~drizzle-trunk/drizzle/development

« back to all changes in this revision

Viewing changes to regex/regex.7

  • Committer: brian
  • Date: 2008-06-25 05:29:13 UTC
  • Revision ID: brian@localhost.localdomain-20080625052913-6upwo0jsrl4lnapl
clean slate

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
.TH REGEX 7 "7 Feb 1994"
 
2
.BY "Henry Spencer"
 
3
.SH NAME
 
4
regex \- POSIX 1003.2 regular expressions
 
5
.SH DESCRIPTION
 
6
Regular expressions (``RE''s),
 
7
as defined in POSIX 1003.2, come in two forms:
 
8
modern REs (roughly those of
 
9
.IR egrep ;
 
10
1003.2 calls these ``extended'' REs)
 
11
and obsolete REs (roughly those of
 
12
.IR ed ;
 
13
1003.2 ``basic'' REs).
 
14
Obsolete REs mostly exist for backward compatibility in some old programs;
 
15
they will be discussed at the end.
 
16
1003.2 leaves some aspects of RE syntax and semantics open;
 
17
`\(dg' marks decisions on these aspects that
 
18
may not be fully portable to other 1003.2 implementations.
 
19
.PP
 
20
A (modern) RE is one\(dg or more non-empty\(dg \fIbranches\fR,
 
21
separated by `|'.
 
22
It matches anything that matches one of the branches.
 
23
.PP
 
24
A branch is one\(dg or more \fIpieces\fR, concatenated.
 
25
It matches a match for the first, followed by a match for the second, etc.
 
26
.PP
 
27
A piece is an \fIatom\fR possibly followed
 
28
by a single\(dg `*', `+', `?', or \fIbound\fR.
 
29
An atom followed by `*' matches a sequence of 0 or more matches of the atom.
 
30
An atom followed by `+' matches a sequence of 1 or more matches of the atom.
 
31
An atom followed by `?' matches a sequence of 0 or 1 matches of the atom.
 
32
.PP
 
33
A \fIbound\fR is `{' followed by an unsigned decimal integer,
 
34
possibly followed by `,'
 
35
possibly followed by another unsigned decimal integer,
 
36
always followed by `}'.
 
37
The integers must lie between 0 and RE_DUP_MAX (255\(dg) inclusive,
 
38
and if there are two of them, the first may not exceed the second.
 
39
An atom followed by a bound containing one integer \fIi\fR
 
40
and no comma matches
 
41
a sequence of exactly \fIi\fR matches of the atom.
 
42
An atom followed by a bound
 
43
containing one integer \fIi\fR and a comma matches
 
44
a sequence of \fIi\fR or more matches of the atom.
 
45
An atom followed by a bound
 
46
containing two integers \fIi\fR and \fIj\fR matches
 
47
a sequence of \fIi\fR through \fIj\fR (inclusive) matches of the atom.
 
48
.PP
 
49
An atom is a regular expression enclosed in `()' (matching a match for the
 
50
regular expression),
 
51
an empty set of `()' (matching the null string)\(dg,
 
52
a \fIbracket expression\fR (see below), `.'
 
53
(matching any single character), `^' (matching the null string at the
 
54
beginning of a line), `$' (matching the null string at the
 
55
end of a line), a `\e' followed by one of the characters
 
56
`^.[$()|*+?{\e'
 
57
(matching that character taken as an ordinary character),
 
58
a `\e' followed by any other character\(dg
 
59
(matching that character taken as an ordinary character,
 
60
as if the `\e' had not been present\(dg),
 
61
or a single character with no other significance (matching that character).
 
62
A `{' followed by a character other than a digit is an ordinary
 
63
character, not the beginning of a bound\(dg.
 
64
It is illegal to end an RE with `\e'.
 
65
.PP
 
66
A \fIbracket expression\fR is a list of characters enclosed in `[]'.
 
67
It normally matches any single character from the list (but see below).
 
68
If the list begins with `^',
 
69
it matches any single character
 
70
(but see below) \fInot\fR from the rest of the list.
 
