FMK2015: Reguläre Ausdrücke by Arnold Kegebein

Dipl.-Ing. (FH) Arnold KegebeinReguläre Ausdrücke – Workshop

FileMaker Konferenz 2015 Hamburgwww.filemaker-konferenz.com

Reguläre AusdrückeDipl.-Ing. (FH) Arnold Kegebein



Zur Person

Dipl.-Ing. (FH) Arnold Kegebein

Studium der Technischen Informatik

Mehrere Jahre als IT-Leiter in Chicago, IL (USA)

Über 30 Jahre Erfahrung mit Datenbanksystemen

dBase, Oracle, MySql, MS Access, FileMaker, …

Seit 2007 Entwickler von FileMaker Lösungen

Autor des FileMaker Magazins

Referent auf FileMaker Konferenzen



Zum Vortrag

Theorie

•Was sind Reguläre Ausdrücke?

•Wofür können Reguläre Ausdrücke verwendet werden?

•Einführung in die Syntax und Semantik

Praxis

•Beispiele und Übungen

Sonstiges

•Reguläre Ausdrücke in FileMaker verwenden

•Plugins für Reguläre Ausdrücke

•Hilfreiches, weiterführendes Material



Theorie



Was sind Reguläre Ausdrücke?

„ Ein regulärer Ausdruck (englisch: regular expression, Abkürzung RegExp oder Regex) ist […] eine Zeichenkette, die der Beschreibung von Mengen von Zeichenketten mit Hilfe bestimmter syntaktischer Regeln dient. […]

Ein einfacher Anwendungsfall von regulären Ausdrücken sind Wildcards.

Reguläre Ausdrücke können als Filterkriterien in der Textsuche verwendet werden, indem der Text mit dem Muster des regulären Ausdrucks abgeglichen wird. Dieser Vorgang wird auch Pattern Matching genannt.“

Wikipedia – https://de.wikipedia.org/wiki/Regulärer_Ausdruck

https://de.wikipedia.org/wiki/Englische_Sprache

https://de.wikipedia.org/wiki/Zeichenkette

https://de.wikipedia.org/wiki/Menge_%28Mathematik%29

https://de.wikipedia.org/wiki/Syntax

https://de.wikipedia.org/wiki/Wildcard_%28Informatik%29

https://de.wikipedia.org/wiki/Pattern_Matching

https://de.wikipedia.org/wiki/Regul



Was sind Reguläre Ausdrücke? (2)

• Reguläre Ausdrücke beschreiben eine Familie von formalen Sprachen (reguläre Sprachen)

• Die regulären Sprachen verwenden eine bestimmte Syntax und Semantik

• Die meisten Programmiersprachen verwenden Perl Compatible Regular Expressions (PCRE)

• Gilt auch für FileMaker Plugins (RegEx-Plugin, MBS-Plugin)



Wofür können sie verwendet werden?

• Schnelle Mustersuche in Texten

• Suchen ähnlicher Wörter (Meier, Mayer, Meyer, Mair, …)

• Suchen und Ersetzen

• Validierung von Feldinhalten

• Zum Beispiel Überprüfung von E-Mailadressen

• Bereinigen von Texten

• Zum Beispiel Entfernen von doppelten Leerzeichen

• …



Syntax

Die Syntax definiert, wie reguläre Ausdrücke aussehen

• Die leere Menge ist ein regulärer Ausdruck

• Jedes Zeichen aus dem Alphabet ist ein regulärer Ausdruck

• Reguläre Ausdrücke basieren auf drei Operationen:

• (x|y) Alternative

• (xy) Verkettung

• (x*) Wiederholung



Semantik

Die Semantik beschreibt die formale Bedeutung der Syntax regulärer Ausdrücke

• Metazeichen

• Escapezeichen

• Zeichenklassen

• Quantifizieren

• Anker

• Gruppen

• Ersetzungen

• Flags



Metazeichen

[ ] ( ) { } | ? + - * ^ $ \ .

• Wenn nach diesen Zeichen gesucht wird, müssen sie „escaped“ werden

• Einige Zeichen haben haben mehrfache Bedeutungen (kontextabhängig)

• zum Beispiel ? oder ^ [A-Z].*?(?=ung\b) ̂ [âeiou]\w+



Escapezeichen

\ (Backslash) Hebt die besondere Bedeutung des nachfolgenden Metazeichens auf bzw. gibt dem nachfolgenden Zeichen eine besondere Bedeutung

Zum Beispiel:\\ → „\“ (Backslash)\* → „*“ (Asterisk)\d → eine Ziffer (0…9)\t → „ “ (Tabulator)



Zeichenklassen

[ ] Zeichenklassendefinition; Auswahl genau eines Zeichens[abc] → Entweder ein „a“ oder „b“ oder „c“

