„Regulärer Ausdruck“ – Versionsunterschied

Zu jedem regulären Ausdruck existiert ein [[endlicher Automat]], der die vom Ausdruck spezifizierte Sprache akzeptiert. Ein entsprechender (nichtdeterministischer) endlicher Automat kann mit der ''Thompson-Konstruktion''<ref>[[Alfred V. Aho]], Ravi Sethi, [[Jeffrey Ullman]]: ''Compilers: Principles, Techniques and Tools.'' Addison-Wesley, 1986</ref> aus einem regulären Ausdruck konstruiert werden. Daraus folgt die relativ einfache Implementierbarkeit regulärer Ausdrücke. Umgekehrt existiert zu jedem endlichen Automaten ein regulärer Ausdruck, der die vom Automaten akzeptierte Sprache beschreibt. Ein entsprechender regulärer Ausdruck kann mit ''[[Stephen Cole Kleene|Kleenes]] Algorithmus''<ref name="Kleene56" /><ref name="HopcroftUllman94">{{Literatur |Autor=[[John E. Hopcroft]], [[Jeffrey Ullman|Jeffry D. Ullman]] |Titel=Einführung in die Automatentheorie, formale Sprachen und Komplexitätstheorie |Verlag=Addison-Wesley |Ort=Bonn |Datum=1994 |ISBN=3-89319-744-3}}</ref> aus einem nichtdeterministischen endlichen Automaten konstruiert werden. Kleenes Algorithmus erzeugt meist sehr lange reguläre Ausdrücke. Die ''Zustands-Elimination''<ref name="HopcroftUllman94" /> (deutsch eigentlich: „Zustands-Eliminierung“) liefert in der Praxis meist kürzere reguläre Ausdrücke. Im Höchstfallschlimmsten Fall (englisch „worst case“) liefern jedoch beide Algorithmen reguläre Ausdrücke der Länge <math>|\Sigma| 4^{|Q|}</math>,<ref>{{cite journal|author=Jacques Sakarovitch| title=The Language, the Expression, and the (Small) Automaton| journal=LNCS| date=2006| volume=3845| pages=15–30| doi=10.1007/11605157_2}}</ref>, wobei <math>|\Sigma|</math> die Anzahl der Zeichen des zugrundeliegenden Alphabets und <math>|Q|</math> die Anzahl der Zustände im Automaten bezeichnen.

Reguläre Ausdrücke sind immer über einemeiner vorgegebenen Zeichenvorratendlichen Zeichenmenge <math>\Sigma</math> definiert, dem sogenannten [[Alphabet (Informatik)|Alphabet]]. Reguläre Ausdrücke basieren auf genau drei Operationen: Alternative, Verkettung und Wiederholung. Die formale Definition sieht folgendermaßen aus:

# für alle <math>a_ia \in \Sigma</math> ist <math>\mathbf{a}_i</math> (die Repräsentation eines Zeichens aus dem zugrunde liegenden Alphabet) ein regulärer Ausdruck.

#: Das spezielle Symbol für die leere Menge spezifiziert die leere Sprache.

# für alle <math>a_ia \in \Sigma</math> gilt <math>\mathcal{L}(\mathbf{a}_i)=\{a_ia\}</math>

#: Jeder Repräsentant eines Zeichens aus dem Alphabet spezifiziert die Sprache, die nur diesesdas Wort der Länge eins mit diesem Zeichen enthält.

#: Die kleenesche Hülle regulärereines Ausdrückeregulären Ausdrucks <math>x</math> beschreibt die kleenescheSprache Hüllemit jenen Wörtern, die durch Aneinanderreihen beliebiger Wörter der durch <math>x</math> beschriebenen Sprache entstehen.

Mit eckigen Klammern lässt sich eine ''Zeichenauswahl'' definieren ('''<code>[</code>''' und '''<code>]</code>''') lässt sich eine ''Zeichenauswahl'' definieren. Der Ausdruck in eckigen Klammern steht dann für ''genau ein'' Zeichen aus dieser Auswahl. Innerhalb dieser Zeichenklassendefinitionen haben einige Symbole andere Bedeutungen als im normalen Kontext. Teilweise ist die Bedeutung eines Symbols vom Kontext abhängig, in dem es innerhalb der Klammern auftritt.

