• Kurzreferenz nach Operatoren
• Sprachgebrauch dieser Anleitung
• Anwendung
• Philosophie der Regular Expressions
• Syntax Bits, Posix-, Gnu-Operatoren etc.
• Das Backslash Zeichen \
• Die Posix Operatoren (ausführlich)
• Die GNU-Operatoren (ausführlich, aber unvollständig)
• Annex

Sprachgebrauch dieser Anleitung
In der englischen Literatur und in den Manpages zu den betreffenden Programmen und Kommandos wird man in Zusammenhang mit Regular Expressions immer wieder auf die Begriffe character, operator, match, ordinary, special, und pattern treffen. Für character werden wir hier Zeichen verwenden. Die anderen Begriffe verwende ich hier in deutscher Schreibweise (operator, ordinär, spezial/speziell, Pattern). Eine Sonderstellung hat match. In deutscher Übersetzung müßte je nach Zusammenhang immer wieder ein anderes Wort für match verwendet werden, was aber der Philosophie von Regex entgegensteht. Daher wird an den entsprechenden Stellen das englische Wort Match verwendet oder in (ekelhafter) eingedeutscher Form (gematcht). Dieses Wort bezeichnet je nach Zusammenhang Treffer, Zutreffend oder auch Beschreibend.
Da es immer wieder um Zeichenketten geht, kommt dieser Begriff auch häufig vor. Ich werde jedoch den englischen Begriff String verwenden. Dies sollte keine Probleme aufwerfen.
Ansonsten sind in den Beispielen zur optischen Unterscheidung möglichst alle Kommandos in dunkelblau, alle regulären Ausdrücke in dunkelgrün und alle System- oder Programmausgaben in schwarz dargestellt.

Anwendung
Fälle, in denen man sich mit der Bildung von Regular Expressions auseinandersetzen muß, sind die Kommandos grep, egrep, die Programme emacs und logsurfer und die Programmiersprachen C, Perl und Python (Java inzwischen auch). Diese Aufzählung ist nicht abschließend. In allen Fällen geht es darum ein Muster oder auch Pattern aus Operatoren zu erstellen, welches dann mit einem Text verglichen wird. Kommt der Inhalt, der durch die Operatoren beschrieben wird in dem Text vor, so gibt es einen Treffer(Match). Der Vergleich mit dem regulären Ausdruck wird wahr, was dann entsprechende Reaktionen des Kommandos oder Programms zur Folge haben kann. Je nach Anwendung (zB mit egrep oder logsurfer) sollte der reguläre Ausdruck in Hochkommata eingeschlossen sein (´Ausdruck´). Welches der drei Hochkommata auf der Tastatur das sein muß, müssen Sie selbst herausfinden ;-) Bei AWK müßen die regulären Ausdrücke dagegn zwischen Slashes (/Ausdruck/) stehen.
 

Philosophie der Regular Expressions
Bei den ersten Berührungen mit Regular Expressions bekommt man den Eindruck, als würden einfach nur zwei Strings miteinander verglichen werden. Das ist aber nicht ganz so, was dann später in der Anwendung zu Mißverständinissen und mithin Fehlern führen kann. Das, was der Regex-Engine (also dem auswertenden 'Modul') eingegeben wird, ist ein String. Das, womit verglichen wird, also der reguläre Ausdruck, ist eine Sammlung quasi-mathematischer Operatoren, die einen String beschreiben.
Es gibt zwei Arten von Zeichen. Die ordinären Zeichen und die speziellen Zeichen. Die ordinären Zeichen matchen sich in der Regel selbst. Die speziellen Zeichen beschreiben in der Regel allgemeinere Umstände für Matches. Im Zusammenhang mit speziellen Zeichen kann es auch vorkommen, daß ordinäre Zeichen eine Sonderbedeutung erlangen.
 

