Expresiones regulares básicas

UNIX admite dos tipos de expresiones regulares: básicas y extendidas

• las básicas son las clásicas de UNIX, aunque se consideran obsoletas en POSIX
• aplicaciones como grep o sed las usan por defecto
• para usar las extendidas:
  • grep --> egrep o grep -E
  • sed --> sed -r
• las expresiones extendidas proporcionan más potencia

La mayoría de los caracteres son tratados como literales:

• concuerdan (match) consigo mismos:
  • a concuerda con a, ab con ab, etc.
• la excepción son los metacaracteres:

  . [ ] ^ $ * ( ) \

ER de un sólo carácter

ER	concuerda con
.	cualquier carácter
[ ]	cualquiera de los caracteres entre corchetes, p.e. [abc] concuerda con a, b o c; [a-z] concuerda con cualquier letra minúscula
[^ ]	cualquier carácter que no esté entre corchetes
^	principio de línea
$	final de línea
*	0 o más ocurrencias de la expresión regular anterior
\( \)	permite agrupar ER
\	escapa un metacarácter

• Dentro de [ ] los metacaracteres pierden su significado especial: p.e. [a.]c concuerda con ac y .c
• Para incluir un carácter ] en una lista colocarlo al principio; para incluir un ^ en cualquier lugar menos al principio; para incluir un - al final: p.e. [a^]c concuerda con ac y ^c

Ejemplos:

ER	concuerda con
a..c	cadena que empiece por a, seguida por dos caracteres y c: a00c, xaxxcxx, aacc,...
0[abc]0	cadenas que tengan un 0 seguido de un carácter a, b, o c y seguido de otro 0: 0a0, 00ab0b0, bc0c0,...
0[^abc]0	cadenas que tengan un 0 seguido de un carácter distinto a a, b, o c y seguido de otro 0
0[a-z]0	cadenas que tengan un 0 seguido de una letra minúscula, y 0
^abc	líneas que empiecen por abc
abc$	líneas que terminen por abc
ab*c	cadenas que empiecen por a, que continúen con 0 o más b, y una c: abc, ac, abbc, aaccab,...pero no cba o aaab
b[cq]*e	cadenas que empiecen por b, que continúen con 0 o más c o q, y una e: be, bcce, bccqqee o bqqqce
.*	cualquier cadena
abc.*	cualquier cadena que empiece por abc
0\(abc\)*0	cadenas que tengan un 0 seguido de 0 o más ocurrencias de abc, y seguido de otro 0: 0abc0, 00, 0abcabc0,..., pero no 0ac0 o 0cba0
^#.*\.$	línea que empiece por # y termine por . (notar que el segundo . está escapado por la \; la ER .* implica 0 o más caracteres cualquiera)

Repetición

Podemos repetir una regexp usando \{ \}

Constructor	Propósito
\{n\}	concuerda con exactamente n ocurrencias de la RE previa
\{n,\}	concuerda con al menos n ocurrencias de la RE previa
\{n, m\}	concuerda con entre n y m ocurrencias de la RE previa

Ejemplos:

• a\{5\}: 5 ocurrencias del carácter a
  
• .\{5,\}: al menos 5 ocurrencias de cualquier carácter