Regulární výrazy a program grep

Regulární výrazy:

- slouží k hledání hodnot v řetězcích (ne pouhé srovnání)

- znak ‚konec řádku‘ je standardně ignorován

- využívají se ve více příkazech

- tvoří je normální znaky a/nebo metaznaky:

 - základní: ^ $ . * \( \) [ \{ \} \  ( expr, ex, vi, ed)
 - nadstandardní: | ^ $ . * + ? ( ) [ { } \ (grep, sed – oba 
 s parametrem –E)
 - grep –E navíc ještě metaznaky \< \>
 
Význam jednotlivých metaznaků:
 

.	zástupný znak pro jeden znak ve vstupní řádce
^	representuje začátek vstupní řádky (tj. ^A - text začínající znakem A)
$	representuje konec řádku (tj. A$ - text končící znakem A
[]	representuje regulární výraz (může to být jeden znak nebo část řetězce)
[^ …]	bude porovnávat všechny znaky , kromě výrazu v závorkách (doplněk)
[^-]
[^]
[= znak=]	bude porovnávat znaky které mají stejnou třídu jako znak. (tj. [=a=] bude porovnávat s ‘a‘ a ‘\(a:‘ a ‘\(a`‘ a v některých implementacích i ‘A‘)
[:třída:]	bude nahrazovat třídu (skupinu) znaků. Jedná se o tyto třídy: [:alpha:] Znaky abecedy. [:lower:] Malé znaky. [:upper:] Velké znaky. [:digit:] Číslice. [:alnum:] Alfanumerické znaky (Sjednocení ‘aplha‘ a ‘digit‘ ). [:space:] Znaky ‘white space‘ (mezera, horizontální a vertikální tab.). [:graph:] Všechny tisknutelné znaky s výjimkou mezery. [:print:] Všechny tisknutelné znaky a mezera. [:punct:] Všechny tisknutelné znaky mimo znaků skupin ‘space‘ a ‘alnum‘. [:cntrl:]  Všechny netisknutelné znaky.
[zn1-zn2]	Interval znaků. (tj. [a-f] - znaky ‘a‘ až ‘f‘ včetně)
\	Následující znak bude hledán v řetězci. (tj. \\ nebo \[ vstupní řetězec bude prohledáván na \ nebo [.
\d	representuje desítkovou cifru (1 až 9)
výraz*	Regulární výraz je opakován 0 a víckrát (tj. A* je null string, A, AA, AAA …)
výraz+	Regulární výraz je opakován minimálně jednou (tj. A+ je A, AA, AAA …)
výraz?	Regulární výraz je opakován jednou nebo ani jednou.
znak{n} znak\{n\}	n je celé kladné číslo, které určuje počet opakování znaku. (tj. X\{3\} je XXX).
znak{min,} znak\{min,\} znak{min,max} znak\{min,max\}	Znak je opakován minimálně min krát a maximálně max krát
výraz1|výraz2	Vstup je porovnán výrazem1 nebo výrazem2
(výraz1\(výraz2\)	Umožňuje slučovat výrazy (cíl: snížení specielních znaků)
\< \>	Identifikátor.

 
Podporované metaznaky v programech:
 

Notation	awk	ed	egrep = grep -E	expr	gres	pg	sed	vi
.	•	•	•	•	•	•	•	•
^	•	•	•		•	•	•	•
$	•	•	•	•	•	•	•	•
[...]	•	•	•	•	•	•	•	•
[::]	•	•	•	•	•	•	•
re*	•	•	•	•	•	•	•	•
re+	•		•		•	•
re?	•		•		•	•
re|re	•		•		•	•
\d	•	•	•	•	•	•	•	•
(...)	•		•		•	•
\(...\)		•		•			•	•
\<			•					•
\>			•					•
\{ \}	•		•		•	•	•
{ }	•		•

 
Příklady: 

abc

výstupem bude každá řádka, která bude obsahovat řetězec abc.

a.c

výstupem bude každá řádka, která bude obsahovat řetězec složený ze znaků ‘a‘ následovaný libovolným znakem následovaný znakem ‘c‘

^.$

výstupem bude řádka, která bude obsahovat právě jeden znak (‘\n‘ bude ignorováno)

a(b*|c*)d

výstupem bude každá řádka, která bude obsahovat řetězec složený z: ‘a‘ které bude následováno b nebo c, která budou opakována 0 a vícekrát a ukončen bude znakem ‘d‘

.* [a-z]+ .*

výstupem bude řádka , která obsahuje slovo složené za znaků ‘a‘ až ‘z‘ a z každé strany je odděleno mezerou.

