Einführung in PERL 2 Reguläre Ausdrücke

Transkript

1 Einführung in PERL 2 Reguläre Ausdrücke BASIEREND AUF FOLIEN VON DR. H. ZINSMEISTER und dem Buch `Einführung in Perl (Lama Buch) von RL Schwartz&T Phoenix sowie hwp://de.sel[tml.org/perl/sprache/regexpr.htm Gertrud Faaβ Universität StuWgart, Ins^tut für maschinelle Sprachverarbeitung Azenbergstr. 12, StuWgart faasz@hdm stuwgart.de 1

2 RE oder RegEx Eine Sprache, mit der man strings suchen kann, die einem bes^mmten Muster entsprechen (pawern matching) Zuerst entwickelt von Stephen Kleene (1956), nach dem der Kleene sche Stern `* benannt ist. 2

3 Jede Sequenz von Alphanumerischen Zeichen: $ % * + # Buchstaben: a b c d e D E F ä ö ü β á š Zahlen Leerzeichen `, \s Tabulatoren \t Satzzeichen.,;:?! 3

4 Voraussetzungen Ein Korpus zum Durchsuchen (irgendein Text) Ein Muster (das, wenn s geht, im Text au auchen sollte) Einstellungen (1 von 2) Welcher Text werden ausgegeben? Das gesamte Dokument (Dateien, z.b. Webseiten, etc.) Zeilen eines Dokuments (Voreinstellung bei Perl) Individuelle Worte (z.b. bei einem Wortprozessor) 4

5 Voraussetzungen Einstellungen (2 von 2) Wie viele Übereins^mmungen sollen gefunden werden? Nur die erste (Voreinstellung bei Perl) alle 5

6 WICHTIG: Ein Programm zum Testen von Mustern /!usr/bin/perl w while ( <>) { chomp; if (/IHR_MUSTER_STEHT_HIER/) { print Treffer: $`<$&>$ \n ; } else { print In der folgenden Zeile:\n. $_. \nkein Treffer.\n ; } # Die Warnungen einschalten # <> Eine Zeile einlesen # jegliche Umbrüche löschen # oder =~ ( pattern binding operator ) # nicht so wichtig 6

7 WICHTIG 2: Auch wenn man nicht m// angibt (pawern match operator), die Fehlermeldungen werden m// verwenden Beispiele: /links/ => Der Tisch steht <links> vom Fenster. /a/ => A be<a>r lives in a cave 7

8 Muster erweitern /[ww]/ kleines oder grosses W Alterna^ve: / /i (gross oder klein komplew ignorieren, `case insensi^ve match ) /[aeiou]/ Ein Vokal /[0 9]/ irgendeine Ziffer Alterna^ve: /\d/ (digit) /[A Z]/ irgendein Grossbuchstabe /[c g]/ einer von c,d,e,f,g 8

9 /[A Za z0 9_]/ Strings, die einen Groβ oder Kleinbuchstaben oder eine Zahl oder einen Unterstrich enthalten Alterna^ve \w \f Leerzeichen, \t Tabulator, \n Zeilenumbruch \r Wagenruecklauf Alterna^ve (+ Leerzeichen!) \s 9

10 Anker: \b Wortgrenze, z.b. /\bas\b/ findet `as, aber nicht has /^ / Anfang der Zeile / $/ Ende der Zeile \B keine Wortgrenze Disjunk^on, Gruppierung /cat dog/ cat oder dog /(ge)kauf[t]?/ /fl(y ies)/ kauf, kauf, gekauf, gekau fly, flies 10

11 Sonderzeichen: /./ irgendein Zeichen, /\./ der Punkt [.] der Punkt Muster negieren /[^ww]/ weder ein kleines noch ein grosses W /[w^]/ entweder ein w oder ein ^ Grossbuchstaben bei Alterna^ven: \D keine Ziffer 11

12 Operatoren:? 0 oder 1mal, + > 0 mal, * 0 mal, {3} 3 mal, {2,4} von 2 bis 4 mal, {2,} mind. 2 mal Operatoren gelten nur für das vorherige Zeichen: /colou?r/ => color oder colour 12

13 Nützliche Ergänzungen (1 von 2) m/regexp/ match /colour/ s/regexp/pawern/ Ersetzung s/colour/color/ tr/set1/set2 translitera^on tr/[a Z]/[a z]/ /regexp/g global > finde alle (in der Zeile) s/regexp/pawern/g > ersetze alle /regexp/i > Ignoriere Gross und Kleinschreibung 13

14 Nützliche Ergänzungen (2 von 2) Merken! Input: ``She sold 34 books. Output: ``She sold <34> books. s/(\d+)/<$1>/g; Was in Klammern steht, wird gemerkt ($1, $2, etc.) und kann wieder verwendet werden ($gemerkt = $1; so bleibt s) Aufgabe: doppelte Woerter loeschen s/(\w+)\1/$1/g; Achtung: falls noch in der regexp, backslash verwenden! 14

15 Präzedenz stark Klammern () Zähler,Operatoren * +? {} Sequenzen und Anker the ^my ends schwach Disjunk^on 15

16 Selbst Lernen: hwp://de.sel[tml.org/perl/ sprache/regexpr.htm Uebungen aus Kapitel 7 Lama Buch Wenn s Spass macht: Kapitel 8 Lama Buch 16

17 REFERENZEN Jeffrey Friedl ( ) Reguläre Ausdrücke. O Reilly. Stephen Kleene (1956) Representation of event in nerve nets and finite automata. In C. Shannon and J. McCarthy (eds.) Automata Studies, pp Princeton University Press. Jurafsky and Martin (2008). Speech and Language Processing. 2 nd Edition. Upper Saddle River: Prentice-Hall, Kapitel 2.1,2.2 Randal L. Schwartz & Tom Phoenix. Einführung in Perl. 3. Auflage O Reilly, Köln Zum Ausprobieren und Üben: 17