ProTerm Terminologiewerkzeug
  Struktur   Text   News   Events   Links   Downloads      Login  
  Factlist & Suchen  

  Home > Text > RegEx - Reguläre Ausdrücke
English | Deutsch   Recent Changes (RSS 2.0) - proterm

RegEx - Reguläre Ausdrücke
 

Reguläre Ausdrücke (UNIX-Syntax)


Ich habe gesucht - und nichts übersichtlicheres und gut beschriebenes gefunden als den u.a. Link auf Wikipedia.
http://de.wikipedia.org/wiki/Regul%C3%A4rer_Ausdruck

Hier eine Auflistung einiger gängiger Regulärer Ausdrücke

Symbol Funktion
\
Weist das nächste Zeichen als Sonderzeichen aus. "n" steht für den Buchstaben "n", " " für einen Zeilenvorschub bzw. das NewLine-Zeichen.
^ Steht für den Zeilenanfang.
$ Steht für das Zeilenende.
* Steht für das beliebig häufige Auftreten (auch kein Mal) des vorangehenden Zeichens.
+ Steht für das ein- oder mehrmalige Auftreten des vorangehenden Zeichens.
. Steht für ein beliebiges Zeichen außer einem Zeilenwechsel.
(Ausdruck) Klammert einen im "Ersetzen"-Befehl zu verwendenden Ausdruck. Ein regulärer Ausdruck kann sich aus bis zu 9 geklammerten Ausdrücken zusammensetzen, die gemäß der Reihenfolge ihres Auftretens im regulären Ausdruck durchnummeriert sind.
[xyz] Eine Zeichenmenge. Steht für ein beliebiges Zeichen in den Klammern.
[^xyz] Eine inverse Zeichenmenge. Steht für ein beliebiges Zeichen, das NICHT in den Klammern steht.
\d Steht für eine Ziffer. Entspricht [0-9].
\D Steht für ein Zeichen, das keine Ziffer ist. Entspricht [^0-9].
\f Steht für einen Blattvorschub bzw. ein FormFeed-Zeichen.
\n Steht für einen Zeilenvorschub bzw. ein NewLine-Zeichen.
\r Steht für einen Wagenrücklauf bzw. ein Return-Zeichen.
\s Steht für einen beliebigen Leerraum, einschließlich Leerzeichen, Tabulator, Seitenvorschub usw. (aber nicht Zeilenwechsel).
\S Steht für einen beliebigen Nicht-Leerraum (aber nicht Zeilenwechsel).
\t Steht für ein Tabulator-Zeichen.
\V Steht für ein vertikales Tabulator-Zeichen.
\w Steht für ein beliebiges Zeichen für Wörter, einschließlich dem Unterstrich.
\W Steht für ein beliebiges Zeichen, das nicht für Wörter verwendet wird.

Einige Beispiele:

Im Stopp-Wort-Editor sollen alle Formen von abgebaut (abgebauten, abgebautes,...) festgelegt werden:

abgebaut[a-z]*

Im Idiom-Editor soll festgelegt werden, dass das Stop-Wort of in alle Vorkommnisse von Library of ... erhalten bleiben soll:

[Ll]ibrary [Oo]f [A-Z,a-z]*

Ein "und" soll dann nicht als Stoppwort behandelt werden, wenn davor ein Wort mit Bindestrich steht - z.B. aus "Hinweise für die einzelfallbezogene Erfassung von Verdachtsflächen rüstungs- und kriegsbedingter Altlasten." soll "Verdachtsflächen rüstungs- und kriegsbedingter Altlasten" heraus gelöst werden.

RICHTIG: \s[a-zäöüß0-9-]*\- und [a-zäöüß0-9-]*\s

FALSCH: \s[a-z, ä, ö, ü, 0-9, ß, \-]*\- und [a-z, ä, ö, ü, 0-9, ß, \-]*\s (bildet ganze Absätze)

es ginge auch mit "\s\w*\- und \w*\s", allerdings kommt es zu einer Zeichentrennung innerhalb eines Wortes, wenn Umlaute vorhanden sind.

noch besser:

\s[a-zäöüß0-9-]*\- (und|and) [a-zäöüß0-9-]*\s

 

Für Ausdrücke mit Bindestrich - z.B. Österreichisch-Ungarische Zusammenarbeit

[a-zA-ZöÖüÜäÄß]+\-[öÖäÄüÜßa-zA-Z]+

Diese RegEx generiert Österreichisch-Ungarische, in ProTerm werden aber Ausdrücke vor und hinter "Österreichisch-Ungarische" ebenfalls mit verwendet, es sei denn, im Admin, bei Idiom, wird die Checkbox "separieren" angeklickt.

 

Einige RegEx-Beispiele:

[a-zA-ZöÖüÜäÄß]+\-[öÖäÄüÜßa-zA-Z]+

library of [a-z]*

st\. .+

skt\. .+

[a-z]+\- und [a-z]+

St\. [a-z]+ in [a-z]+

w\. bush

[a-z, A-Z]*ischer Kampfverband[a-z]*

[L,l]ibrary [o,O]f [a-z,A-Z]+

[G,g]eorge [w,W]\. [B,b]ush

organisier[a-z]+ verbrech[a-z]+

organisier[a-z]+ kriminal[a-z]+

Van der

New York[a-zA-Z]+

[a-zA-Z]+- [A-Za-z]+

[a-zA-Z]+-[a-zA-Z]+

 

Auswertung von email-Adressen: \w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 





Metainfo:
Autor: Hans Christian Pilles; Publiziert von: Hans Christian Pilles (HCPilles)
factID: 283538.10 (...Archiv); Publiziert am 09 Jul. 2008 00:15