Einige Metazeichen haben in der Zeichenklassendefinition besondere Bedeutung:

^ Ein einführendes Zirkumflex invertiert die Zeichenklassendefinition [âbc] → Ein beliebiges Zeichen, aber kein „a“, „b“ oder „c“[a^b] → Ein „a“, „b“ oder „^“

- Ein Bindestrich zwischen zwei Zeichen beschreibt einen Bereich [a-e] → Entspricht [abcde] [ae-] → Entweder ein „a“, „e“ oder „-“



Zeichenklassen (2)

. (Punkt) Ein beliebiges Zeichen außer Zeilenumbruch; entspricht [^\n\r]

\d (Ziffer) Ein Ziffer, also [0-9]; einschließlich weiterer Zahlzeichen in Unicode (nicht-arabische Ziffern)

\D (keine Ziffer) Ein Zeichen, das keine Ziffer ist; entspricht [^\d]

\w (Wortzeichen) Ein Buchstabe, eine Ziffer oder der Unterstrich; einschließlich nicht-lateinische Buchstaben, z. B. Umlaute

\W (kein Wortzeichen) Ein Zeichen, das weder Buchstabe noch Ziffer noch Unterstrich ist; entspricht [^\w]

\s (Whitespace) Ein Leerzeichen oder anderes Leerraumzeichen: \f Seitenvorschub, \n Zeilenvorschub, \r Wagenrücklauf, \t Tabulator, \v Vertikaler Tabulator

\S (kein Whitespace) Ein Zeichen, das kein Whitespace ist; entspricht [^\s]



Qualifizierer

Ein Qualifizierer bezieht sich immer auf das vorangestellte Token

Qualifizierer sind in der Voreinstellung gierig (greedy) und versuchen so viele Zeichen wie möglich mit dem Suchmuster abzugleichen

+ Findet ein oder mehrere Auftreten des vorangestellten TokensA\w+ → Findet alle Wörter, die mit einem großen „A“ beginnen, aber nicht

das „A“ als Einzelbuchstaben

* Findet kein, ein oder mehrere Auftreten des vorangestellten TokensA\w* → Wie oben, aber jetzt wird auch das „A“ als Einzelbuchstabe gefunden

? Findet kein oder ein Auftreten des vorangestellten Tokenscolou?r→ Findet „color“ und „colour“



Qualifizierer (2)

{4} Findet genau vier Auftreten des vorangestellten Tokens

{2,4} Findet zwei, drei oder vier Auftreten des vorangestellten Tokens{0,1}→ Entspricht ?

{2,} Findet zwei oder mehr Auftreten des vorangestellten Tokens{1,} → Entspricht + {0,} → Entspricht *



Trägheit

? Ein Fragezeichen macht den vorangestellten Qualifizierer träge (lazy) und es werden so wenig Auftreten wie möglich gefunden

A\w*? → Findet nur den Buchstaben „A“, unabhängig davon, ob noch weitere Buchstaben folgen



Auswahl

| Der senkrechte Strich (Pipe) agiert wie ein logisches ODER Es wird der Ausdruck vor oder hinter der Pipe gesucht

rot|blau → Findet „rot“ oder „blau“

M(ai|ay|ei|ey)er → Findet verschiedene Auftreten des Nachnamens

M(a|e)(i|y)er → Kürzere Form des vorherigen Beispiels



Anker

Ein Anker finden eine Position, jedoch kein Zeichen

^ Anfang eines Textes; findet den Textanfang bzw. den Anfang jeder Zeile, wenn das Mehrzeilen-Flag m gesetzt ist^\w+ → Findet das erste Wort in einem Text

$ Ende eines Textes; findet das Textende bzw. das Ende jeder Zeile, wenn das Mehrzeilen-Flag m gesetzt ist\w+$ → Findet das letzte Wort in einem Text

\b Wortgrenze; findet den Anfang oder das Ende eines Wortes\bs → Findet das „s“ am Anfang eines Wortes

\B Nichtwortgrenze; Gegenteil von \b \Bs → Findet das „s“ innerhalb eines Wortes



Gruppen

( ) Gruppe; fasst Teilausdrücke als neues Token zusammen (ha)+ → Findet ein oder mehrere zusammenhängende „ha“

\1 Referenz; verweist auf die erste Gruppe \b(\w)(\w)\2\1\b → Findet Palindrome mit vier Buchstaben Beispiel: „anna“, „otto“

(?:abc) Unterdrücken; die Gruppe wird zwar gesucht, aber nicht erfasst, kann also nicht referenziert werden



Voraus- und Rückschau

(?=abc) Positive Vorausschau; sucht eine Gruppe, die nach dem Hauptausdruckvorhanden sein muss, aber im Ergebnis nicht ausgegeben wird \d+(?=px) → Findet numerische Pixelwerte