Syntax Bits, Posix-, Gnu-Operatoren etc.
Dies ist eine allgemeinere Erklärung zu Regulären Ausdrücken. Programmierer können die Auswertung der regulären Ausdrücke z.B. noch durch Syntax Bits steuern. Dies wird hier nicht weiter beschrieben. Sollte mal etwas gar nicht funktionieren, so könnte das an der konkreten Implementierung des jeweiligen Programms liegen, welches mit den Syntax Bits etwas rumgespielt hat. Außerdem wird noch unterschieden zwischen den Posix-Operatoren, den GNU-Operatoren und den GNU-Emacs-Operatoren (die sich in dieser Reihenfolge ergänzen) und ggf. weiteren Spezial-Operatoren. Diese Anleitung beschränkt sich im wesentlichen auf die Posix- und die GNU-Operatoren, die eigentlich in den meisten Anwendungen im Linux-Umfeld funktionieren müßten.

Das Backslash Zeichen \
Das Backslash Zeichen nimmt gewissermaßen eine Sonderstellung ein. Es dient als Escape-Zeichen um speziellen Zeichen Ihre Sonderstellung zu nehmen und sie als ordinäre Zeichen zu behandeln. In Listen erhält es keine Sonderstellung, sondern steht für sich selbst (ist also selbst ordinär). Übrigens: Fast alle speziellen Zeichen verlieren in Listen ihre Sonderstellung und werden als ordinär betrachtet. Der Backslash kann außerdem gemäß der GNU-Operatoren Spezifikation bestimmte spezielle Zeichen einleiten.
 

In anderen Fällen, zB. bei "\n" außerhalb von Listen, wird der Backslash einfach ignoriert, da er unsinnig ist ("\n" würde also im Beispiel das gleiche wie "n" sein).

Die Posix Operatoren
Gehen wir nun ans Eingemachte und betrachten die einzelnen Standard-Operatoren nach dem Posix-Standard:

Die Selbst-Matchenden Operatoren
Alle ordinären Zeichen sind sich selbst matchende Operatoren. Der reguläre Ausdruck wird wahr, wenn das ordinäre Zeichen im untersuchten String vorkommt.
 

Der Jedes-Zeichen-Matchende Operator .
Dieser Operator trifft auf jedes einzelne druckbare oder nicht druckbare Zeichen zu, außer unter Umständen auf ein Newline-Zeichen (Neue Zeile) oder auf Null-Zeichen, also leere Strings. Das Punktzeichen (.) repräsentiert diesen Operator.
 

Operatorenverkettung
In der Regel wird der reguläre Ausdruck durch Verkettung von Operatoren gebildet. Dies erfolgt ohne Leerzeichen (je nach Programm in dem die regulären Ausdrücke gebraucht werden) einfach durch Hintereinanderschreiben von Operatoren.
 

Der Matche-Keinen-Oder-Mehr Operator *
Dieser Operator gehört zu den sogenannten Wiederholungsoperatoren (wie auch die beiden folgenden Operatoren). Dieser Operator trifft dann zu, wenn das kleinstmögliche vorhergehende Zeichen keinmal, einmal oder beliebig oft hintereinander vorkommt. Kleinstmöglich heißt in diesem Fall, daß in der Regel genau nur das eine Zeichen, daß vor dem Stern steht betroffen ist. Um eine längere Kette mit dem Operator zu verbinden müßten die Zeichen vor dem Stern gruppiert werden (siehe unten). Steht kein Zeichen vor dem Operator, wird er als ordinäres Zeichen interpretiert. .
 

Der Matche-Einen-Oder-Mehr Operator +
Dieser Operator gehört auch zu den sogenannten Wiederholungsoperatoren. Es kann nötig sein, ihn als \+ zu notieren. Er verhält sich ähnlich wie der Stern-Operator, erfordert aber mindestens einmal das Auftreten des vorhergehenden Zeichens.
 

Der Matche-Keinen-Oder-Einen Operator ?
Dieser Operator gehört auch zu den sogenannten Wiederholungsoperatoren. Es kann nötig sein, ihn als \? zu notieren. Er funktioniert ähnlich wie der Stern-Operator, erlaubt das vorhergehende Zeichen aber nur keinmal oder genau einmal.
 

