Ero sivun ”Säännöllinen lauseke” versioiden välillä

Siirry navigaatioon Siirry hakuun

Säännöllinen lauseke (muokkaa)

Versio 17. helmikuuta 2010 kello 01.20

17 931 merkkiä lisätty ,  17. helmikuuta 2010
uudelleenkirjoitettu ohjemuotoon
(uudelleenkirjoitettu ohjemuotoon)
Rivi 1: Rivi 1:
Säännöllinen lauseke (engl. regular expression, regexp) on merkkijonotemplaatti [[wikipedia:fi:säännöllinen kieli| säännölliselle kielelle]], joka siis voidaan tunnistaa [[wikipedia:fi:äärellinen automaatti|äärellisellä automaatilla]]. Säännöllisiä lausekkeita käytetään monissa ohjelmointikielissä.
'''Säännöllinen lauseke''' (engl. '''regular expression''', '''regexp''') on yksinkertainen merkkijonokieli, joka voi joko ''vastata'' tai ''olla vastaamatta'' jotain toista merkkijonoa.  Linux- ja Unix-järjestelmissä säännöllisiä lauskkeista on suurta hyötyä [[komentorivi]]ä käytettäessä, mm. komennoissa [[awk]] ja [[grep]]. Niiden voidaankin sanoa olevan [[putki]]ttamiseen yhdistettynä tärkeimpiä työkaluja, joita komentorivin edistynyt käyttö edellyttää.


==Toteutukset==
== Teoriaa ==
===[[Posix]]-tyylinen===
Tietojenkäsittelytieteessä puhutaan [[wikipedia:fi:säännöllinen kieli|säännöllisestä kielestä]], joka voidaan tunnistaa [[wikipedia:fi:äärellinen automaatti|äärellisellä automaatilla]]. Säännöllisiä lausekkeita käytetään myös monissa ohjelmointikielissä (mm. Perl, Java, Python, ECMAScript). Mille tahansa [[wikipedia:en:Turing complete|Turing-täydelliselle]] ohjelmointikielelle voidaan kuitenkin aina kirjoittaa säännöllisten lausekkeiden [[wikipedia:fi:Ohjelmointikielen tulkki|tulkki]].
====elementit====
*[<merkkejä>] mikä tahansa merkeistä, tässä usein sallitaan myös laajempia ilmauksia kuten a-z, englantilaisille pienaakkosille, ja 0-9, numeroille.
*\(<sisältö elementtinä>\) merkitsee sisältönsä yhdeksi elementiksi toistolauseille ulospäin täydelliseksi säännölliseksi lausekkeeksi sisällepäin.
====toisto-operaattorit====
*'*': edellinen elementti 0 tai mielivaltaisen montaa kertaa kokonaan
*'+': edellinen elementti mielivaltaisen monta kertaa
*'?': edellinen elementti 0 tai 1 kertaa
monissa sovelluksissa sallitaan myös
*'{<toistokerrat>}': edellinen elementti toistokerrat kertaa
====unioni(tai)====
merkkijono kuuluu kieleen, jos se kuuluu | edeltävään tai sen jälkeiseen säännölliseen lauseekkeeseen.


====erityismerkit====
== Johdatus säännöllisiin lausekkeisiin ==
*'^': Rivin alku, tämä ei siis vastaa rivin ensimmäistä merkkiä vaan vain rivin alkua.
 
*'$': Rivin loppu, vastaavasti.
===Perusteet===
*'.': mikä tahansa merkki
Säännöllinen lauseke joko ''vastaa'' tai ''ei vastaa'' merkkijonoa. Kutsutaan säännöllistä lauseketta ''lausekkeeksi'' ja merkkijonoa, jonka vastaavuus lausekkeeseen halutaan selvittää, ''kohteeksi''.
===[[Perl]]===
 
Lausekkeen yksinkertaiset kirjoitusmerkit vastaavat yksi-yhteen kohteen kirjoitusmerkkejä. Tämän vuoksi lauseke
abba
vastaa yllätyksettömästi kohdetta
'''abba'''
mutta ei kohdetta
bono
 
Yleensä (mm. grep ja awk) katsotaan, että kohteen alussa ja lopussa voi olla mielivaltainen määrä ei-vastaavia merkkejä. Tällöin kohde (s.o. näiden komentojen tapauksessa ''rivi'') vastaa lauseketta, jos edes jokin sen ''osa'' vastaa lauseketta. Siis grep ja awk -yhteydessä lauseke
abba
vastaa kohdetta
bo'''abba'''bo
ja
dada'''abba'''gada
mutta ei silti kohdetta
b'''abb'''bab
 
===Operaattorit===
Yksi-yhteen vastaavien kirjoitusmerkkien lisäksi säännöllisissä lausekkeissa on mahdollisuus käyttää erilaisia ''operaattorimerkkejä'', joilla on lausekkeessa erikoismerkitys.
 
