|
|
# pour opérer sur toutes les lignes saisies au clavier ou récupérées sur l'entrée standard # rappel : chaque ligne de l'entrée est stockée dans l'argumement par défaut $_ # appel : cat fichier |cherche-az while () { if (/az/) { print $_ ; } } # pour opérer sur toutes les lignes d'un fichier # appel cherche-az open(IN, "~/essai.txt"); while () { chomp($_); if (/az/) { print "$_ \n"; } } |
Les méta-caractères
Appelés aussi caractères spéciaux, ce sont des caractères interprétés en contexte expression rationnelle comme des opérateurs.
En voici la liste avec un bref descriptif :
|
. (point) représente un caractère qcq, sauf \n * (astérisque) répétition du caractère précédent + au moins une occurence de l'expression régulière ? au plus une occurence de l'expression régulière [...] (crochets) l'un des caractères de l'ensemble. [^..] en début de crochets recherche dans le complémentaire de l'ensemble ^ recherche en début de ligne $ recherche en fin de ligne \ annule le rôle de méta-caractère, pour jouer le rôle du caractère usuel {n,m} indique le nombre de répétitions attendus du caractère précédent | joue le rôle de "ou" entre 2 expr rég. L'antislash \ inhibe l'interprétation des caractères spéciaux et force leur interprétation usuelle. Exemples .\.txt recherche les chaines du genre c.txt , où c est un caractère unique qcq \*$ recherche les chaines qui se terminent ($) par le caractère astérisque (\*) |
Ecriture des motifs
Expression régulière à 1 caractère (atomique)
|
un caractère correspond à lui-même, en règle générale. Ainsi le motif c recherche le caractère désigné par c. un métacaractère précédé de \, pour lui rendre son rôle usuel. . Le point remplace tout caractère unique, sauf \n (newline) o a. toute suite de 2 caractères commençant par a, sauf a\n o b.c désigne toute suite de 3 caractères du genre bac, bbc, bcc, ... * [abc] classe de caractères, sélectionne toute chaine contenant l'un des caractères listés o [a-z] toute lettre minuscule o [0-9] équivaut à [0123456789], un chiffre quelconque o [a-zA-Z0-9\-_] correspond à n'importe quelle lettre ou chiffre, ou au tiret ou au souligné * le caractère ^ juste après [ joue le rôle d'exclusion des caractères qui suivent. o [^aeiou] tout sauf une lettre voyelle o [^a-zA-Z0-9] sélectionne un caractère non alphanumérique Certaines classes sont prédéfinies et servent d'abréviations |
| Construction | Classe équivalente | Construction de négation | Classe équivalente |
| \d (un chiffre) | [0-9] | \D (chiffres, non !) | [^0-9] |
| \w (1 caractère de mot) | [a-zA-Z0-9] | \W (mots , non!) | [^a-zA-Z0-9] |
| \s (espace) | [ \r \n \f \t] | \S (space, non !) | [^ \r \n \f \t] |
Exemples
Expression reguliere simple Soit expat une expression régulière atomique quelconque, alors ce sont
| expat1expat2expat3 ... | toute concaténation sans espace formée d'expr. régulière atomiques |
| expat* | chaine composée de 0 à N caractères vérifiant expat |
| expat+ | chaine contenant au moins un caractère vérifiant expat |
| expat? | chaine contenant au plus un caractère vérifiant expat |
| expat{n} | chaine composée exactement de n caractères vérifiant expat |
| expat{n,} | chaine composée d'au moins n caractères vérifiant expat |
| expat{n,m} | chaine composée de n à m caractères vérifiant expat |
|
a* caractère de multiplication, suivant un caractère signifie la répétition de 0 à plusieurs exemplaires de ce caractère. [ab]* signifie répétition possible d'un quelconque des 2 lettres a ou b. a+ répétition de 1 à plusieurs exemplaires de a a? 0 ou 1 exemplaire de a c[ad]?r impose la présence de cr ou car ou cdr, et rien de plus. /x{5,10} 5 à 10 répétitions attendues de x a{5,} 5 ou plus répétitions attendues de a a{5} exactement 5 occurrences de a a.{5}b recherche les mots contenant 5 caractères entre a et b \s+ recherche un ou plusieurs caractères séparateurs. Conséquence : {0,} {1,} {0,1} correspondent à * , + , ? |
Expression reguliere etendue.Soit expsim une expression régulière simple quelconque, comme définie précédemment, alors ce sont des expressions régulières générales :
| expsim1expsim2 ... | toute concaténation formée d'expr. régulière simples |
| ^expsim | recherche le motif expsim en début de chaine |
| expsim$ | recherche le motif expsim en fin de chaine |
| expsim\b | le motif expsim doit se trouver la fin d'un mot |
| expsim1|expsim2|... | alternative : recherche de expsim1 ou expsim2 ... |
| (expsim)* | chaine composée de 0 à N caractères vérifiant expsim |
| (expsim)+ | chaine contenant au moins un caractère vérifiant expsim |
| (expsim)? | chaine contenant au plus un caractère vérifiant expsim |
| (expsim){n} | chaine contenant la concaténation d'exactement n chaines vérifiant expsim |
| (expsim){n,m} | chaine composée de n à m caractères vérifiant expsim |
Les symboles ^, $ sont appelés motifs d'ancrage, car ils permettent de préciser l'endroit où doit être effectuée la recherche du motif dans la chaine (alors que sans directive particulière la recherche de correspondance du motif avec la chaine s'effectue de gauche à droite de la chaine).
Le symbole d'ancrage \b indique une limite de mot obligatoire, à l'endroit où il est inséré dans le motif Par exemple : info\b est vérifié par "l'info pour tous", "info-matin" mais pas par infos, informatique ... \binfo est vérifié par "informatique","m'informer" mais pas desinformation, ..
Les parenthèses autour de expsim sont indispensables, sinon les opérateurs de répétition s'appliquent au dernier caractère de l'expression (il s'agit d'une question de priorité des opérateurs ..) Par exemple, les motifs li(nux)* et linux* reconnaissent respectivement li, linux, linuxnux,.. et linu, linux, linuxx, linuxxx,...
Attention, ces extensions ne sont pas toutes reconnues par l'ensemble des filtres. Par exemple la commande grep, ne connait pas | , ni les parenthèses
color|couleur réussit si l'un des motifs, soit color, soit couleur, est trouvé
5[0-9]{2} reconnait tout nombre de 500 à 599.
/^(eleve|prof|stage)[3-7]/ est satisfait par les chaines commençant par l'un des 3 mots suivis immédiatement par un numéro de 3 a 7
comment reconnaitre un mot de 6 lettres formé des lettres (cela ne vous rappelle rien ?)
Parenthèses de mémorisation
La présence de parenthèses permet de mémoriser une ou plusieurs parties de l'expression qu'elle entoure, sans modifier son interprétation. Pour rappeler ces valeurs mémorisées, on utilise les notations \1, \2 ... qui correspondent aux valeurs reconnues de même ordre.
Ainsi eleve(\d).+poste\1 sera satisfait par eleve3 au poste3 et non par eleve5 au poste3
Introduction