(?!abc) Negative Vorausschau; gibt eine Gruppe an, die nicht nach dem Hauptausdruck auftauchen darf\d+(?!px)\b → Findet num. Angaben, deren Einheit nicht „px“ ist

(?<=abc) Positive Rückschau; sucht eine Gruppe, die vor dem Hauptausdruck vorhanden sein muss, aber im Ergebnis nicht ausgegeben wird (?<=-)\d+ → Findet negative Zahlen, ohne das Minus auszugeben

(?<!abc) Negative Rückschau; gibt eine Gruppe an, die nicht vor dem Haupt-ausdruck auftauchen darf(?<!-)\b\d+ → Findet nur positive Zahlen



Ersetzungen

$& Gefundener Text

$1 Gefundene Teilgruppe; $3 entspricht der 3. Gruppe

$` Text vor dem gefundenen Text

$’ Text nach dem gefundenen Text



Flags

Flags bestimmen, wie die Ausdrücke interpretiert werden

i Ignore Case - Groß-/Kleinschreibung ignorieren

g Global - Globale Suche; führt eine mehrfache Suche durch, wobei die Suche jeweils hinter dem letzten Suchergebnis fortgesetzt wird

m Multiline - Mehrzeiliger Text; die Start- und Endeanker (^ und $) entsprechen nun dem Anfang und Ende jeder Zeile, statt des gesamten Texts

s Single-line - Ein Dot (.) findet auch Zeilenumbrüche



Praxis



E-Mailadresse validieren

RFC-Standard als RegEx umgesetzt:

(?:[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*|"(?:[\x01-\x08\x0b\x0c\x0e-\x1f\x21\x23-\x5b\x5d-\x7f]|\\[\x01-\x09\x0b\x0c\x0e-\x7f])*")@(?:(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?|\[(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?|[a-z0-9-]*[a-z0-9]:(?:[\x01-\x08\x0b\x0c\x0e-\x1f\x21-\x5a\x53-\x7f]|\\[\x01-\x09\x0b\x0c\x0e-\x7f])+)\])

Korrekt, aber nicht empfehlenswert

Kürzerer Regulärer Ausdruck; findet viele, aber nicht alle E-Mailadressen:

\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}\b



E-Mailadresse validieren (detailiert)

WortgrenzeBuchstabe, Ziffer oder ein Zeichen

Wortgrenze

min. 1xdas @-Zeichen Buchstabe, Ziffer,

Punkt oder Minus min. 1x

der Punkt zwei bis vier Buchstaben

• Flag i (ignore case) muss aktiviert sein

• Erkennt die meisten E-Mailadressen: [email protected]

• Falsches Positiv: [email protected]

\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}\b



Zahlen finden

• Positive Ganzzahl

• Positive und negative Zahlen

• auch Zahlen mit Nachkommastellen

• Zahlen mit Tausender-Trennzeichen

\d+

-?\d+

-?\d*(,\d+)?

([1-9]\d{0,2}\.(\d{3}\.)*)\d+

[+-]?\d+

(Tages- und Monatszahlen)\.(\d{2}){1,2}



Datum finden

• Datumsformat TT.MM.JJJJ: 14.02.2015, 01.01.2016

• Auch ohne führende Nullen und nur kurzer Jahreszahl: 1.1.16

Besondere Herausforderung

• Tages- und Monatszahlen validieren (ohne Schaltjahrprüfung)

\d\d\.\d\d\.\d{4}

\d{1,2}\.\d{1,2}\.(\d{2}){1,2}

(\d{1,2}\.?){4} Findet auch falsche Positive (1.23.456)

( Monate mit 30 Tagen| Monate mit 31 Tagen| Februar mit 29 Tagen )\.(\d{2}){1,2}

( ((0?[1-9]|[12]\d)|30)\.(0?[469]|11)| Monate mit 31 Tagen| Februar mit 29 Tagen )\.(\d{2}){1,2}

( ((0?[1-9]|[12]\d)|30)\.(0?[469]|11)| ((0?[1-9]|[12]\d)|30|31)\.(0?[13578]|10|12)|Februar mit 29 Tagen )\.(\d{2}){1,2}

( ((0?[1-9]|[12]\d)|30)\.(0?[469]|11)| ((0?[1-9]|[12]\d)|30|31)\.(0?[13578]|10|12)|((0?[1-9]|[12]\d))\.0?2 )\.(\d{2}){1,2}

( ((0?[1-9]|[12]\d)|30)\.(0?[469]|11)| ((0?[1-9]|[12]\d)|30|31)\.(0?[13578]|10|12)|((0?[1-9]|[12]\d))\.0?2 )\.(\d{2}){1,2} Zeilenumbrüche nur zur Verdeutlichung eingebaut



Textbeispiele

Auf den sieben Robbenklippen sitzen sieben Robbensippen, die sich in die Rippen stippen, bis sie von den Klippen kippen.