====Vaihtoehtoisuusoperaattori: <tt>|</tt>====
Näistä ensimmäinen on operaattori <tt>|</tt>, joka tarkoittaa ''vaihtelua'' tai ''alternointia'' (engl. alternation). Sen merkitys on sama kuin luonnollisen kielen sanalla "tai". Lauseke
omena|luumu
vastaa sekä kohteita
'''omena'''
että
'''luumu'''
Kun lisäksi muistamme yltä, että komentorivityökalujen tapauksessa kohde voi sisältää ei-vastaavia merkkejä sekä alussa että lopussa, vastaa ylläoleva lauseke <tt>omena|luumu</tt> myös merkkijonoja
uuni'''omena'''
tai
'''luumu'''soppa
Huomaa kuitenkin, että seuraavassa kohteessa vain ensimmäinen esiintymä vastaa lauseketta
kotimainen '''omena'''-luumuhillo
 
====Toisto-operaattorit====
Merkeillä <tt>*</tt>, <tt>+</tt>, <tt>?</tt> ja ilmaisulla <tt>{n,m}</tt> on säännöllisissä lausekkeissa erikoismerkitys, joka vaikuttaa niitä ''välittömästi edeltävään'' merkkiin.
 
=====Mielivaltaisen monta: <tt>*</tt>=====
Operaattori <tt>*</tt> tarkoittaa ''"edellinen toistettuna mielivaltaisen monta kertaa, tai ei kertaakaan"''. Siten lauseke
ab*a
vastaa kaikkia seuraavia kohteita:
'''abbbbbbbbbbbbbbbbba'''
'''abbba'''
'''abba'''
'''aba'''
'''aa'''
mutta ei seuraavia:
'''a'''cccca
bba
 
Todettakooon, että selvästi b-merkkien määrä kohteessa voi olla mielivaltainen, joten eri vastaavia kohdemerkkijonoja on olemassa myös ääretön määrä.
 
=====Vähintään yksi: <tt>+</tt>=====
Operaattori <tt>+</tt> tarkoittaa ''"edellinen toistettuna mielivaltaisen monta kertaa, mutta vähintään kerran"''. Siten lauseke
ab+a
vastaa seuraavia kohteita:
'''abbbbbbbbbbbbbbbbba'''
'''abbba'''
'''abba'''
'''aba'''
mutta ei seuraavia:
'''a'''a
'''a'''cccca
bba
 
=====Ehdollinen: <tt>?</tt>=====
Operaattori <tt>?</tt> tarkoittaa ''"edellinen kerran, tai ei kertaakaan''". Siten lauseke
ab?a
vastaa seuraavia kohteita:
'''aba'''
'''aa'''
mutta ei mitään seuraavista:
'''ab'''bbbbbbbbbbbbbbbba
'''ab'''bba
'''ab'''ba
'''a'''cccca
bba
 
=====n:stä m:n kertaan: <tt>{n, m}</tt>=====
Aina yllä olevat operaattorit <tt>*</tt>, <tt>+</tt> ja <tt>?</tt> eivät riitä, vaan jotain merkkiä tarvitsee vastata juuri tietyn määrän toistoja. Voitaisiin toki kirjoittaa
aaaa?a?
jos halutaan vastata
aaa
aaaa
aaaaa
mutta voidaan kirjoittaa lyhyemmin
a{3,5}
Tämä tarkoittaa, että edeltävää merkkiä <tt>a</tt> voi esiintyä kolmesta viiteen kertaan. Käytetään yleisesti tästä ilmaisusta mallia <tt>{n,m}</tt>, jossa <tt>n</tt> ja <tt>m</tt> ovat mielivaltaisia kokonaislukuja, tarkoittaen ''"n:stä m:n kertaan"''.
 