{{FNZ|ZK1|Das auch als „[[geschütztes Leerzeichen]]“ bekannte Zeichen mit der Unicode-Nummer 160 (hex: A0) (entspricht dem [[Entitäten in Auszeichnungssprachen|HTML-Entity]] &amp;nbsp;) wird von der Klasse [:space:] möglicherweise nicht gefunden und muss separat anhand des [[Codepoint|KodierpunktesCodepoints]] identifiziert werden.}}

[[Perl (Programmiersprache)|Perl]] Version 5 führte zusätzlich zu den üblichen regulären Ausdrücken auch ''look-ahead'' und ''look-behind assertions'' (etwa „vorausschauende“ bzw. „nach hinten schauende“ Annahmen oder Behauptungen) ein, was unter dem Begriff ''look-around assertions'' zusammengefasst wird.<ref>[http{{Internetquelle |url=https://www.regular-expressions.info/lookaround.html ''|titel=Regex Tutorial - Lookahead and Lookbehind Zero-WidthLength Assertions''.] Regular|abruf=2024-Expressions.info06-22}}</ref> Diese Konstrukte erweitern die regulären Ausdrücke um die Möglichkeit, kontextabhängige (englisch: „context sensitive“) Bedingungen zu formulieren, ohne den Kontext selbst als passend zu finden. Das heißt, möchte man alle Zeichenfolgen „Sport“ finden, denen die Zeichenfolge „verein“ folgt, ohne dass jedoch die gefundene Zeichenfolge die Zeichenfolge „verein“ selbst enthält, wäre dies mit einer ''look-ahead assertion'' möglich: <code>Sport(?=verein)</code>. Im Beispielsatz „Ein Sportler betreibt Sport im Sportverein.“ würde jener reguläre Ausdruck also zum letzten Vorkommen von „Sport“ passen, da nur diesem die Zeichenfolge „verein“ folgt; er würde jedoch nicht zur Teilzeichenkette „Sportverein“ passen.

Look-arounds werden nicht nur von Perl und [[Perl Compatible Regular Expressions|PCRE]], sondern unter anderem auch von [[Java (Programmiersprache)|Java]], [[.Net-Framework|.NET]] und [[Python (Programmiersprache)|Python]] unterstützt. [[JavaScript]] interpretiert ab Version 1.5 positive und negative Look-Aheads.<ref>[{{Internetquelle |url=https://web.archive.org/web/20140829071706/https://developer.mozilla.org/en-US/docs/Web/JavaScript/New_in_JavaScript/1.5 Mozilla|titel=New Developerin Network:JavaScript 1.5 - JavaScript {{!}} MDN |datum=2014-08-29 |abruf=2024-06-Referenz]22}}</ref>

Relativ wenig verbreitet sind ''bedingte Ausdrücke.'' Diese sind unter anderem in Perl, PCRE und dem .Net-Framework einsetzbar. Python bietet für solche Ausdrücke im Zusammenhang mit ''[[#Look-around assertions|lookLook-around assertions]]'' nur eingeschränkte Funktionalität.<ref>[http{{Internetquelle |url=https://www.regular-expressions.info/conditional.html ''|titel=Regex Tutorial - If-Then-Else Conditionals in Regular Expressions''.] Regular|abruf=2024-Expressions.info06-22}}</ref>

| <code>'''(?('''<span style="color:darkgreen">''Bedingung''</span>''')'''<span style="color:darkgreen">''wahr-Ausdruck''</span>'''<nowiki>|</nowiki>'''<span style="color:darkgreen">''falsch-Ausdruck''</span>''')'''</code> || Wenn der gegebene Ausdruck „Bedingung“die gefunden''Bedingung'' wirdzutrifft, kommt der „wahr''wahr-Ausdruck“Ausdruck'' zur Anwendung. Wenn der Suchausdruck nicht gefunden werden kann, kommtandernfalls der „falsch''falsch-Ausdruck“ zur AnwendungAusdruck''.

: Mit demden AusdruckAusdrücken <syntaxhighlight lang="text" inline>(\()?\d+(?(1)\))</syntaxhighlight> und <syntaxhighlight lang="text" inline>(?(?=\()\(\d+\)|\d+)</syntaxhighlight> werden jeweils Zeichenfolgen wie <code>1</code>, <code>(2)</code>, <code>34</code> oder <code>(567)</code> getroffen, aber nicht <code>(42</code> oder <code>3)</code>. Es soll nicht unerwähnt bleiben, dass sich mittels der einfachen [[#Alternativen|Alternative]] <syntaxhighlight lang="text" inline>\(\d+\)|\d+</syntaxhighlight> das gleiche Ergebnis erzielen gefundenlässt.

* [httphttps://regex101.com/ Online regex tester]

* [httphttps://www.regexr.com/ Online regex tester] – Visualisierung und schrittweise Nachverfolgung der Funktionsweise von regulären Ausdrücken (englisch)