&xwp;: Vaste Uitdrukkingen

Vaste Uitdrukkingen (Regular Expressions (REs)) worden gewoonlijk gebruikt om te bepalen of een karakter reeks van belang ergens past in een aantal karakter reeksen. Zij staan het specificeren toe van complexe overeenkomst criteria en zijn dus veel flexibeler dan de normale zoek reeksen.

&xwp; gebruikt een combinatie van veel standaarden voor RE syntaxis. Het functionaliteit niveau is het meest naaste gemodelleerd in uitgebreide vaste uitdrukkingen (extended regular expressions (ERE's)) zoals ondersteund wordt door de UNIX egrep en awk programma's. Sommige verbeteringen door POSIX ge‹ntroduceerd, die typisch gevonden worden in UNIX ex en vi, en het meest gevonden in GNU programmatuur worden ook ondersteund.

Er gelden de volgende regels (zie BNF definitie voor een formele definitie):

Basis karakters

De meeste karakters in een ERE kunnen worden opgegeven door ze gewoon te typen. B.v., abc komt overeen met a, dan b, dan c.
Bepaalde karakters hebben een speciale betekenis en zullen moeten worden overgeslagen door hen vooraf te laten gaan door een backslash \. Dit geldt voor de volgende karakters:
```
    ~ . ^ $ ( ) { } [ ] ? + * |
```
B.v. 1\*2 komt overeen met 1, dan *, dan 2.
Om overeen te komen met de backslash \ zelf, moet ook deze worden overgeslagen. B.v. c:\\config\.sys komt overeen met c:\config.sys.
De backslash kan worden gebruikt om karakters te beschrijven die moeilijk kunnen worden getypt.
```
  \n    nieuwe regel      ASCII 10
  \t    tab               ASCII  9
  \r    regelterugloop    ASCII 13
  \b    spatie terug      ASCII  8
  \f    papier invoer
  \e    escape            ASCII 27
  \x07  signaal           ASCII  7
```
C en C++ programmeurs zal deze notatie bekend voorkomen. Strikt genomen, overeenkomend met POSIX, als \x2e in een ERE werd geplaatst betekende dat "ieder karakter" (ASCII karakter 0x2e is de punt, wat betekent ieder karakter, zie verderop), maar deze implementatie behandelt het als "een volledig rondje"
Soms wordt de backslash gebruikt om een speciale ERE voorziening te introduceren. B.v. \< betekent 'Start van een woord' (zie verderop). Het karakter achter de backslash wordt meestal gekozen voor iets dat u niet nodig vindt om over te slaan, dus deze syntaxis mag geen enkel probleem veroorzaken.

Karakter reeksen

Karakter reeksen worden gespecificeerd tussen vierkante haken '[ ]' en geven een reeks van geaccepteerde karakters aan, of mogelijk een reeks van onacceptabele karakters.

  [abc]   komt overeen met ieder karakter dat kan a, b of c zijn
  [^abc]  komt overeen met ieder karakter dat noch  a, b, noch c is
  [a-z]   is de reeks karakters in het bereik 'a' tot 'z'
  [a-j-t] is de reeks karakters in het bereik 'a' tot 't'

Om overeen te komen met een -, ^, ] karakter tussen rechte haken, sla het met een backslash over, B.v. [\])}] komt overeen met ], of ), of }. U kunt ook complete POSIX karakter classes opgeven in een toegevoegd paar haken met dubbele punt. In deze context,

  [:alnum:]   betekent alle alfa numerieke karakters
              (met ASCII, hetzelfde als A-Za-z0-9)
  [:lower:]   betekent alle kakraters met kleine letter
  ... enz.

B.v., het opgeven van [[:alnum:] \t] staat alle alfanumeriek karaters toe plus spatie plus tab.

Ieder karakter

De punt (.) komt overeen met ieder enkel karakter, zonder zich druk te maken wat het eigenlijk is. B.v. t.e komt overeen met the, maar niet met tree.

Woord samenstellende karakters

GNU ERE's beschrijven de term "woord samenstellend karakter" om ieder alfanummeriek karakter in op te nemen, of het onderstreep _ karakter om wat typen te besparen.