Kumpi tahansa numeroista <tt>n</tt> ja <tt>m</tt> voidaan jättää pois. Täten ilmaisu
{n}
tarkoittaa ''"tasan n kertaa"'. Ilmaisu
{n,}
tarkoittaa ''"vähintään n kertaa"''. Ilmaisu
{,m}
tarkoittaa ''"korkeintaan m kertaa"''.
 
Sivuhuomatuksena todettakoon, että yllä olevan perusteella lyhyemmät operaattorit <tt>*</tt>, <tt>+</tt> ja <tt>?</tt> voitaisiin aina korvata ilmaisuilla <tt>{0,}</tt>, <tt>{1,}</tt> ja <tt>{0,1}</tt> vastaavasti.
 
===== Huomautuksia =====
Operaattoreita voi yhdistää mielivaltaisesti toisiinsa. Siten lauseke
hur+a*!*
vastaavaa kaikkia seuraavia kohteita:
'''hur'''
'''hurr'''
'''hurra'''
'''hurraa'''
'''hurraa!'''
'''hurrraaa!!!!'''
jne.
 
Toisaalta lauseke ''ei vastaa'' mitään seuraavista kohteista:
burraa!
'''hu'''aa!!
'''hu'''uuurraa!!
'''hurr'''urrur!!
jne.
 
Tässä vaiheessa on hyvä varmistaa, että ymmärtää edellä esitetyn esimerkin kokonaisuudessaan.
 
===Sulut: <tt>(</tt> ja <tt>)</tt>===
'''Kysymys:''' Jos halutaan vastata kohdetta <tt>hUrrUrrUrr</tt> siten, että merkkijono <tt>Urr</tt> voi esiintyä kohteessa äärettömän monta kertaa, miten tulee toimia?
 
'''Vastaus:''' Tämä on mahdotonta tähän mennessä esitetyillä operaattoreilla. Voisimme toki kirjoittaa <tt>hU+r+r+</tt> tai vastaavaa, mutta tämä vastaisi vain kohteita kuten <tt>hUUrrrr</tt>. Tarvitsemme selvästi uuden operaattorin; ''sulut''.
 
Merkeillä <tt>(</tt> ja <tt>)</tt> voidaan määrittää lausekkeen osia, jotka samaan tapaan kuin koulumatematiikassa lasketaan ''ennen'' laskun muita osia. Koska säännöllisissä lausekkeissa ei kuitenkaan lasketa mitään, havainnollistetaan sulkujen merkitystä esittämällä ratkaisu yllä olevaan kysymykseen.
 
Lauseke
h(Urr)+
vastaa kohteita
'''hUrr'''
'''hUrrUrr'''
'''hUrrUrrUrr'''
'''hUrrUrrUrrUrr'''
jne. jne. Lauseke ei vastaa seuraavia kohteita:
'''h'''Arr
'''h'''Err
burr
 
Samoin kohde
'''hUr'''
näyttää oikealta, mutta jää kuitenkin liian lyhyeksi, sillä sulkujen sisältö on löydyttävä kohteesta aina ''kokonaan''. Siksi kohde <tt>hUr</tt> <u>ei</u> vastaa lauseketta <tt>h(Urr)+</tt>.
 
====Esimerkkejä====
 
Sulkuja voi yhdistellä mielivaltaisesti kaikkiin operaattoreihin <tt>*</tt>, <tt>+</tt>, <tt>?</tt> ja <tt>|</tt>. Seuraavassa on annettu sarja lausekkeita, sekä esimerkkejä kutakin vastaavista ja vastaamattomista kohteista:
 
Lauseke
d(ii)?pada+(pa|ba)?
vastaa esimerkiksi seuraavia kohteita
'''diipadaaba'''
'''diipadaapa'''
'''dpadaapa'''
'''dpadaaba'''
'''diipadaaaaapa'''
'''diipadaaaaaba'''
'''diipada'''
'''diipada'''
'''diipadaaa'''
'''diipadaaaa'''
mutta ei mitään seuraavista
'''di'''padaapa
'''diipad'''uu
'''diipad'''
 
Viimeinen esimerkki jää lyhyeksi, sillä merkki <tt>a</tt> on lausekkeessa pakollinen vähintään kerran.
 