Finde:

• Großbuchstaben

• Großgeschriebene Wörter

• Buchstabendoppel

• Wörter mit Buchstabendoppel

• Wörter, die mehrfach vorkommen

• Wörter, mit zwei Vokale hintereinander

• Wörter mit mindest. drei Vokalen

[A-Z]

[A-Z][a-z]*

(\w)\1

\w*?(\w)\1\w*

(\b\w+\b)(?=.*(\1))

\b[A-Z]\w*

\w*[aeiou]{2}\w*

\w*?([aeiou][âeiou\W]*){3,}



Reguläre Ausdrücke in FileMaker

Verschiedene Aufgaben lassen sich mit regulären Ausdrücken ausführen:

• Prüfen, ob ein Text einem RegEx-Muster entspricht

• Eingabe einer IBAN oder numerischen IP-Adresse

• Parsen von Texten

• Text nach E-Mailadressen oder Datumsangaben durchsuchen

• Postanschrift in Einzelkomponenten zerlegen

• Daten filtern, bereinigen oder normalisieren

• Telefonnummern (Leerzeichen und andere Zeichen entfernen)

• Tags aus HTML-Text entfernen



Sonstiges



Reguläre Ausdrücke in FileMaker

• RegEx-Plugin von Dr. Jens Teich

http://jensteich.de/filemaker/filemaker-plugins/regex-plugin/

• kostenlos

• einfache Anwendung

• MBS-Plugin von Christian Schmitz

http://www.monkeybreadsoftware.de/filemaker/

• basiert auf der C Library

• komplizierter



RegEx-Plugin

RegP_Scan ( regex; text {; flags} )

• Prüft, ob der reguläre Ausdruck im Text vorkommt

RegP_GetText ( regex; text {; flags; register} )

• Ermittelt die erste entsprechende Textpassage

Beispiel: RegP_GetText ( "M(a|e)(i|y)er"; $Text )

RegP_GetTextAll ( regex ; text {; separationstring ; flags; register} )

• Ermittelt alle entsprechenden Textpassagen

RegP_Positions ( regex ; text {; flags ; pairInnerDelimiter ; pairOuterDelimiter } )

• Gibt die Positionen der Gruppen des Ausdrucks zurück



RegEx-Plugin (2)

Aufruf zum Beispiel im Scriptbefehl Variable setzen oder über all da, wo eine Formel verwendet wird.

Beispiel: Stärke eines Passwortes überprüfen

Wenn [ Nicht( RegEx_Scan( "[0-9]"; DB::Passwort ) Und RegEx_Scan( "[A-Z]"; DB::Passwort ) Und RegEx_Scan( "[a-z]"; DB::Passwort ) Und RegEx_Scan( "\w"; DB::Passwort ) ) ]

…



MBS-Plugin

MBS( "RegEx.Match"; regex; text {; flags} )

• Prüft, ob der reguläre Ausdruck im Text vorkommt

MBS( "RegEx.MatchList"; regex; list {; flags} )MBS( "List.RegExMatch"; list; regex {; flags} )

• Gibt alle Listenelemente zurück, in denen der Ausdruck gefunden wird

MBS( "RegEx.FindMatches"; regexRef; text {; options {; returnWholeMatch} )

• Ermittelt alle entsprechenden Textpassagen

• Muss mit RegEx.Compile und RegEx.Free aufgerufen werden



MBS-Plugin (2)

Eine Eigene Funktion kann die Einzelbefehle zusammenfassen:

CF_RegEx ( _text; _regex; _flags )

SetzeVar( [ RE = MBS( "RegEx.Compile"; _regex; _flags ); Ergebnis = MBS( "RegEx.FindMatches"; RE; _text; 0; 1 ); ~ = MBS( "RegEx.Free"; RE ) ]; ~result )



Hilfreiches Material

Internet

• http://regexr.com - Test-Editor, Referenz, Beispiele

• http://regexpal.com - Test-Editor, Referenz

• http://www.regular-expressions.info - Tutorial, Referenz, Beispiele

Software

• RegExRX von MacTechnologies Consulting (Mac + Win, Shareware)http://www.mactechnologies.com/index.php?page=downloads

Bücher

• Diverse Bücher aus dem O’Reilly Verlag



Fragen & Antworten



Fragen & Antworten

• Jetzt

• Während der Konferenzpausen

• Per E-Mail: [email protected]

mailto:[email protected]



Vielen Dank unseren Sponsoren

Danke für das Bewerten dieses Vortrages

FMK2015: Reguläre Ausdrücke by Arnold Kegebein

Technology