regexp(5)

大かっこ式は、 「マッチングリスト式」 あるいは 「非マッチングリスト式」 のいずれかであり、 1 つかそれ以上の任意の順序の式で構成されます。 式は、照合要素、照合記号、非照合文字、 等価クラス、レンジ式、 あるいは文字クラスです。 右大かっこ (]) は、大かっこ式の中で リストの最初 (最初の ^ があればその後) に現れると、 特別な意味を失い、右大かっこ自身を表します。 それ以外の場合、右大かっこは 大かっこ式を終了させます (ただし、 有効な照合記号、 等価クラス、 あるいは文字クラスの最後の右大かっこではなくて、 照合記号あるいは等価クラス式の中の照合要素 でない場合です)。 次の特殊文字

(ピリオド、アスタリスク、左大かっこおよびバックスラッシュ) は、 大かっこ式の中では、その特別な意味を失います。

次の文字シーケンス

(左大かっこの後にピリオド、等号、またはコロンが続いたもの) は、大かっこ式の 中では特殊な意味をもち、照合記号、等価クラス式、および文字クラス式の 区切りとして使用されます。これらの記号の後には有効な式が続かねばならず、 マッチングは .]、 =]、 または :] で終了します。

マッチングリスト式は、 そのリストの中に現れる文字のどれにでもマッチするという リストを示します。 サーカムフレックスをリストの最初の文字にすることはできません。 例えば、 [abc] は、 a、 b、 あるいは c のどれにでもマッチする RE です。

非マッチングリスト 式は、サーカムフレックス (^) で開始し、 改行文字と そのリストの中に現れる文字または照合要素 「以外」 のどれにでもマッチするという リストを示します。 例えば、 [^abc] は、 改行および a、 b、 あるいは c 以外のどんな文字にもマッチする RE です。 サーカムフレックスは、 リストの先頭、つまり左大かっこの直後に現れたとき 「のみ」 特別な意味を持ちます。

照合要素 は、 1 つかそれ以上の文字のシーケンスであり、 ロケールカテゴリ LC_COLLATE の最も最近の設定を経て定義された 照合シーケンスの中の 単一の要素を表します setlocale(3C) を参照)。

照合記号 は、大かっこ-ピリオド ([. .]) デリミタ の中に囲まれた、 照合要素です。 複数文字の照合要素は、 単一文字の照合要素と区別するために、 照合記号として表さなければなりません。 例えば、文字列 ch が有効な照合要素ならば、 ch が文字 c および h から成る単一のリストとして扱われ、 [[.ch.]] は 同じ文字の文字列にマッチする要素として扱われます。 大かっこ-ピリオドデリミタの中の文字列が 現在の照合シーケンス定義の中の 有効な照合要素でない場合、 記号は正しくない式として扱われます。

非照合文字 は、 照合の目的においては無視される文字です。 定義では、 そのような文字は、 等価クラスあるいはレンジ式に加わることはできません。

等価クラス 式は、 等価クラスに属する照合要素の集合を表します。 これは、 大かっこ-等号 ([= =]) デリミタの中に、 等価クラスのひとつ以上の照合要素を囲んで表されます。 例えば a と A が同じ等価クラスに属する場合、 [[=a=]b] と [[=A=]b] はそれぞれ [aAb] に等価です。

レンジ式 は、 照合要素の集合を表しており、 それは、 ロケールカテゴリ LC_COLLATE の最も最近の設定を経て定義された 現在の照合シーケンスの中の 2 つの要素の間にマッチします setlocale(3C) を参照)。 ハイフン (-) によって分離された、 最初の位置と最後の位置として表されます。

レンジの開始点と終了点は、 照合要素、照合記号、あるいは等価クラス式の いずれかでなければなりません。 等価クラス式 をレンジ式の終了点として使用すると、 等価クラスの中のすべての照合要素が レンジに含まれている、 と解釈されます。 例えば、照合の順序が A、 a、 B、 b、 C、 c、 ch、 D、 d であり、文字 A および a ば等価クラスに属している場合は、式 [[=a=]-D] は [AaBbCc[.ch.]D] として扱われます。

