Reguläre Ausdrücke (regular expressions, regexp)

?

einmal oder kein mal

*

beliebig oft (einschließlich kein mal)

+

beliebig oft, aber mindestens einmal

„[^abc]“

bedeutet nicht „a“, „b“ oder „c“, also Ersetzen von „[^abc]+“ in „bbbY“ durch „X“ würde liefern „bbbX“.

„[a-zA-Z]“

„a“ bis „z“ oder „A“ bis „Z“, inklusive (Bereich)

„[a-d[m-p]]“

„a“ bis „d“, oder „m“ bis „p“: „[a-dm-p]“ (Vereinigung)

„[a-z&&[def]]“

„d“, „e“, oder „f“ (Durchschnitt)

„[a-z&&[^bc]]“

„a“ bis „z“, außer „b“ und „c“: „[ad-z]“ (Subtraktion)

„[a-z&&[^m-p]]“

„a“ bis „z“, und nicht „m“ bis „p“: „[a-lq-z]“ ((Subtraktion)

\\

Das Backslash-Zeichen

\0n

Das Zeichen mit Oktal-Wert 0n (0 <= n <= 7)

\0nn

Das Zeichen mit Oktal-Wert 0nn (0 <= n <= 7)

\0mnn

Das Zeichen mit Oktal-Wert 0mnn (0 <= m <= 3, 0 <= n <= 7)

\xhh

Das Zeichen mit Hexadezimal-Wert 0xhh

\uhhhh

Das Zeichen mit Hexadezimal-Wert 0xhhhh

\t

Das Tabulator-Zeichen ('\u0009')

\n

Das Zeichen für „neue Zeile“ („newline“, '\u000A')

\r

Das Zeichen für Wagen-Rücklauf („carriage-return“, '\u000D')

\f

Das Zeichen für Seitenvorschub („form-feed“, '\u000C')

\a

Das Zeichen für einen Piepser („Glocke“, „alert“, „bell“, ('\u0007'))

\e

Das Escape-Zeichen ('\u001B')

\cx

Das zu x entsprechende CTRL-Zeichen. „\ca“ entspricht also dem Drücken der Umschalttaste „STRG“ (auf deutschen Tastaturen, engl. „CTRL“ für „control“) und dann dem „A“ (Beispiel: „\cj“ - oder „\011“ - wäre das Tabulator-Zeichen.)

.

Jedes Zeichen (je nach Einstellung des sogenannten „Dotall-Flags“ fällt unter JEDES Zeichen auch die Zeilenschaltung)

\d

Digit: Eine Ziffer: [0-9] (Achtung! Englische Dezimalzahlen können auch noch einen „.“ enthalten, Suchstring wäre dann etwa „\d+\.?\d*“.)

\D

KEINE Ziffer: [^0-9]

\s

Space: Leerraum: [ \t\n\x0B\f\r]

\S

Nicht-Leerraum: [^\s]

\w

Word. Wort-Zeichen: [a-zA-Z_0-9] (Daraus bestehen üblicherweise Variablennamen, für deutsche Texte fehlen hier die Umlaute äö...!)

\W

Nicht-Wort-Zeichen: [^\w]

\p{Lower}

Kleinbuchstabe: [a-z]

\p{Upper}

Grossbuchstabe: [A-Z]

\p{ASCII}

Alle ASCII-Zeichen:[\x00-\x7F]

\p{Alpha}

Alphabetische Zeichen:[\p{Lower}\p{Upper}]

\p{Digit}

Dezimalziffern: [0-9]

\p{Alnum}

Alphanumerische Zeichen:[\p{Alpha}\p{Digit}]

\p{Punct}

Zeichensetzung: One of !"#$%&'()*+,-./:;<=>?@[\]^_`{|}~

\p{Graph}

Ein sichtbares Zeichen: [\p{Alnum}\p{Punct}]

\p{Print}

Ein druckbares Zeichen: [\p{Graph}\x20]

