Regexp
Dans le jargon informatique, une expression régulière, ou Regexp, est une chaîne de caractères désignant un ensemble de chaînes de caractères respectant une syntaxe particulière. Elle est très utile dans la manipulation de texte, pour rechercher, remplacer ou supprimer des expressions rencontrées fréquemment.
Métacaractères
Un métacaractère est un symbole d'une expression régulière qui remplit une fonction précise. Quelques exemples d'application suivent ce tableau.
| Métacaractères | Fonction |
|---|---|
| ? | Opérateur portant sur l'expression précédente : 0 ou une fois l'expression précédente. |
| * | Opérateur portant sur l'expression précédente : 0, 1 ou plusieurs fois l'expression précédente. |
| + | Opérateur portant sur l'expression précédente : 1 ou plusieurs fois l'expression précédente. |
| {n} | Opérateur portant sur l'expression précédente : n fois exactement l’expression précédente |
| {n,m} | Opérateur portant sur l'expression précédente : n fois minimum et m fois maximum l’expression précédente |
| ^ | Négation ou début de ligne. |
| $ | Fin de ligne. |
| [] | Les crochets définissent une classe (voir section suivante). |
| () | Les parenthèses définissent un élément composé de l'expression régulière qu'elle contient |
| | | Opérateur ou. |
N.B. : Pour que « * » ne soit pas interprété comme un métacaractère, il faut plutôt utiliser « \* » ou « [*] ».
Exemples
- "abc": chaîne contenant la chaîne "abc"
- "abc?": chaîne qui contient "ab" suivie de zero ou un "c" ("ab" ou "abc")
- "abc*": chaîne qui contient "ab" suivie de zero ou plusieurs "c" ("ab", "abc" ...)
- "abc+": chaîne qui contient "ab" suivie de un ou plusieurs "c" ("abc", "abcc" ...)
- "abc{2}": chaîne qui contient "ab" suivie de deux "c" ("abcc")
- "abc{2,}": chaîne qui contient "ab" suivie de deux "c" ou plus ("abcc" etc..)
- "abc{2,4}": chaîne qui contient "ab" suivie 2, 3 ou 4 "c" ("abcc" .. "abcccc")
- "^debut": chaîne qui commence par "debut"
- "fin$": chaîne qui se termine par "fin"
- "[abc]": chaîne qui contient un "a", un "b", ou un "c".
- "a(bc)*": chaîne qui contient "a" suivie de zero "bc" ou plus
- "un|le": chaîne qui contient "un" ou "le"
- "(un|le) chien": chaîne qui contient "un chien" ou "le chien"
- "^abc+": chaîne commençant par "ab" suivie de un ou plusieurs "c" ("abc", "abcc" ...)
- "^chaîne$": chaîne qui commence et se termine par "chaîne"
- "(a|b)*": chaîne qui contient une suite de "a" ou de "b"
- "^.{3}$": chaîne qui contient 3 caractères exactement.
Classes de caractères
Une classe est définie en spécifiant, entre crochets « [ ] », les caractères en faisant partie. L'utilisation de métacaractères est autorisée.
| Classe | Signification |
|---|---|
| [abc] | La classe des trois caractères a, b et c |
| [a-z] | La classe de tous les caractères de a à z. |
| [^abc] | La classe de tous les caractères sauf a, b et c. |
| [a-zA-Z] | L'union des classes [a-z] et [A-Z]. |
Exemples
- "[abc]": chaîne qui contient un "a", un "b", ou un "c".
- "[a-z]": chaîne qui contient un caractère compris entre "a" et "z".
- "^[a-zA-Z]": chaîne qui commence par une lettre minuscule ou majuscule.
- "^[^a-zA-Z]": chaîne qui ne commence pas par une lettre.
- "[\+?{}.]": chaîne qui contient un de ces six caractères : \+?{}.
Combinaison avec grep
grep '^smu' file
cherche 'smu' au début de chaque ligne dans file.
grep 'smu$' file
cherche 'smu' à la fin de chaque ligne dans file.
grep '^smu$' file
retourne les lignes contenant seulement et exactement 'smu'.
grep '\^s' file
retourne les lignes commençant par '^s',car "\" permet de considérer ^ comme un caractère normal et non plus un méta-caractère.
grep '[Ss]mu' file
affiche les lignes contenant 'Smu' ou 'smu'.
grep 'B[oO][bB]' file
affiche les lignes contenant BOB, Bob, BOb or BoB.
grep '^$' file
recherche les lignes vides dans file.
grep '[0-9][0-9]' file
recherche les lignes contenant 2 chiffres côte à côte.