| Mønstre |
| forrige | Regulære udtryk | næste |
Mønstre består af bogstavelige strenge og tegnklasser. Mønstre kan indeholde under-mønstre, som er mønstre omgivet af parenteser.
I mønstre så vel som i tegnklasser er der nogle tegn der har en speciel betydning. For bogstaveligt at matche disse tegn, skal de være markerede eller escaped for at lade programmer for regulære udtryk vide at de skal fortolke sådanne tegn i deres bogstavelige betydning.
Dette gøres ved at sætte en baglæns skråstreg foran tegnet (\).
Programmer for regulære udtryk vil så i det stille ignorere at escape et tegn som ikke har nogen speciel betydning i sammenhængen, så escape for eksempel af et “j” (\j) er problemløst. Hvis du er i tvivl om et tegn kunne have en speciel betydning, kan du derfor escape det uden problemer.
Escape inkluderer naturligvis den baglæns skråstreg selv, så for bogstaveligt at matche den, skal du skrive \\.
En tegnklasse er et udtryk der matches en af et defineret sæt tegn. I regulære udtryk, er tegnklasser definerede ved at putte de lovlige tegn for klassen i forkantede parenteser, [], eller ved at bruge en af de forkortede klasser beskrevet nedenfor.
Simple tegnklasser indeholder kun ét eller flere bogstavelige tegn, for eksempel [abc] (der matcher et vilkårligt af bogstaverne “a”, “b” eller “c”) eller [0123456789] (der matcher et vilkårligt ciffer).
Fordi bogstaver og cifre har en logisk rækkefølge, kan du forkorte dem ved at angive områder af dem: [a-c] er lig med [abc] og [0-9] er lig med [0123456789]. En kombination af disse konstruktioner, for eksempel [a-fynot1-38] er fuldstændig lovlig (denne sidste ville selvfølgelig matche en vilkårlig af “a”,“b”,“c”,“d”, “e”,“f”,“y”,“n”,“o”,“t”, “1”,“2”,“3” eller “8”).
Idet versaler ikke er de samme tegn som deres tilsvarende ikke-versal-ækvivalente. For at lave tegnklasser der ikke er versalfølsomme der matcher “a” eller “b”, uanset versaltype, må du skrive det som [aAbB].
Det er naturligvis muligt at lave en “negativ” klasse der matcher som “alt undtagen” For at gøre dette putter man en karet (^) i begyndelsen af klassen:
[^abc] vil passe med alle tegn undtagen “a”, “b” eller “c”.
Foruden disse bogstavelige tegn, er der visse forkortelser der er definerede, hvilket gør livet en smule nemmere:
\aDette matche ASCII-klokketegnet (BEL, 0x07).
\fDette matcher ASCII-form-feed-tegnet (FF, 0x0C).
\nDette matcher ASCII-line-feed-tegnet (LF, 0x0A, Unix ny-linje).
\rDette matcher ASCII-vognretur-tegnet (CR, 0x0D).
\tDette matcher ASCII-vandret-tab-tegnet (HT, 0x09).
\vDette matcher ASCII-lodret-tab-tegnet (VT, 0x0B).
\xhhhhDette matcher Unicode-tegnet der svarer til det hexadecimale tal hhhh (mellem 0x0000 og 0xFFFF). \0ooo (dvs., \zero ooo) matcher ASCII/Latin-1-tegnet der svare til det oktale tal ooo (mellem 0 og 0377).
. (punktum)Dette matcher et vilkårligt tegn (inklusive ny-linje).
\dDette matcher et ciffer. Lig med [0-9]
\DDette matcher et ikke-ciffer. Lig med [^0-9] eller [^\d]
\sDette matcher et hvidt tegn. Næsten det samme som [ \t\n\r]
\SDette matcher et ikke-hvidt tegn. Næsten det samme som [^ \t\r\n], og lig med [^\s]
\wMatcher et vilkårligt “ord-tegn” - i dette tilfælde et vilkårligt bogstav eller ciffer. Bemærk at understregning (_) ikke matches, ligesom det er tilfældet med perl regulær udtryk. Lig med [a-zA-Z0-9]
\WMatcher et vilkårligt ikke-ord-tegn - alt undtagen bogstaver og tal. Lig med [^a-zA-Z0-9] eller [^\w]
De forkortede klasser kan puttes ind i hjemmelavede klasser, for eksempel for at matche et ord-tegn, et blankt eller et punktum, kan du skrive [\w \.]
