Reguláris kifejezés

[a-z] : a lokális beállításoktól függ a karakterek sorrendje, hogy lehet-e nagybetû, stb.

Példa:

man egrep > egrep.txt

tele van furcsa karakterekkel, a man jelölésében a karakter vissza (^H) karakter megismétlés jelenti a kiemelést a _^H az aláhúzást. Ezek eltüntetése:

%s/.^v^h//g

Kiterjesztett reguláris kifejezés

Példa: az egrep parancs:

A kiterjesztett reguláris kifejezés (egrep) tartalmazza a reguláris kifejezéseket , és

metakarakterek elveszítik jelentésüket a [] között: []$&%^-]

legelsõ ] jelenti a ] jelet (nem lezárás)
nem elsõ ^ jelenti a ^ jelet (nem szó eleje)
utolsó - jelenti a - jelet (nem tartomány)

\n : n szám az n. egyezés

extrák:

csoportok:

[:alnum:] [0-9A-Za-z]
[:alpha:] [A-Za-z]
[:cntrl:] kontroll karakterek, a [:upper:], [:lower:], [:alpha:], [:digit:], [:punct:], [:graph:], [:print:], vagy [:xdigit:] osztályokba nem sorolható karakterek.
[:digit:] számjegyek
[:graph:] grafikus karakterek
[:lower:] kisbetűs karakterek
[:print:] nyomtatható karakterek (kivéve a [:space:] osztályt)
[:punct:] írásjelek: ! ' # S % & ` ( ) * + , - . / : ; < = > ? @ [ / ] ^ _ { | } ~
[:space:] szóköz karakterek (szóköz, tab, újsor, cr, ff)
[:upper:] nagybetűs karakterek
[:xdigit:] [0-9A-Fa-f] (hexadecimális karakter)

függetlenek a locale beállításoktól és az ASCII kódtáblától.

A szögletes zárójelek az osztályelnevezés részei így a keresésben duplán jelenik meg a szögletes zárójel:

egrep '[[:digit:]]' file
egrep '[][:digit:]$&]' file

\w : [[:alnum:]]
\W : [^[:alnum:]]
\b : \< vagy \>
\B : üres, nem szó eleji/végi string ??? (lehet szó belseje is?)

ismétlődés (a * jelen kívül)

? : az elõtte levõ karakter opcionális: egyszer vagy nullaszor fordulhat elõ
+ : az elõtte levõ karakter legalább egyszer fordul elõ.
{n} : az elõtte levõ karakter pontosan nszer ismétlõdik
{n,} : az elõtte levõ karakter legalább nszer ismétlõdik
{n,m}: az elõtte levõ karakter legalább nszer de legfeljebb mszer ismétlõdik

| : két reguláris kifejezés vagylagos kombinációja
\bablak\b|\bajto\b

megkeresi, hogy hol fordul elõ az ajto vagy ablak szó magában.

Az ismétlõdés hamarabb értékelõdik ki, mint a reguláris kifejezések összefûzése, mely viszont megelõzi a | mûveletet. Így a

(ablak)|(ajto){2,}

kifejezés az ablak legalább egyszeri, míg az ajto legalább kétszeri elõfordulását írja elõ. Az

(ajto)(ablak)|(ajto.*){2,}

viszont azt követeli meg, hogy egy sorban az ajto-t kövesse valahol az ablak VAGY az ajto ketszer szerepeljen. A | az elõtte levõ teljes kifejezést (reguláris kifejezések összefûzése) kapcsolja össze a mögötte álló reguláris kifejezéssel.

A zárójelekkel megváltoztathatjuk a kiértékelési sorrendet:

(ajto).*((ablak)|(ajto.*){2,})

az ajto után szerepeljen az ablak, vagy két ajto string.

\n: (n egy szám)

((ajto)|(ablak)).*\1

az ajto vagy az ablak legalább kétszeri elõfordulását írja elõ.

A kiterjesztett reguláris kifejezésekben ha a

? + * . { } | ( ) ^ $ \

karaktereket keressük, akkor le kell õket védeni a \ jellel. Míg egyszerû reguláris kifejezésben a

$ablak$

kifejezés az ablak stringet keresi, és azt eltárolja, ugyanez kiterjesztett reguláris kifejezésként a zárójelekkel körbevett ablak stringet keresi.

Környezeti változók hatása

Alapesetben a tartományok és karaktertípusok kiértékelése az ASCII szekvencia alapján történik (ez a C locale). Ha az

LC_ALL, LC_COLLATE, LANG be van állítva, akkor azok ebben a kiértékelési sorrendben megváltoztatják a tartományok definícióját

LC_ALL, LC_CTYPE, LANG a karakterek típusát adják meg (mi a nem betû)

További bővítések

perl, java, python, tcl ...
check http://www.tropicsoft.com/Components/RegularExpression/SyntaxBcb3.htm