1. Reguläre Ausdrücke (regular expressions, regex)

1.1. PHP

1.1.1. BB-Codes

  // Ziel: Wenn www ohne http:// davor, dann http:// davorsetzen,
  // damit daraus mit dem RegEx unten ein Link wird.
  // Zeilenwechsel und "www." ersetzen durch Zeilenwechsel und "http://www."
  // Leerzeichen   und "www." ersetzen durch Leerzeichen   und "http://www."
  $strText = preg_replace("#(<br>|\s)www\.#is", "\\1http://www.", $strText);
  // "www." am Zeilenanfang durch "http://www." ersetzen
  $strText = preg_replace("#^(www\.)#is", "http://\\1", $strText);
  // BB-Codes:
  $strText = preg_replace("#\[b\](.+?)\[/b\]#is", "<B>\\1</B>", $strText);    // <b>
  $strText = preg_replace("#\[i\](.+?)\[/i\]#is", "<I>\\1</I>", $strText);    // <i>
  $strText = preg_replace("#\[u\](.+?)\[/u\]#is", "<U>\\1</U>", $strText);    // <u>
  // '#(^|[^\"=]{1})(http://|ftp://|mailto:|news:)([^\s<>]+[^,;:\.!\?])([[,;:\.!\?\s\n<>]{1}|$)#sm'
  //
  // 1. Gruppe:
  // Zeilenanfang (^) oder (|) ein einzelnes Zeichen ({1}), das nicht " oder = ist ([^\"=])
  //
  // 2. Gruppe:
  // eines von 4 Protokollbezeichnungen
  //
  // \s any whitespace character, irgendein Leerzeichen-Zeichen
  //
  // 3. Gruppe
  // ein oder mehr Zeichen (+), das nicht (^) Leerzeichen, 'spitze Klammer auf' oder 'spitze Klammer zu' ist
  // gefolgt von einem Zeichen, das nicht ,;:.!?) ist
  //
  // 4. Gruppe
  // ein einzelnes Zeichen: ,;:.!? oder Leerzeichen, Zeilenwechsel, 'spitze Klammer auf' oder 'spitze Klammer zu' oder
  // Zeilenende ($)
  //
  // m (PCRE_MULTILINE)
  //
  // By default, PCRE treats the subject string as consisting of
  // a single "line" of characters (even if it actually contains
  // several newlines). The "start of line" metacharacter (^)
  // matches only at the start of the string, while the "end of
  // line" metacharacter ($) matches only at the end of the
  // string, or before a terminating newline (unless D modifier
  // is set). This is the same as Perl. When this modifier is
  // set, the "start of line" and "end of line" constructs match
  // immediately following or immediately before any newline in
  // the subject string, respectively, as well as at the very
  // start and end. This is equivalent to Perl's /m modifier. If
  // there are no "\n" characters in a subject string, or no
  // occurrences of ^ or $ in a pattern, setting this modifier
  // has no effect.
  //
  // s (PCRE_DOTALL)
  //
  // If this modifier is set, a dot metacharater in the pattern
  // matches all characters, including newlines. Without it,
  // newlines are excluded. This modifier is equivalent to Perl's
  // /s modifier. A negative class such as [^a] always matches a
  // newline character, independent of the setting of this
  // modifier.
  // Original: $p = '#(^|[^\"=]{1})(http://|ftp://|mailto:|news:)([^\s<>]+)([\s\n<>]|$)#sm';
  $p = '#(^|[^\"=]{1})(http://|ftp://|mailto:|news:)([^\s<>]+[^,;:\.!\?\)])([[,;:\.!\?\)\s\n<>]{1}|$)#sm';
  // Test: $strText = preg_replace($p,"Gruppe 1:#\\1#, Gruppe 2:#\\2#, Gruppe 3:#\\3#, Gruppe 4:#\\4#", $strText);
  $strText = preg_replace($p,"\\1<A HREF=\"\\2\\3\">\\2\\3</A>\\4", $strText);
  

1.1.2. valide (gültige) E-Mail-Adresse

// E-Mail:
  // Erlaubte Zeichen zu Beginn: Buchstaben, Zahlen, Unterstrich, Minus, Punkt
  // Klammeraffe
  // Erlaubte Zeichen nach Klammeraffe: Buchstaben, Zahlen, Minus
  // Punkt
  // Top Level Domain aus 2 bis 4 Buchstaben
  //
  // $_POST['email'] => $email
  if (isset($email) &&
  (!empty($email)) &&
  ($email!="@") &&
  (!preg_match("/^[_\.0-9a-z-]+@([0-9a-z][0-9a-z-]+\.)+[a-z]{2,4}|museum$/i", $email))) {
  $strErrMsg[] = "Die E-Mail-Adresse enthält ungültige Zeichen.";
  }
  