Die Intervall-Operatoren {}
Es kann nötig sein, diese als  \{ und \} zu notieren.Hiermit kann die genaue Anzahl von Malen, oder ein Anzahlbereich angegeben werden, die ein Zeichen hintereinander auftreten muß, um einen Match zu erzielen. Dabei gibt es drei zulässige Schreibweisen:
 

{Anzahl}	Die genaue Anzahl, die ein Zeichen auftreten muß.
{min,}	Das Zeichen muß mindestens min-Mal oder mehr auftreten.
{min, max}	Das Zeichen muß mindestens min-Mal auftreten, darf aber höchstens max-Mal vorkommen.

Dabei ist es unzulässig einen höheren min-Wert mit einem niedrigeren max-Wert anzugeben.
 

Der Alternativ Operator |
(Achten sie zum Beispiel beim Einsatz von grep oder egrep auf die Hochkommata, da der Operator sonst mit einer Pipe verwechselt werden könnte). Es kann nötig sein, den Operator als \| zu notieren.
Dieser Operator läßt eine oder mehr Alternativen zu, um zu matchen. Dabei betrachtet er immer den größtmöglichen ihn umgebenden String. Um die Länge der Alternativ-Strings zu begrenzen ist es notwendig zu gruppieren.
 

Die Listen Operatoren [] und [^]
Die Listen-Operatoren enthalten ein oder mehrere Listenelemente und stehen meist für genau ein Zeichen. Ein Listenelement kann eine Alternativliste, ein Zeichenklassenausdruck oder ein Bereichsausdruck sein. Für die erstgenannten Elemente, die Alternativlisten hier ein Beispiel:
 

Eine Nicht-Matchende Liste wird ähnlich erstellt. Nur das der öffnenden Klammer ein Höherzeichen (^) nachgestellt wird:
 

In derartigen Listen verlieren praktisch alle speziellen Zeichen ihre besondere Bedeutung und werden ordinär. Dies betrifft auch und insbesondere den Punkt-Operator. Spezielle Bedeutung in Listen haben noch folgende Zeichen: "[:", ":]", "-", "\" und "]". Die Bedeutung wurde oben schon erwähnt. Kommen wir damit nämlich zu der nächsten Art von Listenelementen, den Zeichenklassenausdrücken.
Dies sind praktisch vordefinierte Konstanten, die immer in geschlossenen Klammern mit dem Doppelpunkt stehen [:ausdruck:]. Es gibt folgende Zeichenklassenausdrücke:
 

Klasse	Bedeutung
alnum	An dieser Stelle einen Buchstaben oder eine Ziffer
alpha	An dieser Stelle einen Buchstaben
blank	An dieser Stelle ein Leereichen oder Tab
cntrl	An dieser Stelle ein Kontrollzeichen (ASCII 177 oder < 040)
digit	An dieser Stelle eine Ziffer
graph	An dieser Stelle ein druckbares Zeichen (Tilde, ASCII 040-176)
lower	An dieser Stelle ein kleingeschriebener Buchstabe
print	An dieser Stelle ein druckbares Zeichen (Leerzeichen, Tilde, ASCII 040-176)
punct	An dieser Stelle kein alphanumerisches Zeichen oder Kontrollzeichen
space	An dieser Stelle ein Leerzeichen, Wagenrücklauf, Neue Zeile oder Seitenvorschub
upper	An dieser Stelle ein großgeschriebener Buchstabe
xdigit	An dieser Stelle eine hexadezimale Ziffer (0-9, a-f, A-F)

Bevor wir zu einem Beispiel kommen, sehen wir uns noch die dritte Art von Listenelement an, die Bereichsausdrücke mit dem Bereichsoperator "-". Ein Bereich wird durch Start- Und Endzeichen angegeben. Bereichsausdrücke sind zB. [a-z] und [1-5]. Im ersten Fall führt es zu einem Match, wenn das untersuchte Zeichen ein kleiner Buchstabe ist, und im zweiten Fall, wenn es sich um eine der Ziffern von 1 bis 5 handelt. Es ist nicht zulässig einen Bereich rückwärts anzugeben ([z-a]). Im folgenden Beispiel wird versucht bei allen Zeilen einen Treffer zu erzielen, die eine IP-Adresse beinhalten (auf Gültigkeit kann in dem Beispiel nicht ganz geachtet werden, weil die Formulierung des regulären Ausdrucks auch Werte von 299 zulässt).
 