\w is stenografie voor ieder woord samenstellende karakter en staat gelijk met [[:alnum:]_] of [A-Za-z0-9_] \W voor ieder niet woord samenstellende karakter en staat gelijk met [^[:alnum:]_] of [^A-Za-z0-9_].

Deze stenografie is ongeldig in karakter reeksen binnen vierkante haken

Niet een karakter

Een uitbreing van Microsoft op ERE's is om u toe te staan om te zeggen "ieder karakter behalve dit karakter" door het vooraf te laten gaan door een tilde ~. Dat is eenvoudig korter om te typen dan de equivalente vierkante haken karakter reeks (~a is korter om te typen dan [^a]). B.v. t~he komt overeen met tie, maar niet met the.

Ankers

Ankers geven condities aan waar een uitdrukking kan voorkomen:

  ^       past als we aan het begin van een reeks zijn
  $       past als we aan het einde van een reeks zijn
  \`      GNU alternatieve manier om ^ te schrijven
  \'      GNU alternatieve manier om $ te schrijven
  \<   past als we aan het begin zijn van een woord (of de gehele reeks)
  \>   past als we aan het einde zijn van een woord (of de gehele reeks)
  \B      past als we in een woord zijn
  \y      past als we aan het begin zijn van een woord (of gehele reeks)

Hier is "woord" gelijk aan de GNU definitie zoals boven gegeven.

B.v., ^xyz past alleen op xyz als het aan het begin van een regel is. \<fred past in fred, freddy, maar niet in alfred.

Herhalingen

Door gebruik te maken van ?, +, {M}, of {M,N} kunt u naar herhalingern zoeken.

  in ab?c   past a, dan nul of ‚‚n voorkomen van b, dan c
  ab+c      past a, dan ‚‚n of meer maal voorkomen van b, dan c
  ab*c      past a, dan nul of meer maal voorkomen van b, dan c
  ab{M}c    past a, dan M maal voorkomen van b, dan c
  ab{M,}c   past a, dan M of meer maal voorkomen van b, dann c
  ab{M,N}c  past a, dan tussen het M en N maal voorkomen van b, dan c

In het bovenstaande zijn M en N getallen in decimalen, waar indien beide gegeven worden, M <= N moet zijn.

B.v., [A-Za-z_][A-Za-z0-9_]* past op ieder wettige C of C++ ID. \w{10,} past op minstens 10 woord samenstellende karakters. \<[0-9]{5}\> past op een getal van 5 cijfers.

Verwisseling

U kunt naar het ‚‚n of het andere iets zoeken door gebruik te maken van het | symbool. B.v., fred|bill past op fred of bill. fred|bill|rob past op elk van de 3 namen.

Geneste ERE's

Vierkante haken kunnen worden gebruikt om ERE's te groeperen in sub-ERE's, zo dat bewerkingstekens zoals de herhalings- of de verwissel- bewerking op hen kunnen worden toegepast. B.v., (kikker|zalm)+ past op ‚‚n of meer voorkomens van kikker of zalm.

Nesten kan verschillende niveaus diep worden uitgevoerd.

Terug verwijzingen

Iedere keer dat een geneste ERE past, wordt, wat paste, vastgelegd. U kunt naderhand een terug verwijzing doen in de hoofd ERE (wat betekent dat wat er ook paste in het begin ook later weer moet passen) door een backslash op te geven met een enkel decimaal getal. Tot in 9 geneste ERE's kan dus worden terug verwezen.

B.v., \2 zegt de tweede geneste ERE moet opnieuw passen. Met als resultaat, (a|b)(c|d)\2\1 zal passen op acca, of adda of bcca of bddb.

Merk op dat het bovenstaande voorbeeld geen stenografie is voor het schrijven van (a|b)(c|d)(c|d)(a|b). Terug verwijzingen referen niet naar de ERE, maar naar dat wat er op paste.

Terug verwijzingen kunnen in geneste ERE's worden gedaan om terug te verwijzen naar geneste ERE's. B.v. kikker|((a|bc)d\1) past op kikker, of ada, of bcdbc, maar niet op adbc.