Artikel im Internet unter http://www.hidemail.de/blog/wiederholungen-regulaere-ausdruecke.shtml.
Donnerstag, 15.2.2007, 17:43:57 Uhr

Wiederholungen finden mit regulären Ausdrücken


Eine besondere Flexibilität erhalten Reguläre Ausdrücke durch die Möglichkeit, nach mehrfachem Auftreten von Zeichen zu suchen.
Erreicht wird dies durch die Angabe der Anzahl in geschweiften Klammern { und }.
Die Angabe {2,5} bedeutet, daß das Zeichen 2-5 mal enthalten sein muß.

Beispiel

my $t = "aaabbbbcccc";
if($t =~ /b{2,3}/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 1
if($t =~ /a{1,3}/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 2
if($t =~ /c{5,10}/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 3



Ausgabe:
wahr (bbb)
wahr (aaa)
falsch

Das Ergebnis an sich war zu erwarten, jedoch die speziellen Werte scheinen zu verblüffen: Warum wird im ersten Test bbb gefunden und nicht bb, warum im 2. Test aaa und nicht a?
Ganz einfach: Perl ist gierig! Perl will immer die größt mögliche Übereinstimmung, und das war nun mal bbb und aaa!

Wie Sie noch sehen werden, gibt es in Perl für oft verwendete Schreibweisen meist Abkürzungen, so auch hier:
{n} = {n,n} genau n-mal
{n,} = mindestens n-mal
? = {0,1} höchstens einmal
+ = {1,} mindestens einmal
* = {0,} beliebig oft

Beispiele

my $t = "aaBcc";

if($t =~ /a{2}/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 1
if($t =~ /a{2,}/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 2
if($t =~ /B+/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 3
if($t =~ /Z?/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 4
if($t =~ /aBy*/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 5
if($t =~ /x*B+/) { print "wahr ($&)\n" } else { print "falsch\n" } # Test 6



Die Variable $t besteht alle Tests erfolgreich.
Die folgende Liste zeigt, an welchen Stellen jeweils der reguläre Ausdruck paßt:

Test 1: aaBcc (genau zwei aufeinanderfolgende "a")
Test 2: aaBcc (mindestens zwei aufeinanderfolgende "x")
Test 3: aaBcc (mindestens ein "B")
Test 4: aaBcc ("Z" wird 0-mal "gefunden" - daher auch hier "wahr")
Test 5: aaBcc ("a" gefolgt von "B" evt. gefolgt von "y")
Test 6: aaBcc (beliebig viele "a" gefolgt von mindestens einem "B")

Wie man in Test 5 sieht, bezieht sich ein Sonderzeichen zur Mehrfachsuche nur auf das direkt davor stehende Zeichen, nicht aber auf andere Symbole weiter vorne.

Um Wiederholungen mehrerer Zeichen zu finden, setzt man diese Zeichen in Klammern ( ).

Beispiel:
$t=~ /(aa)+/;
Gefunden wird aa, aaa, aaaa, aaaaa, raraa, Maas, usw.
oder
$t=~ /(wert)+/;
Gefunden wird wert, wertig, wertwert usw., also alles, in dem mindestens einmal oder mehrmals wert vorkommt.

Übrigens
Ich habe geschrieben, daß Perl gierig ist, also immer die längste Lösung findet. Das ist jedoch nicht ganz richtig, richtiger wäre zu sagen, daß Perl die längste Lösung nimmt, die es zu erst findet.
So wäre das Ergebnis in $& bei

$t="aa-aaaa";
$t=~ /a+/;

gleich aa, wo doch aaaa, das als zweites kommt, länger. Aber Perl findet eben die beiden aa zuerst, diese passen auch, also wird das als Ergebnis verwendet.

Noch "perverser" ist folgendes Beispiel:
$t="aa===aaa";
$t=~ /=*/;

Hier steht im $& nichts, oder besser gesagt ein Leerstring. Wieso???
Nun, =* bedeutet ja 0 oder mehrmals =. Also, gleich am Anfang von $t steht kein =, also ist das Zutreffend!
Ist ja blöd, könnte man jetzt denken, wieso finde ich was, das gar nicht da steht... Absolut nicht zu gebrauchen!
Stimmt aber nicht, denn wenn zum Beispiel die Aufgabenstellung folgende ist:
Finde eine Ziffer, dazwischen kein ein oder mehrere Buchstaben, danach wieder eine Ziffer, so könnte man das so lösen:

$t="2fast4you";
$t=~ /\d\w*\d/;
print "Gefunden wurde: $&";


Ausgabe:
Gefunden wurde 2fast4

Und gepasst hätte der Ausdruck auch bei

$t="24you";
$t=~ /\d\w*\d/;
print "Gefunden wurde: $&";


Ausgabe
Gefunden wurde: 24

Bingo, so wie die Aufgabe eben gestellt war!


Zum Merken also
Wiederholungen suchen mit: a{2,3} findet 2 oder 3 mal a
Wiederholungen suchen mit: a{3} findet 3mal a
Wiederholungen suchen mit: a{3,} findet 3mal oder öfters a
Wiederholungen suchen mit: a+ findet 1mal oder öfters a
Wiederholungen suchen mit: a* findet 0mal oder öfters a
Wiederholungen suchen mit: a? findet 0 oder 1mal a
Wiederholung mehrerer Zeichen in Klammern (abc){1,4} findet abc 1 bis 4 mal

So weit für heute, weiter gehts dann hier.

Artikel im Internet unter http://www.hidemail.de/blog/wiederholungen-regulaere-ausdruecke.shtml.