71
If two characters in the list are separated by `\-', this is shorthand
 
72
for the full \fIrange\fR of characters between those two (inclusive) in the
 
73
collating sequence,
 
74
e.g. `[0-9]' in ASCII matches any decimal digit.
 
75
It is illegal\(dg for two ranges to share an
 
76
endpoint, e.g. `a-c-e'.
 
77
Ranges are very collating-sequence-dependent,
 
78
and portable programs should avoid relying on them.
 
79
.PP
 
80
To include a literal `]' in the list, make it the first character
 
81
(following a possible `^').
 
82
To include a literal `\-', make it the first or last character,
 
83
or the second endpoint of a range.
 
84
To use a literal `\-' as the first endpoint of a range,
 
85
enclose it in `[.' and `.]' to make it a collating element (see below).
 
86
With the exception of these and some combinations using `[' (see next
 
87
paragraphs), all other special characters, including `\e', lose their
 
88
special significance within a bracket expression.
 
89
.PP
 
90
Within a bracket expression, a collating element (a character,
 
91
a multi-character sequence that collates as if it were a single character,
 
92
or a collating-sequence name for either)
 
93
enclosed in `[.' and `.]' stands for the
 
94
sequence of characters of that collating element.
 
95
The sequence is a single element of the bracket expression's list.
 
96
A bracket expression containing a multi-character collating element 
 
97
can thus match more than one character,
 
98
e.g. if the collating sequence includes a `ch' collating element,
 
99
then the RE `[[.ch.]]*c' matches the first five characters
 
100
of `chchcc'.
 
101
.PP
 
102
Within a bracket expression, a collating element enclosed in `[=' and
 
103
`=]' is an equivalence class, standing for the sequences of characters
 
104
of all collating elements equivalent to that one, including itself.
 
105
(If there are no other equivalent collating elements,
 
106
the treatment is as if the enclosing delimiters were `[.' and `.]'.)
 
107
For example, if o and \o'o^' are the members of an equivalence class,
 
108
then `[[=o=]]', `[[=\o'o^'=]]', and `[o\o'o^']' are all synonymous.
 
109
An equivalence class may not\(dg be an endpoint
 
110
of a range.
 
111
.PP
 
112
Within a bracket expression, the name of a \fIcharacter class\fR enclosed
 
113
in `[:' and `:]' stands for the list of all characters belonging to that
 
114
class.
 
115
Standard character class names are:
 
116
.PP
 
117
.RS
 
118
.nf
 
119
.ta 3c 6c 9c
 
120
alnum   digit   punct
 
121
alpha   graph   space
 
122
blank   lower   upper
 
123
cntrl   print   xdigit
 
124
.fi
 
125
.RE
 
126
.PP
 
127
These stand for the character classes defined in
 
128
.IR ctype (3).
 
129
A locale may provide others.
 
130
A character class may not be used as an endpoint of a range.
 
131
.PP
 
132
There are two special cases\(dg of bracket expressions:
 
133
the bracket expressions `[[:<:]]' and `[[:>:]]' match the null string at
 
134
the beginning and end of a word respectively.
 
135
A word is defined as a sequence of
 
136
word characters
 
137
which is neither preceded nor followed by
 
138
word characters.
 
139
A word character is an
 
140
.I alnum
 
141
character (as defined by
 
142
.IR ctype (3))
 
143
or an underscore.
 
144
This is an extension,
 
145
compatible with but not specified by POSIX 1003.2,
 
146
and should be used with
 
147
caution in software intended to be portable to other systems.
 
148
.PP
 
149
In the event that an RE could match more than one substring of a given
 
150
string,
 
151
the RE matches the one starting earliest in the string.
 
152
If the RE could match more than one substring starting at that point,
 
153
it matches the longest.
 
