /a(ab)*a/ gematcht? 1) abababa 2) aaba 3) aabbaa 4) aba 5) aabababa Programmierkurs für absolute Anfänger – Sitzung 5

Alternative Zeichenketten: | Mit dem Pipe-Zeichen | kann man mehrere alternative Zeichenketten angeben. /(Herr|Frau) Mayer/ matcht Herr Mayer, Frau Mayer /A(nn|ll)e/ matcht Anne, Alle /Hund|Katze|Maus/ matcht Hund, Katzen, Mausi if ($wort =~ /^(be|ent|er|ge|miss|ver|zer)/) { print "$wort beginnt mit einem Präfix!"; } Programmierkurs für absolute Anfänger – Sitzung 5

Zeichenmenge: [ ] Eine Menge von Zeichen in eckigen Klammern bedeutet, dass genau eins dieser Zeichen gesucht wird (egal welches). /mar[ckl]o/ matcht marco, marko, marlo matcht nicht marcko, marmo /M[ae][iy]er/ matcht Maier, Mayer, Meier, Meyer /a[ln]{2}e/ matcht alle, anne, alne, anle Programmierkurs für absolute Anfänger – Sitzung 5

Zeichenbereich: [ - ] Wenn genau ein Zeichen aus einem Zeichenbereich oder eine Ziffer aus einem Ziffernbereich gesucht wird, so verwendet man den Bindestrich in eckigen Klammern. /a[k-n]a/ matcht aka, ala, ama, ana /[A-Z][a-z]+/ matcht alle Zeichenketten mit einem Großbuchstaben gefolgt von mindestens einem Kleinbuchstaben /[0-9]{5}/ matcht alle fünfstelligen Dezimalzahlen (auch mit führenden Nullen) Programmierkurs für absolute Anfänger – Sitzung 5

Übung Welche der folgenden Zeichenketten wird von /^[A-Za-z ]+[\.\?!]$/ gematcht? Lauf! Der Gärtner mäht den Rasen. Wie lange warst Du in Rotenburg/Wuemme? Lisa sucht den Ball. Hast Du schon abgewaschen? Ich glaube ich spinne!? Programmierkurs für absolute Anfänger – Sitzung 5

Negation einer Zeichenauswahl: [^ ] Wenn am Anfang einer Zeichenmenge oder eines Zeichenbereichs das Caret-Zeichen ^ steht, so wird jedes Zeichen gematcht, das nicht zu der Menge bzw. dem Bereich gehört. Das Caret-Zeichen hat also zwei Bedeutungen! /a[^mnl]a/ matcht aga, a a, a9a, mara matcht nicht ama, ana, ala /^[^a-z]a/ matcht Mama, Larifari matcht nicht mama, alari, aMama Programmierkurs für absolute Anfänger – Sitzung 5

Nachlesen und Ausprobieren! http://www.tekromancer.com/perl2/7.html http://gnosis.cx/publish/programming/regular_expressions .html http://www.itri.brighton.ac.uk/ARCHIVE/courses/MScLex/e xercises/regex/ http://www.regular-expressions.info/quickstart.html http://www.ifi.unizh.ch/cl/siclemat/lehre/ss01/pcl2/regextut Sagen: die / / gehören nicht zum regulären Ausrdruck! Programmierkurs für absolute Anfänger – Sitzung 5