レンジの開始点と終了点の両方とも、有効な 照合要素、 照合記号、 あるいは等価クラス式でなくてはならず、 レンジの終了点は開始点と比べて同じか高くなければなりません。 そうでないと、式は正しくありません。 例えば、 上の照合順序で、 E が非照合文字であると仮定すると、 式 [[=A=]-E] および [d-a] の両方とも正しくありません。

レンジの終了点は、それに続いているレンジ式の 開始点になることができます。 そのようなおのおののレンジ式は別々に評価されます。 例えば、大かっこ式 [a-m-o] は [a-mm-o] として扱われます。

ハイフン文字は、 リストの最初 (先頭の ^ の後) やリストの最後、あるいはレンジ式の最も右の記号 として現れると、その文字自身として扱われます。 例えば、式 [-ac] および [ac-] は等価であり、 a、 c、 または - のどの文字にもマッチします。 式 [^-ac] および [^ac-] は等価であり、 改行、 a、 c、 または - 以外のどの文字にもマッチします。 式 [%--] は、 定義された照合シーケンスの、 % および - の間のすべてを含んだ どの文字にもマッチします。 式 [--@] は、 定義された照合シーケンスの、 - および @ の間のすべてを含んだ どの文字にもマッチします。 式 [a--@] は、 a の前にある - が照合シーケンスにあると仮定すると、 正しくありません。

大かっこ式に - と ] の両方を指定しなければならない場合には、 ] を最初に置かねばならず ( ^ がある場合はその後)、 - は大かっこ式の中の最後に置かなければなりません。

文字クラス式は、 ロケールカテゴリ LC_CTYPE の最も最近の設定を経て定義された 文字クラスに属する文字の集合を表します。 これは、大かっこ-コロン ([: :]) デリミタに囲まれた、 文字クラス名として表されます。

すべてのロケールでサポートされる標準文字クラス式。

例えば、ロケール変数 LC_CTYPE に C が設定されている場合、 [[:upper:]] という表現は [A-Z] と等価になります。 同じように、 [[:digit:]] という表現は [0-9] と等価になります。

RE を連結すると、 RE の各構成要素にマッチする文字列の連結で、最初に現れたものにマッチする RE になります。 例えば、 RE bc は、 文字列 abcdefabcdef の 2 番目と 3 番目の文字にマッチします。

単一の文字にマッチする RE の次にアスタリスク (*) を付けると、 アスタリスクの前の RE を 0 回以上繰り返したものにマッチする RE になります。 ひとつの文字にマッチする、最初に現れた文字列が選ばれ、 マッチした文字列は RE にマッチする文字の最大値を包含します。 例えば、 文字列 abbbcdeabbbbbbcde の中では、 RE b*c および RE bbb*c の両方が、 2〜5 番目の位置の サブストリングである bbbc にマッチします。 アスタリスクを RE の最初の文字にすると、その特別な意味は失われ、 アスタリスク自身として扱われます。

文字のペア \( および \) の間に囲むことにより、 ひとつの RE の中に、部分式を定義できます。 このような部分式は、 \( および \) が無かった場合と同じようにマッチします。 部分式は任意にネストできます。 \( の直後に続くアスタリスクは、その特別な意味を失い、 その文字自身として扱われます。 \) の直後に続く アスタリスクは、無効な文字として扱われます。

式 \n は、 \n. の前に現れた \( と \) に囲まれた部分式にマッチした文字列と同じものにマッチします。 文字 n は 1 〜 9 までの数字でなくてはならず、 n 番目の 部分式 n 番目の \( で始まり、対応するペアの \) で終わる部分式) であることを示します。 例えば、式 ^\(.*\)\1$ は、 同じ文字列の 2 つの連続で構成される行にマッチします。

\n の次にアスタリスクが続くと、 参照される部分式 の 0 回以上の出現にマッチします。 例えば、式 \(ab\(cd\)ef\)Z\2*Z\1 は、文字列 abcdefZcdcdZabcdef にマッチします。

