LinuxUser CLOUD - Online-Storage und Social Networks (Vorschau)

know-how
Reguläre Ausdrücke
Erste Schritte mit Regular Expressions
Schnipseljagd
Computer erleichtern die Arbeit – man muss ihnen eben nur genau sagen, was sie tun
sollen. Mit sogenannten regulären Ausdrücken beschleunigen Sie das Suchen und Ersetzen
von Zeichenketten in Textdateien auf elegante Art. Frank Hofmann
© Maurus, 123RF
Beispiele und Skripte
LU/regex/
README
Der Umgang mit regulären
Ausdrücken ähnelt
zunächst dem Erlernen
und Anwenden einer
neuen Sprache. Haben
Sie jedoch die einzelnen
Symbole und die Grammatik
verinnerlicht,
meis tern Sie auch anspruchsvollere
Situationen
mit komplizierten
Textstrukturen schnell.
Dieser Artikel zeigt, wie
sich das Konzept der
Regular Expressions im
Arbeitsalltag bewährt.
REguläRE AusDRückE foRMuliEREn
Bei der Formulierung regulärer Ausdrücke
gilt es, generell zwei Punkte zu
beachten: Erstens hilft es, wenn das
Encoding für die Textdaten identisch
mit dem des Regex ist. Anderenfalls
müssen Sie Umlaute und Sonderzeichen
im regulären Ausdruck für das
Encoding der Textdaten anpassen.
Der zweite Punkt betrifft die Eigenheiten
der Regex-Implementierung in
der gewählten Programmiersprache:
Nicht alle Sprachen unterstützen den
POSIX-Standard vollständig und definieren
eigene Steuerzeichen.
Neben dem Übertragen und Darstellen
von Daten zählt das Suchen
und Ersetzen in Textstrukturen
und Zeichenketten zu den
häufigsten Aktionen beim Umgang
mit dem Computer. Bei
Letzterem helfen die sogenannten
regulären Ausdrücke (engl.:
„regular expressions“). Deren
Konzept umfasst einen komplexen
Text- und Zeichenfilter, der
ein effektives Suchen und Ersetzen
in Zeichenketten jeglicher
Form ermöglicht – etwa bei
Strings in Programmiersprachen,
in Ergebnissen von Datenbankabfragen
und in Dokumenten als
Dateien auf einem Datenträger.
Es spielt dabei keine Rolle, ob
die Textdaten strukturiert vorliegen
oder nicht – über Erfolg oder
Misserfolg entscheidet nur die
richtige Formulierung des regulären
Ausdrucks (kurz auch Regex
oder RE genannt). Allerdings fällt
bei strukturierten Dokumentformaten
wie CSV, HTML, XML,
XSLT und LaTeX der Einsatz der
REs meist leichter. Das Regex-
Konzept ist weitverbreitet und
zeichnet sich durch sehr hohe
Stabilität aus. Für die Programmiersprachen
Java, Perl, Python,
PHP, Ruby, das .NET-Framework
und für die Bash gehört es zum
Standardumfang.
Die Beschreibung der gesuchten
(Zeichen-)Muster folgt bestimmten
syntaktischen Regeln, auch
Grammatik genannt. Ein Programm
wertet diese Grammatik
aus und wendet sie auf eine Menge
von Zeichen an. Der Rückgabewert
umfasst eine Untermenge
von Zeichen oder eine Trefferliste.
Gibt es keine Übereinstimmung,
bleibt diese Liste leer.
Grundlagen
Sicherlich haben Sie schon einmal
nach einer Person mit einem Namen
gesucht, den es in unterschiedlich
geschriebenen, aber
phonetisch identischen Varianten
gibt – etwa nach einem Meier,
Schmidt oder Schulze [1]. Die folgenden
Beispiele erläutern den
Regex-Einsatz anhand dieses
Prob lems. Als Adressbuch dient
dabei eine Textdatei, in der Kommas
die einzelnen Felder der Einträge
trennen (Listing 1). Als
Suchwerkzeug für die Kommandozeile
kommt grep zum Einsatz.
Um Herrn Meier im Adressbuch
zu finden, geben Sie Grep zwei
Parameter mit: den Namen als
Suchmuster und unser Adressbuch
als Datei, in der Grep nach-
84 09 | 11
www.linux-user.de