NOME

regex - espressioni regolari POSIX.2

DESCRIZIONE

Le espressioni regolari (dette "ER"), così come definite da POSIX.2, appaiono in due forme: ER moderne (approssimativamente, quelle di egrep(1); POSIX.2 le definisce ER "estese") e ER obsolete (approssimativamente quelle di ed(1); ER di "base" in POSIX.2). Le ER obsolete esistono per compatibilità con alcuni vecchi programmi, e verranno discusse alla fine. POSIX.2 lascia aperti alcuni aspetti della sintassi e della semantica delle ER: "(!)" denota scelte che potrebbero non essere completamente portabili ad altre implementazioni di POSIX.2.

Una ER (moderna) è una(!) diramazione o più diramazioni non vuote*†, diramazioni, separati da '|'. L'ER corrisponde a qualsiasi cosa che corrisponda ad una delle diramazioni.

Una diramazione è formata da uno(!) o più pezzi concatenati. Corrisponde ad una corrispondenza per il primo pezzo, seguita da una corrispondenza per il secondo, e così via.

Un pezzo è formato da un atomo, eventualmente seguito da un singolo(!) '*', '+', '?' o limite. Un atomo seguito da '*' corrisponde ad una successione di 0 o più corrispondenze dell'atomo. Un atomo seguito da '+' corrisponde ad una successione di 1 o più corrispondenze dell'atomo. Un atomo seguito da '?' corrisponde ad una successione di 0 o 1 corrispondenza dell'atomo.

Un limite (o quantificatore) è formato da '{' seguito da un intero decimale senza segno, eventualmente seguito da ',' eventualmente seguito da un altro intero decimale senza segno, obbligatoriamente seguito da '}'. Gli interi devono essere compresi fra 0 e RE_DUP_MAX (255(!)) inclusi, e se ce ne sono due, il primo non deve essere maggiore del secondo. Un atomo seguito da un limite contenente un intero i e nessuna virgola corrisponde ad una successione di esattamente i corrispondenze dell'atomo. Un atomo seguito da un limite contenente un intero i e una virgola corrisponde ad una successione di i o più corrispondenze dell'atomo. Un atomo seguito da un limite contenente due interi i e j corrisponde ad una successione di i fino a j (inclusi) corrispondenze dell'atomo.

An atom is a regular expression enclosed in "()" (matching a match for the regular expression), an empty set of "()" (matching the null string)(!), a bracket expression (see below), '.' (matching any single character), '^' (matching the null string at the beginning of a line), '$' (matching the null string at the end of a line), a '\' followed by one of the characters "^.[$()|*+?{\" (matching that character taken as an ordinary character), a '\' followed by any other character(!) (matching that character taken as an ordinary character, as if the '\' had not been present(!)), or a single character with no other significance (matching that character). A '{' followed by a character other than a digit is an ordinary character, not the beginning of a bound(!). It is illegal to end an RE with '\'.

Un'espressione parentetica è un elenco di caratteri racchiusi da "[]". Corrisponde di norma ad un qualsiasi singolo carattere fra quelli della lista (ma vedi oltre). Se l'elenco inizia con '^', l'espressione corrisponde ad un qualsiasi singolo carattere non fra quelli della lista (ma vedi oltre). Due caratteri nell'elenco separati da un '-' formano un'abbreviazione per l'intera serie di caratteri compresi nella sequenza di collazione fra i due caratteri (inclusi). Per esempio, "[0-9]" corrisponde, in ASCII, ad una qualsiasi cifra decimale. Due serie non possono(!) condividere un estremo, per esempio "a-c-e". Le serie dipendono particolarmente dalla sequenza di collazione, e un programma, per essere portabile, non dovrebbe dipenderne.

To include a literal ']' in the list, make it the first character (following a possible '^'). To include a literal '-', make it the first or last character, or the second endpoint of a range. To use a literal '-' as the first endpoint of a range, enclose it in "[." and ".]" to make it a collating element (see below). With the exception of these and some combinations using '[' (see next paragraphs), all other special characters, including '\', lose their special significance within a bracket expression.

All'interno di un'espressione parentetica, un elemento di collazione (un carattere o una sequenza di più caratteri che viene ordinata come se fosse un carattere singolo o una sequenza di collazione che sta per uno dei due) racchiuso fra "[." e ".]" rappresenta la sequenza di caratteri dell'elemento di collazione. La sequenza è un unico argomento dell'elenco nell'espressione parentetica. Pertanto, un'espressione che contiene un elemento di collazione a più caratteri può corrispondere a più di un carattere. Per esempio, se la sequenza di collazione include l'elemento di collazione "ch", allora l'ER "[[.ch.]]*c" corrisponde ai primi cinque caratteri di "chchcc".

All'interno di un'espressione parentetica, un elemento di collazione racchiuso fra "[=" e "=]" è una classe di equivalenza, cioè la sequenza di caratteri di tutti gli elementi di collazione equivalenti, lui incluso (se non ci sono altri elementi di collazione equivalenti, il risultato è lo stesso che ci sarebbe se i segni di delimitazione fossero "[." e ".]"). Per esempio, se o e ô appartengono ad una classe di equivalenza, allora `[[=o=]]', `[[=ô=]]' e `[oô]' sono tutti sinonimi. Una classe di equivalenza non può essere un estremo di una serie.

