103.7 Урок 1

Існує інший тип атома під назвою вираз у дужках. Хоча дужки [] (разом з їх вмістом) не є одним символом, вони вважаються одним атомом. Вираз у дужках зазвичай являє собою лише список літеральних символів, охоплених [], завдяки чому атом відповідає будь-якому окремому символу зі списку. Наприклад, вираз [1b] можна знайти в обох рядках abcd і a1cd. Щоб вказати символи, яким атом не повинен відповідати, список має починатися з ^, як у [^1b]. Також можна вказати діапазони символів у виразах у дужках. Наприклад, [0−9] відповідає цифрам від 0 до 9, а [a−z] відповідає будь-якій літері нижнього регістру. Діапазони слід використовувати з обережністю, оскільки вони можуть не узгоджуватися в різних регіонах.

Списки з виразами у дужках також приймають класи, а не лише окремі символи та діапазони. Традиційні символьні класи:

Класи символів можна комбінувати з окремими символами та діапазонами, але не можна використовувати як кінцеву точку діапазону. Крім того, класи символів можуть використовуватися лише з виразами у дужках, а не як незалежний атом поза дужками.

Досяжність атома, атома з одним символом або атома в дужках можна налаштувати за допомогою атому квантора. Квантори атома визначають послідовності атома, тобто збіги відбуваються, коли в рядку знайдено безперервне повторення для атома. Підрядок, що відповідає збігу, називається piece. Незважаючи на це, квантори та інші функції регулярних виразів трактуються по-різному залежно від того, який стандарт використовується.

Згідно з визначенням POSIX, існують дві форми регулярних виразів: «базові» та «розширені» регулярні вирази. Більшість текстових програм у будь-якому звичайному дистрибутиві Linux підтримують обидві форми, тому важливо знати їх відмінності, щоб уникнути проблем із сумісністю та вибрати найбільш підходящу реалізацію для поставленого завдання.

Квантор * виконує однакову функцію як в базових, так і в розширених регулярних виразах (атом зустрічається нуль або більше разів), і він є буквеним символом, якщо він з’являється на початку регулярного виразу або якщо йому передує зворотна коса риска \. Квантор ` вибирає фрагменти, що містять один або кілька збігів атомів у послідовності. За допомогою квантора знака питання `?` збіг відбудеться, якщо відповідний атом з’явиться один раз або не з’явиться взагалі. Якщо перед ним стоїть зворотна коса риска `\`, їх особливе значення не враховується. Основні регулярні вирази також підтримують квантори ` і ?, але перед ними має бути зворотний слеш. На відміну від розширених регулярних виразів, + і ? самі по собі є буквеними символами в базових регулярних виразах.

bound — це квантор атома, який, як випливає з назви, дозволяє користувачеві вказувати точні кількісні межі для атома. У розширених регулярних виразах bound може відображатися в трьох формах:

У будь-якому випадку, якщо підрядок збігається з регулярним виразом і довший підрядок, що починається в тій же точці, також збігається, буде розглядатися довший підрядок.

Основні регулярні вирази також підтримують bounds, але перед роздільниками має стояти \: \{ та \}. Самі по собі { та } інтерпретуються як літеральні символи. \{, за яким слідує символ, відмінний від цифри, є літеральним символом, а не початком bound.

Базові регулярні вирази також відрізняються від розширених регулярних виразів ще одним важливим аспектом: розширений регулярний вираз можна розділити на гілки, кожна з яких є незалежним регулярним виразом. Гілки відокремлюються символом |, і комбінований регулярний вираз буде відповідати співпаданню за будь-якою з гілок. Наприклад, he|him буде збігатися, якщо підрядок he або him знайдено в рядку, що перевіряється. Основні регулярні вирази інтерпретують | як буквальний символ. Однак більшість програм, що підтримують базові регулярні вирази, дозволять розгалуження з \|.

Розширений регулярний вираз, вміщений у (), можна використовувати у зворотному посиланні_. Наприклад, ([[:digit:]])\1 відповідатиме будь-якому регулярному виразу, який повторюється принаймні один раз, оскільки \1 у виразі є зворотним посиланням на фрагмент, який відповідає першому в дужках підвиразу. Якщо в регулярному виразі існує більше одного підвиразу в дужках, на них можна посилатися \2, \3 тощо.

Для базових регулярних виразів підвирази мають бути охоплені \( і \), а ( і ) самі по собі є звичайними символами. Індикатор зворотного посилання використовується для розширених регулярних виразів.

Безпосередньою перевагою регулярних виразів є покращення пошуку у файлових системах і в текстових документах. Параметр -regex команди find дозволяє перевірити кожен шлях в ієрархії каталогів на регулярний вираз. Наприклад,

шукає файли розміром понад 100 мегабайт (100 блоків з 1048576 байт), але лише в шляхах у домашньому каталозі користувача, які містять збіг із .*/\..*, тобто /. оточений будь-якою іншою кількістю символів. Іншими словами, будуть виведені лише приховані файли або файли всередині прихованих каталогів, незалежно від позиції /. у відповідному шляху. Для регулярних виразів, не чутливих до регістру, натомість слід використовувати параметр -iregex:

У цьому прикладі регулярний вираз містить гілки (написані в розширеному стилі), щоб вивести лише певні файли шрифтів в ієрархії каталогу /usr/share/fonts. Розширені регулярні вирази не підтримуються за замовчуванням, але find дозволяє увімкнути їх підтримку за допомогою -regextype posix-extended або -regextype egrep. Стандартним регулярним виразом за замовчуванням для find є findutils-default, який практично є базовим клоном регулярного виразу.

Часто необхідно передати виведення програми команді less, якщо воно не поміщається на екрані. Команда less розбиває введені дані на сторінки, по одному екрану, що дозволяє користувачеві легко переміщатися текстом вгору і вниз. Крім того, less також дозволяє користувачеві виконувати пошук на основі регулярних виразів. Ця функція особливо важлива, оскільки less — це стандартний пагінатор, який використовується для багатьох повсякденних завдань, таких як перевірка записів у журналі або перегляд man-сторінок. Під час читання man-сторінки, наприклад, натискання клавіші / відкриє підказку пошуку. Це типовий сценарій, у якому регулярні вирази корисні, оскільки параметри команд перераховані відразу після поля сторінки в загальному макеті man-сторінки. Проте один і той самий параметр може з’являтися багато разів у тексті, що робить пошук за літералами неможливим. Незалежно від цього, якщо ввести ^[[:blank:]]*-o — або простіше: ^ *-o — у підказці пошуку ви одразу перейде до параметра розділу -o (якщо він існує) після натискання клавіші Enter, що дозволяє швидше ознайомитися з описом параметру.