Lauseke
(hi|ha|ho)+
vastaa mitä tahansa kohdetta, jossa esiintyy mikä tahansa määrä merkkijonoja <tt>hi</tt>, <tt>ha</tt> ja <tt>ho</tt> peräkkäin mielivaltaisen monta kertaa, kuitenkin vähintään kerran. Lauseke vastaa siis kaikkia seuraavia:
'''hi'''
'''ha'''
'''ho'''
'''hihi'''
'''haha'''
'''hiha'''
'''hoho'''
'''hihaho'''
'''hahohihohahi'''
mutta ei
'''h'''e
'''h'''u
'''h'''uhu
'''h'''ehe
 
===Yhtä merkkiä vastaavat erikoismerkit===
Säännöllisissä lausekkeissa voi esiintyä myös joitain erikoismerkkejä, jotka eivät ole operaattoreita, eli ne eivät vaikuta niitä edeltäviin sulkuihin tai merkkeihin. Ne voitaisiin aina kirjoittaa lausekkeilla muotoa
(merkki1|merkki2|merkki3|merkki4|...|merkkiN)
mutta tämä on varsin työlästä ja epäselkeää. Siksi säännöllisissä lausekkeissa on joitain erikoismerkkejä, jotka ovat oikopolkuja monimutkaisten vaihtoehtoisuuslausekkeiden kirjoittamiseen.
 
====Jokerimerkki: <tt>.</tt>====
Merkillä <tt>.</tt> (piste) on erikoismerkitys. Se vastaa aina ''mitä tahansa'' merkkiä. Lauseke
.*
vastaa siis kaikkia mahdollisia kohteita - jopa tyhjää merkkijonoa, sillä operaattori <tt>*</tt> tarkoittaa, että erikoisoperaattori "mikä tahansa merkki" voi esiintyä myös nolla kertaa.
 
Lauseke
(h.)+
vastaa siten kaikkia seuraavista:
'''ha'''
'''he'''
'''hi'''
'''hy'''
'''hr'''
'''hihrhy'''
mutta ei
rh
ah
oh
ih
'''h'''
Viimeinen esimerkki jää jälleen lyhyeksi, sillä <tt>.</tt> ei vastaa kuitenkaan "tyhjää" merkkiä.
 
Lauseke
.upu
vastaa
'''tupu'''
'''hupu'''
'''lupu'''
'''Tupu'''
'''Hupu'''
'''Lupu'''
mutta myös
'''supu'''
mutta ei
sepe
 
 
====Merkkiluokat: <tt>[]</tt>====
Jos halutaan korjata ylläoleva Ankanpoika-esimerkki, voitaisiin kirjoittaa:
(t|h|l|T|H|L)upu
joka vastaisi vain ja ainoastaan:
'''tupu'''
'''hupu'''
'''lupu'''
'''Tupu'''
'''Hupu'''
'''Lupu'''
 
Merkkien <tt>[]</tt> avulla voidaan määritellä kirjainluokkia siten, että seuraava merkki kohteessa vastaa vain ja ainoastaan jotain hakasulkujen välissä olevaa kirjainta. Siten äskeistä täysin vastaa lauseke on
[thlTHL]upu
 
Hakasulkujen välissä voidaan myös määritellä aakkoston mukaisia välejä väliviivalla <tt>-</tt>. Tällöin
19[4-9][0-9]|20[0-9][0-9]
vastaa kaikkia vuosilukuja välillä 1940-2099. Samoin
Osasto [A-I]
vastaa
'''Osasto A'''
'''Osasto B'''
'''Osasto C'''
...
'''Osasto H'''
'''Osasto I'''
mutta ei
'''Osasto '''J
 
Jos merkki <tt>-</tt> halutaan sisällyttää hakasulkuilmaisuun, se jätetään viimeiseksi. Esim.
Ala[ -]aste
vastaa
'''Ala aste'''
'''Ala-aste'''
 
Jos oikea hakasulku (<tt>]</tt>) halutaan sisällyttää hakasulkuilmaukseen, se laitetaan hakasulkujen ensimmäiseksi merkiksi. Esim.
[]abcdef]+
vastaa
'''a'''
'''b'''
''']'''
'''ab]'''
'''d]f'''
jne., mutta ei
[gi
zo
 
Hakasulkuilmaisusn merkitys voidaan kääntää asettamalla hattu <tt>^</tt> sen ensimmäiseksi merkiksi. Tällöin hakasulkuilmaisu vastaa mitä tahansa hakasuluissa <u>'''ei'''</u> esiintyvää merkkiä kohteessa. Täten lauseke
[^aeiouyåäö]+
vastaa mitä tahansa pelkistä konsonanteista, välimerkeistä ja numeroista koostuvaa kohdetta, kuten
'''prrr'''
'''123'''
'''hkr'''
'''brr-hrr'''
jne. Mutta ei
au
aiai
jne.
 
