UNIXの正規表現

ド素人がWikipediaを読んで、学び始める前の曖昧なきっかけをつかむかもしれない程度。

正規表現とは、ギョーカイ用語で文字列の省略表記とこの解釈、ということのようで。

Basic Regular Expression
grepやsedなどの、UNIXのユーティリティのデフォルトらしい。

リテラルとメタ

リテラルは見たそのまま　文字は文字　文字以外の機能を示さない扱い
メタは何らかの機能を意味する　言葉としては高次の(ナニナニ) 他の文字のための何らかの別の意味を持つ



.　任意の一文字
　.at　hat、cat、bat


[ ]　括弧内に含まれる一文字

　[abc]　a、b、c
　[hc]at　hat、cat


-　括弧内の最初か最後にあるときはリテラル
　　そうでないときはメタ

　リテラル扱い
　[abc-] 　a、b 、c 、-
　[-abc]　同じ

　メタ扱い
　[a-z]　全ての小文字
　[abcq-z]　a、b、c、q、r、s、t、u、v、w、x、y、z
　[a-cq-z]　同様


尚 [ の記号そのもの、]の記号そのものについては、囲んでいる括弧内で  [ 記号、 ] 記号を先に書く。

　[][ab]　と書けば  ]の記号、[の記号、a、b の4つの文字のうち1文字

　敢えて不正確に書くなら　[　],[,a,b,　]　ということ


[^ ] 括弧内に含まれない一文字

　[^abc]　a、b、c 以外の任意の一文字
    [^b]at　bat 以外の .at でマッチする全ての文字列
　[^a-z] 　小文字以外の任意の一文字
　混用可能


^ 行の最初にマッチ
$ 行の最後にマッチ

    ^[hc]at　行の冒頭である場合のみ hat と cat にマッチ
    [hc]at$　行の末尾である場合のみ hat と cat にマッチ


\( \)　後に呼び出し重複利用するための記号

\n　 1から9までの数をメタとして利用
　　　\( \) で囲まれた部分の0回以上の繰り返し

独自解釈: 0回ではそもそも書く意味がないので実質1回以上、ただし無視してもいい、ということか!?

*   直前の文字を0回以上の繰り返し
　[]と組み合わせると複雑な表現に
　[xyz]*　x、y、zx、zyx ･･･など

さらにこれらを組み合わせると

　\(a.\)c\1*　abcab、abcabab ･･･様々な可能性がある一方で abcac ではない

　これを1文字ずつ改行して並べると
　1文字目はa
　2文字目は.なので任意の一文字
　3文字目はc

　そして4文字目に相当する正規表現は\1なので
　a.を1回繰り返す
　必然的に4文字目のみならず5文字目を記述することになる

　6文字目は*
　これは直前の文字の繰り返しだが
　*の直前の文字に相当する正規表現は\1なので
　a. の0回以上の繰り返しになる


尚、\(* と \)* という表現がもしあったとしても、*は無効。



POSIX