All'interno di un'espressione parentetica, il nome di una classe di caratteri racchiusa fra "[:" e ":]" rappresenta l'elenco di tutti i caratteri di quella classe. I nomi delle classi standard di caratteri sono:

Questi rappresentano le classi di carattere definite in wctype(3). Una localizzazione potrebbe fornirne altre. Una classe di caratteri non può essere usata come estremo di una serie.

Nel caso che un'ER possa corrispondere a più di una sotto-stringa di una data stringa, l'ER corrisponde a quella che inizia per prima nella stringa. Se l'ER può corrispondere a più sotto-stringhe che iniziano nello stesso punto, l'ER corrisponde a quella più lunga. Le sottoespressioni corrispondono anche alle sottostringhe più lunghe possibile, a patto che l'intera corrispondenza sia la più lunga possibile, con le sottoespressioni che iniziano prima nell'ER hanno priorità su quelle che iniziano dopo. Si noti che in particolare, le sottoespressioni ad alto livello hanno la precedenza sulle loro espressioni componenti, che sono di livello più basso.

La lunghezza di una corrispondenza è misurata in caratteri, non in elementi di collazione. Una stringa nulla è considerata più lunga di una corrispondenza mancata. Per esempio, "bb*" corrisponde ai tre caratteri di mezzo di "abbbc", "(wee|week)(knights|nights)" corrisponde a tutti e dieci i caratteri di "weeknights", se "(.*).*" è corrisposto a "abc" la sottoespressione fra parentesi corrisponde ai tre caratteri, e se "(a*)*" è corrisposto a "bc" sia l'intera ER che l'espressione tra parentesi corrispondono alla stringa nulla.

Se viene richiesta una corrispondenza indipendente da maiuscole e minuscole, l'effetto è essenzialmente lo stesso che si avrebbe togliendo ogni differenza fra maiuscole e minuscole nell'alfabeto. Quando un carattere alfabetico che esiste sia come maiuscola che come minuscola appare come carattere ordinario al di fuori di un'espressione parentetica, viene, in pratica, trasformato nell'espressione parentetica comprendente entrambi i casi: per esempio, 'x' diventa "[xX]". Quando un simile carattere appare all'interno di un'espressione parentetica, la controparte viene aggiunta all'espressione: ad esempio, "[x]" diventa "[xX]" e "[^x]" diventa "[^xX]".

Non viene imposto nessun limite particolare alla lunghezza delle ER(!). I programmi, per essere portabili, non dovrebbero impiegare ER più lunghe di 256 byte, in quanto un'implementazione potrebbe rifiutare una simile ER e rimanere conforme a POSIX.

Obsolete ("basic") regular expressions differ in several respects. '|', '+', and '?' are ordinary characters and there is no equivalent for their functionality. The delimiters for bounds are "\{" and "\}", with '{' and '}' by themselves ordinary characters. The parentheses for nested subexpressions are "\(" and "\)", with '(' and ')' by themselves ordinary characters. '^' is an ordinary character except at the beginning of the RE or(!) the beginning of a parenthesized subexpression, '$' is an ordinary character except at the end of the RE or(!) the end of a parenthesized subexpression, and '*' is an ordinary character if it appears at the beginning of the RE or the beginning of a parenthesized subexpression (after a possible leading '^').

Finally, there is one new type of atom, a back reference: '\' followed by a nonzero decimal digit d matches the same sequence of characters matched by the dth parenthesized subexpression (numbering subexpressions by the positions of their opening parentheses, left to right), so that, for example, "\([bc]\)\1" matches "bb" or "cc" but not "bc".

BUG

Avere due tipi di ER è un pasticcio.

Le specifiche attuali in POSIX.2 dicono che ')' è un carattere normale in mancanza di un corrispondente '(': questo è un risultato non voluto di una scelta sbagliata di vocaboli, e sarebbe meglio cambiarlo. Non fare affidamento su questo.

Back references are a dreadful botch, posing major problems for efficient implementations. They are also somewhat vaguely defined (does "a\(\(b\)*\2\)*d" match "abbbd"?). Avoid using them.

Le specifiche in POSIX.2 sulle corrispondenze indipendenti da maiuscole/minuscole sono approssimative. La definizione data sopra di «un caso implica tutti i casi» è quella al momento considerata corretta dagli implementatori.

AUTORE

Questa pagina è tratta dal pacchetto sulle espressioni regolari di Henry Spencer.

VEDERE ANCHE

grep(1), regex(3)

POSIX.2, sezione 2.8 (Notazione per le espressioni regolari).

TRADUZIONE

La traduzione italiana di questa pagina di manuale è stata creata da Ottavio G. Rizzo <rizzo@pluto.linux.it>, Giulio Daprelà <giulio@pluto.it>, Elisabetta Galli <lab@kkk.it>, Marco Curreli <marcocurreli@tiscali.it> e Giuseppe Sacco <eppesuig@debian.org>

Questa traduzione è documentazione libera; leggere la GNU General Public License Versione 3 o successiva per le condizioni di copyright. Non ci assumiamo alcuna responsabilità.

Per segnalare errori nella traduzione di questa pagina di manuale inviare un messaggio a pluto-ildp@lists.pluto.it.