Grepin hyväksymissä säännöllisissä lausekkeissa merkin <tt>^</tt> voi sisällyttää hakasulkuilmaukseen laittamalla sen miksi tahansa muuksi merkiksi, kuin hakasulkujen ensimmäinen merkki. Tämä ei pidä välttämättä paikkaansa kuitenkaan kaikilla säännöllisten lausekkeiden toteutuksilla, vaan hattumerkin eteen on mahdollisesti laitettava pako-operaattori <tt>\</tt>.
 
====Pako-operaattori: <tt>\</tt>====
Jos halutaan vastata jotain merkkiä, joka on määritelty operaattoriksi säännöllisissä lausekkeissa, sitä ei voida kirjoittaa sellaisenaan lausekkeeseen. Jos halutaan vastata tarkalleen jotain seuraavista
Mitä?
Missä?
Milloin?
ei voida kirjoittaa lauseketta
(Mi(tä|ssä|lloin))?
koska kysymysmerkki <tt>?</tt> lopussa vain ehdollista koko ulomman sulkuilmaisun, ja koko lauseke vastaisi siis vain joko tyhjää merkkijonoa tai kysymysmerkitöntä kysymyssanaa.
 
Tarvitaan pako-operaattoria <tt>\</tt>. Merkin <tt>?</tt> tai ylipäänsä minkä tahansa opraattorimerkin erikoismerkityksen voi poistaa asettamalla sen eteen kenoviivan. Tällöin kenoviivaa välittömästi seuraava merkki täytyy esiintyä kohteessa sellaisenaan. Oikea tapa kirjoittaa yllä oleva lauseke olisi siten
(Mi(tä|ssä|lloin))\?
Tämä vastaa vain ja ainoastaan haluttuja merkkijonoja.
 
Seuraavat operaattorit on merkittävä pako-operaattorilla, jos niitä ei haluta tulkittavan erikoismerkeiksi:
( ) | * + ? { } [ ] ^ $ \
 
Siis, jos halutaan vastata kohteessa kenoviivaa, on kirjoitettava <tt>\\</tt>. Esimerkiksi Windows-polku:
''<asema>'':\Dokumentit\''<nimi>''.(doc, docx tai odt)
voidaan löytää esim. seuraavalla säännöllisellä lausekkeella:
[A-Z]:\\Dokumentit\\[a-öA-Ö0-9 _-]+\.(doc|docx|odt)
 
=== Rivin alku ja loppu: <tt>^</tt> ja <tt>$</tt>===
On voinut herätä kysymys, kuinka voidaan vastata kohdetta (s.o. riviä) ''tarkalleen''. Heti alussa selvisi, että esim grepin mielestä kohde (rivi) vastaa lauseketta, jos lauseke esiintyy missä tahansa kohdassa riviä. Jos halutaan, että lauseke vastaa alusta loppuun tarkalleen koko riviä, on otettava käyttöön erikoismerkit <tt>^</tt> ja <tt>$</tt>. Nämä vastaavat kohteessa rivin tai merkkijonon alkua ja loppua kuvaavia "näkymättömiä" merkkejä vastaavasti. Siten
^abba$
vastaa vain riviä
'''abba'''
mutta ei esimerkiksi
babba
abbab
babbab
'''ab'''a
'''abb'''bba
 