154
Subexpressions also match the longest possible substrings, subject to
 
155
the constraint that the whole match be as long as possible,
 
156
with subexpressions starting earlier in the RE taking priority over
 
157
ones starting later.
 
158
Note that higher-level subexpressions thus take priority over
 
159
their lower-level component subexpressions.
 
160
.PP
 
161
Match lengths are measured in characters, not collating elements.
 
162
A null string is considered longer than no match at all.
 
163
For example,
 
164
`bb*' matches the three middle characters of `abbbc',
 
165
`(wee|week)(knights|nights)' matches all ten characters of `weeknights',
 
166
when `(.*).*' is matched against `abc' the parenthesized subexpression
 
167
matches all three characters, and
 
168
when `(a*)*' is matched against `bc' both the whole RE and the parenthesized
 
169
subexpression match the null string.
 
170
.PP
 
171
If case-independent matching is specified,
 
172
the effect is much as if all case distinctions had vanished from the
 
173
alphabet.
 
174
When an alphabetic that exists in multiple cases appears as an
 
175
ordinary character outside a bracket expression, it is effectively
 
176
transformed into a bracket expression containing both cases,
 
177
e.g. `x' becomes `[xX]'.
 
178
When it appears inside a bracket expression, all case counterparts
 
179
of it are added to the bracket expression, so that (e.g.) `[x]'
 
180
becomes `[xX]' and `[^x]' becomes `[^xX]'.
 
181
.PP
 
182
No particular limit is imposed on the length of REs\(dg.
 
183
Programs intended to be portable should not employ REs longer
 
184
than 256 bytes,
 
185
as an implementation can refuse to accept such REs and remain
 
186
POSIX-compliant.
 
187
.PP
 
188
Obsolete (``basic'') regular expressions differ in several respects.
 
189
`|', `+', and `?' are ordinary characters and there is no equivalent
 
190
for their functionality.
 
191
The delimiters for bounds are `\e{' and `\e}',
 
192
with `{' and `}' by themselves ordinary characters.
 
193
The parentheses for nested subexpressions are `\e(' and `\e)',
 
194
with `(' and `)' by themselves ordinary characters.
 
195
`^' is an ordinary character except at the beginning of the
 
196
RE or\(dg the beginning of a parenthesized subexpression,
 
197
`$' is an ordinary character except at the end of the
 
198
RE or\(dg the end of a parenthesized subexpression,
 
199
and `*' is an ordinary character if it appears at the beginning of the
 
200
RE or the beginning of a parenthesized subexpression
 
201
(after a possible leading `^').
 
202
Finally, there is one new type of atom, a \fIback reference\fR:
 
203
`\e' followed by a non-zero decimal digit \fId\fR
 
204
matches the same sequence of characters
 
205
matched by the \fId\fRth parenthesized subexpression
 
206
(numbering subexpressions by the positions of their opening parentheses,
 
207
left to right),
 
208
so that (e.g.) `\e([bc]\e)\e1' matches `bb' or `cc' but not `bc'.
 
209
.SH SEE ALSO
 
210
regex(3)
 
211
.PP
 
212
POSIX 1003.2, section 2.8 (Regular Expression Notation).
 
213
.SH BUGS
 
214
Having two kinds of REs is a botch.
 
215
.PP
 
216
The current 1003.2 spec says that `)' is an ordinary character in
 
217
the absence of an unmatched `(';
 
218
this was an unintentional result of a wording error,
 
219
and change is likely.
 
220
Avoid relying on it.
 
221
.PP
 
222
Back references are a dreadful botch,
 
223
posing major problems for efficient implementations.
 
224
They are also somewhat vaguely defined
 
225
(does
 
226
`a\e(\e(b\e)*\e2\e)*d' match `abbbd'?).
 
227
Avoid using them.
 
228
.PP
 
229
1003.2's specification of case-independent matching is vague.
 
230
The ``one case implies all cases'' definition given above
 
231
is current consensus among implementors as to the right interpretation.
 
232
.PP
 
233
The syntax for word boundaries is incredibly ugly.