(morty).*\1

morty.*morty

výstupem obou výrazů bude řádka obsahující nejméně 2 výskyty slova ‘morty‘

[[:space:][:alnum:]]

výstupem bude znak který bude buď ‘white space‘ nebo alfanumerický.

Příkaz grep:

syntaxe:

grep [-[ABC] NUM] [-EFGHLUVZabchilnoqrsuvwxyz] [-e PATTERN

| -f FILE] [-d ACTION] [--directories=ACTION] [--extended-

regexp] [--fixed-strings] [--basic-regexp] [--regexp=PAT-

TERN] [--file=FILE] [--ignore-case] [--word-regexp]

[--line-regexp] [--line-regexp] [--no-messages] [--invert-

match] [--version] [--help] [--byte-offset] [--line-num-

ber] [--with-filename] [--no-filename] [--quiet]

[--silent] [--text] [--files-without-match] [--files-with-

matches] [--count] [--before-context=NUM] [--after-con-

text=NUM] [--context[=NUM]] [--binary] [--unix-byte-off-

sets] [--mmap] [--null] [--recursive] [file...]

- prohledává zadané vstupní soubory nebo standardní vstup na řádky, které odpovídají zadanému regulárnímu výrazu. Standardně vypíše řádky, které odpovídají.

- tři základní verze grepu:

-G, --basic-regexp

Akceptuje základní metaznaky (Pokud nebude zadán typ, bude vybrán tento)

-E, --extended-regexp

Akceptuje nadstandardní metaznaky

-F, --fixed-strings

Interpretuje regulární výraz jako seznam fixních řetězců oddělených ‘\n‘

- existují i varianty programu grep tj. grep což je rovno grep –E a grep, což je rovno grep - F

- všechny varianty grepu akceptují tyto přepínače:

-A NUM, --after-context=NUM

Vypíše NUM řádek po vyhovující řádce

-B NUM, --before-context=NUM

Vypíše NUM řádek před vyhovující řádkou

-C [NUM], --context[=NUM]

Vypíše NUM řádek (standardně 2) výtupu.

-V, --version

Vypíše verzi grepu do standardního chybového výstupu.

-b, --byte-offset

Vypíše byte offset pře začátkem každé řádky

-c, --count

Vypíše počet řádek, které vyhovují regulárnímu výrazu

-d ACTION, --directories=ACTION

Pokud vstupním souborem je adresář, provede akci definovanou v ACTION.

ACTION může být:

read – načte všechny soubory v adresáři

skip – přeskočí adresář

recurse – čte soubory (a adresáře) v adresáři rekurzivně

-e PATTERN, --regexp=PATTERN

Použije PATTERN jako regulární výraz pro porovnání řádků. Vhodné pro regulární výrazy začínající na ‘-‘. Může být definován více než jednou.

-f FILE, --file=FILE

Načte regulární výraz ze souboru.

-H, --with-filename

Vypíše název souboru pro každou shodu.

-h, --no-filename

Potlačí výpis názvu souboru při zpracování více souborů.

-i, --ignore-case

Ignoruje VELKÁ/malá písmena jak ve výrazu tak ve vstupu

-L, --files-without-match

Vypíše soubory, ve kterých nebyla ani jedna shoda.

-l, --files-with-matches

Vypíše soubory, ve kterých byla alespoň jedna shoda.

-n, --line-number

Vypíše před každou výstupní řádku její pořadové číslo.

-o, --with-filename

Vypíše název souboru před každou shodu.

-q, --quiet, --silent

Nic nevypisuje. Zastaví se na první shodě.

-r, --recursive

Čte všechny soubory (adresáře) rekurzivně.

-a, --text

V případě že se jedná o binární soubor, tak vypíše hlášku.

-v, --invert-match

Obrátí podmínku výběru tj. vybírá řádky, které nevyhovují reg. výrazu.

-w, --word-regexp

Vybere pouze ty řádky, ve kterých byla shoda regulárním výrazem a bylo to celé slovo.

-x, --line-regexp

Pouze ty řádky které byly přesně (celé) jako regulární výraz.