==== Esimerkki ====
 
Merkit <tt>^</tt> ja <tt>$</tt> antavat viimeisen silauksen grepin tehokkaaseen hyödyntämiseen. Nyt esimerkiksi, jos tulostetaan kaikki [[prosessi]]t komennolla <tt>[[ps]] -ef</tt>, saadaan yleensä jokseenkin tälläinen listaus (esimerkissä palvelinkone):
$ ps -ef
UID        PID  PPID  C STIME TTY          TIME CMD
root        1    0  0 Jan21 ?        00:00:34 init [2]     
root      1425    1  0 Jan31 ?        00:00:00 /usr/sbin/xinetd
qmails    3986    1  0 Jan21 ?        00:00:00 qmail-send
qmaill    3990  3986  0 Jan21 ?        00:00:00 splogger qmail 2
root      3993  3986  0 Jan21 ?        00:00:00 qmail-lspawn | /usr/bin/deliverquota ./Maildir
qmailr    3994  3986  0 Jan21 ?        00:00:00 qmail-rspawn
qmailq    3995  3986  0 Jan21 ?        00:00:00 qmail-clean
root      5566    1  0 Jan21 ?        00:00:05 /usr/sbin/apache2 -k start
root      6091    1  0 Jan21 ?        00:00:03 /usr/sbin/cron
www-data 15379  5566  0 Feb14 ?        00:00:00 /usr/sbin/apache2 -k start
www-data 15386  5566  0 Feb14 ?        00:00:00 /usr/sbin/apache2 -k start
root    21684 32395  0 20:37 ?        00:00:00 sshd: user [priv]
user    21688 21684  0 20:37 ?        00:00:00 sshd: user@pts/1
user    21689 21688  0 20:37 pts/1    00:00:00 -bash
user    21705 21689  0 20:37 pts/1    00:00:00 ps -ef
syslog  32279    1  0 Jan21 ?        00:00:07 /sbin/syslogd -u syslog
bind    32351    1  0 Jan31 ?        00:00:00 /usr/sbin/named
root    32395    1  0 Jan21 ?        00:00:22 /usr/sbin/sshd
(... jne ...)
 
Jos haluamme ylläolevasta listasta vain "qmail" -alkuisten [[käyttäjä|käyttäjien]] prosessit, voisimme kirjoittaa
ps -ef | grep qmail
Tämä kuitenkin tulostaa myös kaikki sellaiset prosessit, joiden nimikentässä esiintyy "qmail" – joukossa myös käyttäjän [[root]] prosesseja vastoin alkuperäistä tarkoitusta:
$ ps -ef | grep qmail
qmails    3986    1  0 Jan21 ?        00:00:00 qmail-send
qmaill    3990  3986  0 Jan21 ?        00:00:00 splogger qmail 2
root      3993  3986  0 Jan21 ?        00:00:00 qmail-lspawn | /usr/bin/deliverquota ./Maildir
qmailr    3994  3986  0 Jan21 ?        00:00:00 qmail-rspawn
qmailq    3995  3986  0 Jan21 ?        00:00:00 qmail-clean
 
Ratkaisu qmail -alkuisten käyttäjien prosessien listaamiseen on:
$ ps -ef | grep ^qmail.
qmails    3986    1  0 Jan21 ?        00:00:00 qmail-send
qmaill    3990  3986  0 Jan21 ?        00:00:00 splogger qmail 2
qmailr    3994  3986  0 Jan21 ?        00:00:00 qmail-rspawn
qmailq    3995  3986  0 Jan21 ?        00:00:00 qmail-clean
 
Hattumerkki <tt>^</tt> alussa vastaa jokaisen listausrivin alkua, jota pitää välittömästi seurata merkkijono <tt>qmail</tt>, ja tämän jälkeen voi tulla mikä tahansa merkki (ilmaisu <tt>.</tt>). Grep tulostaa vain lausketta vastaavat rivit, ja tulos on haluttu.
 
===== Pako komentotulkista =====
Jos halutaan antaa jokin monimutkaisempi ilmaisu, on hyvä asettaa säännöllinen lauseke yksinkertaisten heittomerkkien <tt>'</tt> sisään, jotta ne regexp-operaattorit, joillla on jokin erikoismerkitys [[komentotulkki|komeotulkissa]] eivät aiheuta ongelmia.
$ echo moi | egrep m(o|a)i
-bash: syntax error near unexpected token `('
Sululla <tt>(</tt> on erikoismerkitys komentotulkissa, samoin merkillä <tt>[[putki||]]</tt>. Ratkaisu:
$ echo moi | egrep 'm(o|a)i'
moi
Esimerkissä käytettiin komentoa egrep. Se on oikopolku grepin [[valitsin|valitsimelle]] <tt>-E</tt>, joka ottaa säännöllisten lausekkeiden laajennetun tuen käyttöön. Normaalissa käytössä (pelkkö komento <tt>grep</tt>) operaattorit <tt>? + {} | (</tt> ja <tt>)</tt> eivät ole käytettävissä, paitsi asettamalla niiden eteen pako-operaattori <tt>\</tt>.
 