単一の文字にマッチする RE の後ろに \{m\}、 \{m,\}、 あるいは \{m,n\} が続くと、 RE の連続する出現にマッチする RE になります。 m および n の値は、 範囲が 0〜255 の 10 進数の整数でなくてはならず、 m で出現のちょうどの数、あるいは最小値を指定し、 n で出現の最大値を指定します。 \{m\} は、すぐ前の RE の、ちょうど m 回の繰返しにマッチします。 \{m,\} は、最低でも m 回の繰返しにマッチし、 \{m,n\} は、 m と n の間の任意の数の繰返しにマッチします。

式にマッチする最初の文字列が選択され、 可能なかぎり多くの RE の繰返しを包含します。 例えば、文字列 abbbbbbbc の中で、 RE b\{3\} は 2〜4 番目の文字にマッチし、 RE b\{3,\} は 2〜8 番目の文字にマッチし、 そして RE b\{3,5\}c は 4〜9 番目の文字にマッチします。

ERE を連結すると、 ERE の各構成要素にマッチする文字列の連結で、最初に現れたものにマッチする RE になります。 かっこで囲まれた ERE の連結は、かっこがない場合にマッチする連結と同じものにマッチします。 例えば、 ERE bc および ERE (bc) のどちらも、文字列 abcdefabcdef の 2〜3 番目の文字にマッチします。 全体として一番長い文字列にマッチします。

特殊文字プラス符号 (+) は、単一の文字にマッチする ERE の次か、 かっこで囲まれた ERE の連結の次に付けられると、 プラス符号の直前の ERE を 1 回以上繰り返したものにマッチする ERE になります。 マッチする文字列は可能なかぎり多くの繰返しを包含します。 例えば、 ERE b+c は、文字列 acabbbcde の 4〜7 番目の文字にマッチします。

特殊文字アスタリスク (*) は、単一の文字にマッチする ERE の次か、 かっこで囲まれた ERE の連結の次に付けられると、 アスタリスクの直前の ERE を 0 回以上繰り返したものにマッチする ERE になります。 例えば、 ERE b*c は、文字列 cabbbcde の最初の文字にマッチします。 選択が複数ある場合は、 マッチングを満たす文字列のうち、 一番左側にあり最も長いものが選ばれます。 例えば、 ERE b*cd は、文字列 cabbbcdebbbbbbcdbc の 3〜7 番目の文字にマッチします。

特殊文字クエスチョンマーク (?) は、単一の文字にマッチする ERE の次か、 かっこで囲まれた ERE の連結の次に付けられると、 クエスチョンマークの直前の ERE の 0 回または 1 回の出現にマッチする ERE になります。 マッチする文字列は可能なかぎり多くの繰返しを包含します。 例えば、 ERE b?c は、文字列 acabbbcde の 2 番目の文字にマッチします。

は、基本正規表現構文 ERE\{m,n\} と同じ働きをするインターバル表現です。

大かっこ

アスタリスク、プラス符号、クエスチョンマーク

固定

連結

オルタネーション

アスタリスク (*) は、null 文字列を含むどのような文字列にもマッチするパターンです。

単一の文字にマッチするパターンを連結すると、 各パターンにマッチする文字あるいは照合要素の連結に マッチする、 有効なパターンになります。 例えば、パターン a[bc] は、文字列 ab および ac にマッチします。

単一の文字にマッチするパターンを、1 つ以上のアスタリスクと共に、 1 つかそれ以上連結したものは、有効なパターンです。 そのようなパターンでは、 おのおののアスタリスクが、 パターン中でアスタリスクの次の文字にマッチする 最初の文字まで、 0 個以上の文字から成る文字列にマッチします。

例えば、パターン a*d は文字列 ad、 abd、 および abcd にマッチしますが、文字列 abc にはマッチしません。 パターンの最初あるいは最後の文字がアスタリスクの場合は、 アスタリスクは、 パターンの残りにマッチした文字の前あるいは後ろの、 0 個以上の文字にマッチします。 例えば、パターン a*d* は、文字列 ad、 abcd、 abcdef、 aaaad、 および adddd にマッチし、 パターン *a*d は、文字列 ad、 abcd、 efabcd、 aaaad、 および adddd にマッチします。