1.1.3. Mail-Formular-Check mit [:print:] und [:space:]

Zitat: "[:print:] ist eine Posix-Zeichenklasse (POSIX: Portable Operating System Interface), die alle möglichen druckbaren Zeichen enthält, also Buchstaben, Ziffern, Leerzeichen und Interpunktion. [:space:] erlaubt zusätzlich noch Zeilenumbrüche und Tabulatoren. Damit das Skript Umlaute und Buchstaben wie ß oder ä passieren lässt, fügt man oben die setlocale-Zeile ein."

Quelle mit Erklärung, wie ein E-Mail-Formular vor Angriffen geschützt werden kann:

Mail-Formulare auf Webseiten absichern

Auszug:

setlocale(LC_ALL, 'de_DE');
  $pruefung = array(
  'absender' => '/^[\w.+-]{2,}\@[\w.-]{2,}\.[a-z]{2,6}$/',
  'betreff' => '/^[[:print:]]{3,}$/',
  'text' => '/^[[:print:][:space:]]{10,}$/'
  );
  foreach($_POST as $parameter => $wert) {
  if(isset($pruefung[$parameter])) {
  if(!preg_match($pruefung[$parameter], $wert))
  die('Probleme mit Feld ' . $parameter .': ' . $wert);
  } else {
  unset($_POST[$parameter]);
  }
  }
  

Alle Post-Parameter werden durchlaufen: "parameter" ist der Schlüssel des assoziativen Arrays, also der Feldname. "wert" ist der Inhalt des Felds. Die Zeichenmenge aus Buchstaben, Ziffern und Unterstrich wird mit \w beschrieben.

1.2. Java-Script

1.2.1. globales Ersetzen eines Zeilenwechsels

 // regulaerer Ausdruck: g bedeutet: globales Suchen/Ersetzen;
  alert('" + strGlobalAlert.replace(/\n/g,"\\n").replace(/\'/g,"\\'") + "')");
  

1.3. grep

1.4. htaccess

1.5. Vergleich der Schreibweise der regulären Ausdrücke

Quelle: Zeitschrift c't

1.6. Beispiele mit regulären Ausdrücken für PHP

1.6.1. Definition einiger Muster

// pattern for php code:
  define('REG_EX_PHP_CODE',  '#(<\?php|<\?)(.*?)\?>#si');
  // pattern for html tags:
  define('REG_EX_HTML_CODE', '#<[\/\!]*?[^<>]*?>#si');
  // pattern for general bb code:
  define('REG_EX_BBCODE',    '#\[*?[^\[\]]*?\]#si');
  // pattern for several (consecutive) spaces, at least 2 spaces
  define('REG_EX_SPACES',    '#\s{2,}#si');
  // pattern for a html entity e.g. ä
  define('REG_EX_HTML_ENTITY', '#&(?!(\#[\d]{2,4};|[a-z\d]{2,6};))#i');
  

1.6.2. Anwendung der Muster

Leerzeichen-Behandlung:

// replace several consecutive spaces by one space
  preg_replace(REG_EX_SPACES, ' ', $text);
  

Umwandlung einer HTML-Seite mit Umlauten:

// use htmlentitites() only for text
  // without html tags and without html entities
  function fct_html_entities($text) {
  $output = array();
  $result1 = preg_split('/(<.*>)/U', $text, -1, PREG_SPLIT_DELIM_CAPTURE);
  // text:,    i = 0, 2, 4, ... (even)
  // html tag: i = 1, 3, 5, ... (odd)
  $even1 = 1;  // 1: true, 0: false
  for($i=0; $i<count($result1); $i++) {
  if ($result1[$i]) {
  if ($even1) {
  $even2 = 1;  // 1: true, 0: false
  $result2 = preg_split('/(&\#[\d]{2,4};|&[a-zA-Z\d]{2,6};)/U', $result1[$i], -1, PREG_SPLIT_DELIM_CAPTURE);
  // text:,       j = 0, 2, 4, ... (even)
  // html entity: j = 1, 3, 5, ... (odd)
  for($j=0; $j<count($result2); $j++) {
  if ($result2[$j]) {
  $output[] = ($even2) ? htmlentities($result2[$j]) : $result2[$j];
  }
  $even2 = 1 - $even2;
  }
  } else {
  $output[] = $result1[$i]; // HTML tag
  }
  }
  $even1 = 1 - $even1;
  }
  return implode('',$output);
  }
  

Umwandlung variabler PHP-Informationen in statisches HTML:

Das Muster REG_EX_PHP_CODE ist oben definiert.