Jos ylläolevassa prosessilistausesimerkissä halutaan tulostaa pelkät prosessien [[PID]]-numerot, voidaan käyttää [[awk]]-työkalua seuraavasti:
$ ps -ef | awk '/^qmail./ { print $2 }'
3986
3990
3994
3995
 
== Esimerkkejä lausekkeista ==
Web-kuva:
[^ ]+\.(png|PNG|jpg|JPG|jpeg|JPEG|gif|GIF)
Päivämäärä muotoa pp.kk.vvvv:
[0-9]{1,2}\.[0-9]{1,2}\.[0-9]{4}
2-merkkinen [[wikipedia:fi:heksadesimaalijärjestelmä|heksadesimaali]]:
[0-9A-Fa-f]{2}
Sähköpostiosoite:
[a-zA-Z0-9_]+@[a-zA-Z0-9_\.]+\.[a-zA-Z]{2,3}
 
== Laajennukset ==
Yllä esitetty on hyvä lähtökohta säännöllisiin lausekkeisiin, ja kaikki modernit [[POSIX]]-yhteensopivat toteutukset tukevat mainittuja operaattoreita ja erikoismerkkejä. Monissa ohjelmointikielissä on tehty laajennuksia tähän, mutta esim. [[grep]] ei tue seuraavia.
 
=== Pakoluokat ===
Jos halutaan kirjoittaa lause, joka jossain kohtaa vastaa mitä tahansa numeromerkkiä, voidaan kirjoittaa hakasulkuilmaus <tt>[0-9]</tt>. Tälläisille yleisesti käytetyille luokille on kuitenkin olemassa laajennuksissa helpompia nimiä. Kutsutaan näitä pakoluokiksi.
 
{| style="border-style: solid; border-collapse: collapse" border="1"
|+'''Pakoluokat'''
|-
! Ilmaisu !! Merkitys !! Vastaava hakasulkuilmaus
|-
| <tt>\w</tt> || Mikä tahansa kirjain, numero tai alaviiva. || <tt>[a-zA-Z0-9_]</tt>
|-
| <tt>\W</tt> || Äskeisen vastakohta; mikä tahansa muu kuin kirjain, numero tai alaviiva. || <tt>[^a-zA-Z0-9_]</tt>
|-
| <tt>\s</tt> || Mikä tahansa tyhjä merkki (esim. välilyönti tai tabulaattori) || esim. <tt>[ \t]</tt>, jossa <tt>\t</tt> tabulaattorimerkki
|-
| <tt>\S</tt> || Äskeisen vastakohta; mikä tahansa ei-tyhjä merkki || esim. <tt>[^ \t]</tt>
|-
| <tt>\d</tt> || Mikä tahansa numero. || <tt>[0-9]</tt>
|-
| <tt>\D</tt> || Äskeisen vastakohta; mikä tahansa ei-numero. || <tt>[^0-9]</tt>
|}
 
Lauseke
\d+
vastaa siis kaikkia numeroita aivan siinä missä myös
[0-9]+
 
==Katso myös==
* [[Komentorivin perusteet]]
* [[Grep]] ja [[Awk]]
** [[Putki]]
* [[Ed]] ja [[Sed]]: tuki säännöllisille lausekkeille
* [[Vi]] ja [[vim]]: näiden graaffinen tila
* [[Emacs]]


==Aiheesta muualla==
==Aiheesta muualla==
Rivi 27: Rivi 442:
*[[wikipedia:fi:turingin kone|Turingin kone]]
*[[wikipedia:fi:turingin kone|Turingin kone]]
*[http://www.ohjelmointiputka.net/opas.php?tunnus=phpsl Säännölliset lausekkeet PHP:ssä] -opas Ohjelmointiputkassa
*[http://www.ohjelmointiputka.net/opas.php?tunnus=phpsl Säännölliset lausekkeet PHP:ssä] -opas Ohjelmointiputkassa
*[http://swtch.com/~rsc/regexp/regexp1.html Regular Expression Matching Can Be Simple And Fast]: Keskustelua säännöllisten lausekkeiden toteutuksesta C-kielellä englanniksi.


[[Luokka:Käsitteet]]
[[Luokka:Käsitteet]]
[[Luokka:Komentorivi]]
[[Luokka:Perustietoa]]
Ordyh
150

muokkausta

Noudettu kohteesta ”https://www.linux.fi/wiki/Toiminnot:MobileDiff/30746”

Navigointivalikko