This presentation was given at RWTH Aachen University on 2011-06-06 as a social credits project.

1. Reguläre Ausdrücke
Tobias Gies – 06.06.2011

2. Fragen?

3. Fragen!

4. Was sind reguläre Ausdrücke?
b[A-Z0-9._%+-]+@[A-Z0-9.-]+.[A-Z]{2,4}b

5. Was sind reguläre Ausdrücke?
● „Regex“ (Regular Expressions)
● Hier speziell: Perl-kompatible reguläre
Ausdrücke (PCRE)
● „Zeichenkette, die der Beschreibung von
Mengen bzw. Untermengen von Zeichenketten
mit Hilfe bestimmer syntaktischer Regeln dient“
(Wikipedia: Regulärer Ausdruck, Stand 2011-05-22)

6. Anwendungsfälle
● Validierung und Filterung von Benutzereingaben
● Durchsuchen von großen Datenmengen
● Trenner zur Aufteilung von Textdaten

7. Nicht-Anwendungsfall
● Auszeichnungssprachen! Beispiele:
● HTML
● XML
● JSON

8. PCRE-Syntax

9. Terminologie
● Suchmuster („Pattern“)
● Durchsuchte Zeichenkette („Subject“)
● Treffer („Match“)

10. Ein normaler String
Software
Mathematisch-technischer
Softwareentwickler

11. Ein normaler String
Software
Mathematisch-technischer
Softwareentwickler

12. Meta-Zeichen
[So]f.*twadr{1,4}e

13. Das Oder-Zeichen
(A|B)C
AC
ABC

14. Das Oder-Zeichen
(A|B)C
AC
ABC

15. Das Oder-Zeichen
● Syntax: A|B
● Bedeutung: Entweder das Zeichen direkt vor
oder direkt nach dem senkrechten Strich

16. Quantoren
Soft{1,2}ware
Mathematisch-technischer
Softwareentwickler

17. Quantoren
Soft{1,2}ware
Mathematisch-technischer
Softtwareentwickler

18. Quantoren
● Syntax: {min,max}
● Beziehen sich immer auf das vorhergehende
Zeichen / das vorhergehende Subpattern
● Höchstzahl kann weggelassen werden: {2,}
steht für „zwei oder mehr“

19. Quantoren
● Für oft benötigte Quantoren gibt es Kurzformen
● ? – Gar nicht oder genau einmal – entspricht {0,1}
● + – Mindestens einmal, beliebig oft – entspricht {1,}
● * – Gar nicht oder beliebig oft – entspricht {0,}

20. Der Punkt
.omma
Ohne Punkt und Komma
Ohne Punkt und Somma
Ohne Punkt und _omma
Ohne Punkt und 0omma
...

21. Der Punkt
● Steht für ein beliebiges Zeichen
● Soll nach dem Zeichen „.“ gesucht werden,
muss im Suchmuster ein Backslash vor den
Punkt gestellt werden: .

22. Zeichenklassen
[KP-R]omma
Ohne Punkt und Komma
Ohne Punkt und Pomma
Ohne Punkt und Qomma
Ohne Punkt und Romma

23. Zeichenklassen
● Format: [Zeichen]
● Beschreibt eine Zeichenmenge, aus der das
betroffene Zeichen stammen soll
● Bindestrich für Zeichenbereiche: [a-zA-Z]
● Zirkumflex negiert die Zeichenklasse: [^0-9]
trifft alles, was keine Ziffer ist

24. Zeichenklassen
● Es gibt jede Menge vordefinierte
Zeichenklassen. Beispiele:
● d – Ziffern von 0 bis 9 – entspricht [0-9]
● s – Sämtlicher Leerraum (Whitespace)
● Großbuchstabe negiert die Zeichenklasse: D
trifft alles, was keine Ziffer ist

25. Anker
ana
ananas
banane
silvana

26. Anker
^ana
ananas
banane
silvana

27. Anker
ana$
ananas
banane
silvana

28. Anker
● Legen fest, wo ein Treffer im Subject stehen
muss
● ^ - Nur am Anfang des Subject
● $ - nur am Ende des Subject

29. Klammern
(.+)@([^.]+).([a-z]{2,})
tobias.gies@rwth-aachen.de

30. Klammern
(.+)@([^.]+).([a-z]{2,})
tobias.gies@rwth-aachen.de
1: tobias.gies
2: rwth-aachen
3: de

31. Klammern
● Gruppieren das Suchmuster in Subpatterns
● Auf das, was die Subpatterns jeweils treffen,
kann später einzeln zugegriffen werden (die
Subpatterns werden anhand ihrer Position im
Suchmuster durchnummeriert)
● Quantoren können auch auf Subpatterns
angewandt werden: (Oha)+ trifft OhaOhaOha...
● Das gleiche gilt auch für das Oder-Zeichen

32. Rückwärtsreferenzen
([^,]+),1
foo,bar
foo,foo

33. Rückwärtsreferenzen
([^,]+),1
foo,bar
foo,foo

34. Rückwärtsreferenzen
● Rückbezüge auf die Treffer vorhergehender
Subpatterns
● Verweis auf die Subpatterns mit einem
Backslash und ihrer Nummer: 1, 2, etc...

35. Greediness (Gierigkeit)
<.+>
<Test><123>

36. Greediness (Gierigkeit)
<.+>
<Test><123>

37. Greediness (Gierigkeit)
<.+?>
<Test><123>

38. Greediness (Gierigkeit)
<.+?>
<Test><123>

39. Greediness (Gierigkeit)
● Reguläre Ausdrücke sind standardmäßig gierig!
● Gierigkeit kann ausgeschaltet werden:
● Für einzelne Quantoren durch nachgestelltes ?
● Für den ganzen Ausdruck (je nach
Programmiersprache auf unterschiedliche Weise)

40. Wie PCRE ausgewertet werden
(A|B)C?
(A|B)C?
(A|B) C?
A|B C
A B

41. Nutzung in Programmiersprachen
● Regex werden in vielen Programmiersprachen
als Strings eingegeben.
● Backslashes bedürfen daher einiger
Aufmerksamkeit
● Beispiel: Um nach einem Backslash in einem
Subject zu suchen, müssen vier Backslashes
im Programmcode geschrieben werden
● Davon kommen zwei bei der Regex-Engine an
● Diese erkennt das Suchmuster und sucht
nach einem Backslash

42. Nutzung in Java
● Validierung / Filterung / Suche: Klassen aus
dem Paket java.util.regex:
Pattern p = Pattern.compile("a*b");
Matcher m = p.matcher("aaaaab");
boolean b = m.matches();
● Trennung: String.split(String regex)

43. Weiteres Material und Hilfsmittel
● Jeffrey Friedl: Reguläre Ausdrücke (3. Aufl.)
O'Reilly 2007, ISBN 978-3-89721-720-1
● Tony Stubblebine: Reguläre Ausdrücke – kurz
und gut (2. Aufl.)
O'Reilly 2007, ISBN 978-3-89721-535-1
● The Regex Coach: Windows-Programm zum
interaktiven experimentieren mit regulären
Ausdrücken. http://weitz.de/regex-coach/

44. Fragen?

45. Danke!