Espressioni regolari
La sintassi delle
espressioni regolari è considerata superata dallo standard POSIX,
ma è comunque molto usata per la sua larga diffusione. La maggior parte dei programmi
che utilizzano le regexp, utilizzano queste regole dando anche il supporto
per le nuove regole che sono più estese.
Questi sono i
"metacaratteri" che ci permetteranno di
effettuare le espressioni di ricerca:
.
|
Trova un
singolo carattere (se è nella modalità linea singola altrimenti se è
in multiriga prende tutti i caratteri diversi da \n, ovvero un ritorno
a capo).
|
[ ]
|
Trova un
singolo carattere contenuto nelle parentesi. Ad esempio, [abc] trova o una
"a", "b", o "c". [a-z] è un intervallo e trova
ogni lettera minuscola dell'alfabeto. Possono esserci casi misti: [abcq-z]
trova a, b, c, q, r, s, t, u, v, w, x, y, z, esattamente come [a-cq-z].
Il
carattere '-' è letterale solo se è primo o ultimo carattere nelle parentesi:
[abc-] o [-abc]. Per trovare un carattere '[' o ']', il modo più semplice è
metterli primi all'interno delle parentesi: [][ab] trova ']', '[', 'a' o 'b'.
|
[^ ]
|
Trova ogni
singolo carattere non incluso nelle parentesi. Ad esempio, [^abc] trova ogni
carattere diverso da "a", "b", o "c". [^a-z]
trova ogni singolo carattere che non sia una lettera minuscola. Come sopra,
questi due metodi possono essere usati insieme.
|
^
|
Corrisponde
all'inizio della stringa (o di ogni riga della stringa, quando usato in
modalità multilinea)
|
$
|
Corrisponde
alla fine della stringa o alla posizione immediatamente precedente un
carattere di nuova linea (o alla fine di ogni riga della stringa, quando
usato in modalità multilinea)
|
( )
|
Definisce
una "sottoespressione marcata". Il risultato di ciò che è incluso
nell'espressione, può essere richiamato in seguito. Vedi sotto, \n.
|
\n
|
Dove n
è una cifra da 1 a 9; trova ciò che la nesima sottoespressione ha
trovato. Tale costrutto, detto backreference, estende le potenzialità
delle regexp oltre i linguaggi regolari e non è stato adottato nella sintassi
estesa delle regexp.
|
*
|
|
{x,y}
|
Trova
l'ultimo "blocco" almeno x volte e non più di y
volte. Ad esempio, "a{3,5}" trova "aaa", "aaaa"
o "aaaaa".
|
Vecchie
versioni di grep non supportano il separatore alternativo "|".
Esempi:
".atto" trova ogni stringa
di cinque caratteri come gatto, matto o patto
"[gm]atto" trova gatto
e matto
"[^p]atto" trova tutte le
combinazioni dell'espressione ".atto" tranne patto
"^[gm]atto" trova gatto
e matto ma solo all'inizio di una riga
"[gm]atto$" trova gatto
e matto ma solo alla fine di una riga
Dal momento
che molte serie di caratteri variano a seconda della configurazione locale (in
alcuni casi le lettere sono organizzate in abc..xyzABC...XYZ, in altri
aAbB..yYzZ), lo standard POSIX ha definito alcune classi o categorie di
caratteri come mostrato nella seguente tabella:
classe POSIX
|
sintassi normale
|
significato
|
[:upper:]
|
[A-Z]
|
lettere maiuscole
|
[:lower:]
|
[a-z]
|
lettere minuscole
|
[:alpha:]
|
[A-Za-z]
|
lettera sia maiuscole che minuscole
|
[:alnum:]
|
[A-Za-z0-9]
|
numeri e lettere maiuscole e minuscole
|
[:digit:]
|
[0-9]
|
numeri
|
[:xdigit:]
|
[0-9A-Fa-f]
|
numeri in formato esadecimale
|
[:punct:]
|
[.,!?:...]
|
segni di interpunzione
|
[:blank:]
|
[ \t]
|
spazio o TAB
|
[:space:]
|
[ \t\n\r\f\v]
|
caratteri vuoti
|
[:cntrl:]
|
caratteri control
|
|
[:graph:]
|
[^ \t\n\r\f\v]
|
caratteri non vuoti
|
[:print:]
|
[^\t\n\r\f\v]
|
caratteri non vuoti e spazi
|
Le parentesi quadrate fanno parte della sintassi per indicare la classe di caratteri. Ad esempio [[:upper:][:digit:]ab] trova corrispondenza in una qualsiasi lettera maiuscola, in una qualsiasi cifra, nella lettera 'a' minuscola e nella lettera 'b' minuscola.
Esempi di quantificatori
- * Cerca l'occorrenza (zero o più volte) del carattere o insieme di caratteri cui segue:
abc* identifica ab seguito da zero o più c
come in ab, abc, abcc, abccc
- + Cerca l'occorrenza (una o più volte) del carattere o insieme di caratteri cui segue:
ab[ce]+ identifica ab seguito da
una o più c oppure una o più e
come in abc, abec, abccc, abcceeecccccce
- ? Cerca l'occorrenza (zero o una volta) del carattere o insieme di caratteri cui segue:
abc? identifica ab seguito o meno da una c
come in abc e ab
- {m, n} Cerca l'occorrenza (da m a n volte; m lasciato vuoto è zero, n lasciato vuoto infinito) del carattere, insieme di caratteri o sotto-regex cui segue:
(ab){1,2} identifica le sequenze di uno o due ab
come in ab e abab