\p{Blank}

Leerzeichen oder Tabulator: [ \t]

\p{Cntrl}

Ein Controlzeichen (deutsch: STRG, Steuerzeichen): [\x00-\x1F\x7F]

\p{XDigit}

Hexadezimalziffern: [0-9a-fA-F]

\p{Space}

Leerraum: [ \t\n\x0B\f\r]

\p{javaLowerCase}

Äquivalent zu java.lang.Character.isLowerCase()

\p{javaUpperCase}

Äquivalent zu java.lang.Character.isUpperCase()

\p{javaWhitespace}

Äquivalent zu java.lang.Character.isWhitespace()

\p{javaMirrored}

Äquivalent zu java.lang.Character.isMirrored()

^

Beginn einer Zeile

$

Ende einer Zeile

\b

Wort-Grenze (Achtung! Findet auch den „_“!)

\B

Nicht-Wort-Grenze

\A

Beginn der Eingabe

\G

Das Ende des vorigen Treffers

\Z

Ende der Eingabe bis auf das letzte Ende-Zeichen, falls vorhanden

\z

Ende der Eingabe

(?:X)

X, eine nicht-erfassende (nicht mitzählende) Gruppe (engl. „non-capturing group“). Normalerweise bilden Klammern (Teil-) Ausdrücke, auf die man sich mit „$1“ bis „$9“ beziehen kann („$0“ bezeichnet den kompletten gefundenen Ausdruck). Beispiel: Wir wollen „abcXXXdef“ durch „abcdef“ ersetzen. Wir könnten das beispielsweise, indem wir „(abc).{3}(def)“ suchen und durch „$1$2“ ersetzen. „abc“ und „def“ könnten dabei auch irgend etwas Variables sein.

(?idmsux-idmsux)

Nichts, aber setzt die Flags i d m s u x an – aus.

i

caseInsensitiv = ignoriere Gross-klein

d

Unix-Lines = Unix-Zeilenschaltungen: In diesem Modus wird nur das „\n“ als Zeilenschaltung erkannt.

m

multiline = „mehrzeilig“: Normalerweise bilden „^“ und „$“ nur Treffer am Anfang und Ende der Eingabe; im multiline-Modus gilt das für Zeilenanfang und -ende. Schalten Sie den multiline-Modus nicht ein, wenn Sie nach einem mehrzeiligen Text suchen wollen! Benutzen Sie „\s+“, um nach Leerraum zu suchen (inclusive der Zeilenschaltung und unabhängig vom Betriebssystem)!

s

dotall = Punkt (dot) steht für alles (all) (also auch für Zeilenschaltungen)

u

unicode = Gross-klein entsprechend Unicode (sollte man besonders in Deutschland zusammen mit dem Flag i einschalten)

x

comments = Kommentare (und Leerzeichen) erlaubt. Kommentare beginnen mit einem „#“ und gehen bis zum Ende der Zeile.

„\\“

brauchen wir unter Windoof bei Verzeichnisnamen. (Einfacher geht’s, wenn man den ganzen Verzeichnisnamen in „\Q“ und „\E“ einschließt („Quotation“ und „End“) , also beispielsweise „\QC:\Dokumente und Einstellungen\...\Eigene Dateien\E“.)

„\s+“

oder (noch besser) „\p{javaWhitespace}+“ bezeichnet einen beliebig langen Leerraum

„\w+“

einen Variablennamen (mit etwaigem Unterstrich, aber ohne Umlaute)

„\.“

ist ein Punkt

„.*“

ist eine beliebige (unter Umständen leere) Zeichenfolge

„\p{XDigit}{2,4}“

oder „[0-9a-fA-F]{2,4}“ bezeichnen Hexadezimal-Zahlen. Fehler bei Hexadezimal-Zahlen findet man beispielsweise mit „\s+[0-9a-fA-F]{3}[ \t\n\x0B\f\r\.;]+“.