// function converts php-html-mix to html-code without php
  function make_html_code($code) {
  preg_match_all(REG_EX_PHP_CODE, $code, $raw_php_matches);
  foreach($raw_php_matches[0] as $match) {
  $raw_php_str = str_replace(array('<?php','?>'),'',$match);
  ob_start();
  eval("$raw_php_str;");
  $exec_php_str = ob_get_contents();
  ob_end_clean();
  // last value 1: limit, only one replace
  $code = preg_replace(REG_EX_PHP_CODE, $exec_php_str, $code, 1);
  }
  return $code;
  }
  

Umwandlung von Umlauten in Buchstaben ohne diakritische Zeichen:

// converts é to e, ä to a etc. (umlauts without diacritical signs)
  // reg ex \&(.)[^;]*; matches for instance ä
  preg_replace('/\&(.)[^;]*;/', '\\1', htmlentities($text));
  

1.7. Links zum Thema RegEx

Hier werden vornehmlich reguläre Ausdrücke für den E-Mail-Client "The Bat!" (TB) behandelt:

Regenechsen-RegEx-Kurs

1.8. Beispiele mit TextPad

1.8.1. HTML-Formatierung

Der Texteditor TextPad ermöglicht Suchen und Ersetzen mit regulären Ausdrücken. Möchte man eine Gruppe bilden, müssen die Klammern mit einem vorangestellten Backslash verwendet werden. Das Suchmuster im Ersetzen-String wird mit \1 usw. angegeben werden.

 <div class="xxx">
  123
  </div>
  soll mit variablem Klassennamen und variablem Text ersetzt werden durch
  <div class="xxx">123</div>
  

Man kann das mit zwei Ersetzungen nacheinander lösen:

Suchen nach:    \(<div[^>]*>\) *\n +
  Ersetzen durch: \1
  Suchen nach:     \n +\(</div>\)
  Ersetzen durch:  \1
  

In der ersten Ersetzung soll nach div kein Größer-Als-Zeichen folgen. Das Muster endet mit dem Größer-Als-Zeichen. Und danach folgen noch beliebig viele Leerzeichen, ein Zeilenwechsel und mindestens 1 Leerzeichen.

1.8.2. Link-Liste in HTML umwandeln

In einer Text-Datei stehen untereinander URLs.

vorher:  http://www.spiegel.de
  nachher: <a class="extLink" href="http://www.spiegel.de" target="_blank">http://www.spiegel.de</a>
  Suchen nach:    \(.+?\)\n
  Ersetzen durch: <a class="extLink" href="http://\1" target="_blank">\1</a>
  

Die Gruppe des Suchmusters enthält beliebige Zeichen mindestens ein Mal, wobei der Suchausdruck "nicht gierig" ist.

1.8.3. Ergänzung von Links

Für das Wiki sollen RFCs verlinkt werden. Nur die RFC-Nummer ist variabel.

vorher:  RFC1945
  nachher: [http://rfc.net/rfc1945.html RFC1945]
  Suchen nach:    RFC\([0-9]\{3,4\}\)
  Ersetzen durch: [http://rfc.net/rfc\1.html RFC\1]
  

Die Gruppe des Suchmusters besteht aus 3 oder 4 Ziffern hinter dem Begriff RFC.

1.8.4. Programm-Code-Änderung

vorher:  $template_query->RecordCount() > 0
  nachher: !$template_query->EOF
  Der Objektname ist variabel.
  Suchen nach:    $\([a-zA-Z0-9_]+\)->RecordCount\x28\x29\x20\x3e\x200
  Ersetzen durch: \!\$\1->EOF
  

Die Gruppe des Suchmusters besteht aus Buchstaben, Zahlen und Unterstrich. Sonderzeichen wie z.B. geöffnete Klammer werden hexadezimal codiert.

1.8.5. Steuerdatei-Änderung

In einer Steuerdatei soll nach einer Raute das Datum angefügt werden, wenn ein Datum in den Dateinamen codiert wurde.

vorher:  2005_06_26_-heidelberg-(34).jpg #
  nachher: 2005_06_26_-heidelberg-(34).jpg # 26.06.2005
  Suchen nach:    \([0-9]\{4\}\)_\([0-9]\{2\}\)_\([0-9]\{2\}\)\(.*?\) #
  Ersetzen durch: \1_\2_\3_\4 # \3\.\2\.\1
  

Die Bestandteile des Datums Jahr (1), Monat (2) und Tag (3) werden in Gruppen festgehalten. Der restliche Dateiname ist die 4. Gruppe.