POSIX-notation for klasser, [:<class name>:] bliver ikke understøttet for øjeblikket.
Følgende tegn har en speciel betydning indenfor “[]” tegnklassekonstruktionen, og skal escapes for bogstaveligt at blive inkluderet i en klasse:
]Afslutter tegnklassen. Skal escapes med mindre det er det allerførste tegn i klassen (kan efterfølge et ikke-escaped karet-tegn)
^ (karet)Angiver en negativ klasse, hvis det er det første tegn. Skal escapes for at matche bogstaveligt hvis det er det første tegn i en klasse.
- (bindestreg)Angiver et logisk område. Skal altid escapes indenfor en tegnklasse.
\ (baglæns skråstreg)Escape-tegnet. Skal altid escapes.
Hvis du ønsker at matche en af et sæt alternative mønstre, kan du adskille dem med | (lodret-streg-tegn).
For eksempel for at finde enten “Jesper” eller “Emil” skal du bruge udtrykket Jesper|Emil.
Undermønstre er mønstre der er omgivet af parenteser, og de bruges på forskellige måder indenfor verden af regulære udtryk.
Du kan bruge et undermønster for at gruppere et sæt alternativer indenfor et større mønster. Alternativerne er adskilt af tegnet “|” (lodret streg).
For eksempel for at matche et vilkårligt af ordene “int”, “float” eller “double”, kan du bruge mønstret int|float|double. Hvis du kun ønsker at finde en, hvis den efterfølges af noget hvidt, og derpå nogle bogstaver, puttes de alternative muligheder indenfor et undermønster: (int|float|double)\s+\w+.
Hvis du ønsker at bruge en tilbagereference, så brug et undermønster for at få den ønskede det af mønstret til at blive husket.
For eksempel, hvis du ønsker at finde to forekomster af det samme ord adskilt af et komma og muligvis noget hvidt, skal du skrive (\w+),\s*\1. Undermønstret \w+ vil finde en stump af ord-tegnene, og hele udtrykket vil matche hvis de bliver efterfulgt af et komma, 0 eller mere hvidt og så den samme stump ord-tegn. (Strengen \1 refererer tildet første undermønster omgivet af parenteser)
En fremadskuende påstand er et undermønster, der starter enten med ?= eller ?!.
For eksempel for at matche den bogstavelige streng “Rasmussen” men kun hvis det ikke er “Poul Nyrup Rasmussen”, vil du skulle bruge dette udtryk: (?!Poul Nyrup )Rasmussen. (Dette vil finde “Anders Fogh Rasmussen” og også “Halfdan Rasmussen”, men ignorere en matchning med Poul Nyrup Rasmussen.)
Undermønstre brugt til påstande bliver ikke indfangede.
Se også Påstande
Følgende tegn har en betydning indenfor et mønster, og skal escapes hvis du ønsker at matche dem bogstaveligt:
\ (baglæns skråstreg)Escape-tegnet.
^ (karet)Betyder begyndelsen af strengen.
$Betyder slutningen af strengen.
() (venstre og højre parenteser)Angiver undermønstre.
{} (venstre og højre tuborg-parenteser)Angiver numeriske kvantorer.
[] (venstre og høje firkantede parenteser)Angiver tegnklasser.
| (lodret streg)logisk OR. Adskiller alternativer.
+ (plus-tegn)Kvantor, 1 eller flere.
* (stjerne)Kvantor, 0 eller flere.
? (spørgsmålstegn)Et frivilligt tegn. Kan fortolkes som en kvantor, 0 eller 1.
| forrige | hjem | næste |
| Regulære udtryk | op | Kvantifikatorer |