Die Gruppen Operatoren ()
Es kann nötig sein, diese als  \( und \( zu notieren. Beim Stern-Operator und beim Alternativ-Operator wurde die Gruppierung ja bereits angesprochen. Genau wie in der Mathematik mit den Klammern ein geschlossener Ausdruck gebildet wird, geschieht das auch hier. Man kann also hiermit die Zahl der Zeichen verändern, die auf einen Stern-, Plus-Operator oder einen Alternativ-Operator wirken. Außerdem kann man auf die Indexe derartiger Gruppen zurückgreifen.
 

Der Back-Referenz Operator\ziffer
Diesen habe ich jetzt nicht direkt übersetzt. Dieser Operator referenziert eine Gruppe, die sich vor dem Back-Referenz Operator befindet. Die Gruppen werden durchnummeriert und entsprechend wird die Zahl der Referenz geschrieben.
 

In manchem Programmen kann auch mit Variablen auf die Gruppen-Referenzen zurückgegriffen werden (zB. logsurfer).

Der Matche-Am-Anfang-Der-Zeile Operator ^
Dieser Operator gehört zu den Ankeroperatoren, die den Match auf den Anfang oder Ende einer Zeile beschränken. Hier wird konkret auf den Anfang geprüft. Der Operator wird nur dann als spezielles Zeichen erkannt, wenn er am Anfang des gesamten regulären Ausdrucks steht, oder er genau hinter einem Gruppe-Öffnen-Operator oder Alternativ-Operator steht. In allen anderen Fällen kann davon ausgegangen werden, daß das Zeichen als ordinäres Zeichen betrachtet wird (außer in Listen, die es  negieren kann. Aber in Listen ist eh alles anders ;-):
 

Der Matche-Am-Ende-Der-Zeile Operator $
Der Ankeroperator, der das Pattern des regulären Ausdrucks am Ende des Strings bzw. der Zeile verankert. Der Operator wird nur dann als spezielles Zeichen erkannt, wenn er am Ende des gesamten regulären Ausdrucks steht, oder er genau vor einem Gruppe-Schließen-Operator oder Alternativ-Operator steht. In allen anderen Fällen kann davon ausgegangen werden, daß das Zeichen als ordinäres Zeichen betrachtet wird.
 

Die GNU-Operatoren
Diese Operatoren werden von GNU definiert und sind nicht mehr Posix-konform. Je nach Anwendung können diese eingesetzt werden.
Achtung: Wegen einiger Mißverständlichkeiten in der Anwendung der GNU-Operatoren ist dieser Abschnitt noch nicht fertig und zeigt nur die Anwendung des ersten GNU-Operators. Falls jemand wirklich versteht, worin die Unterschiede von \b \< \>  liegen ... oder die Unterschiede zwischen \B \w \W, dann kann er mir gerne mailen. Ich versteh den Unterschied nämlich jeweils nicht. Die RegEx Library Dokumentation kann hierzu eingesehen werden.

Der Matche-Am-Wort-Rand Operator \b
Hier muß der der reguläre Ausdruck entweder am Wortanfang oder an einem Wortende stehen, damit ein Match stattfindet:
 

Annex
Quelle: Regex Dokumentation von Kathryn A. Hargreaves und Karl Berry (Beschreibung der Posix-, Gnu- und BSD-kompatiblen Regex Library).
Dank an Kai wegen der Erleuchtung bei den GNU-Operatoren.
Die vorliegende Erklärung steht genauso unter der GNU GPL wie die Regex Doku.
Linkergänzung 27.08.2001: http://www.heise.de/ix/artikel/2001/09/139/  IX-Artikel