LeTTo Doc

Reguläre Ausdrücke (regular expressions)

Regluäre Ausdrücke definieren Suchmuster für Zeichenketten und werden in LeTTo an folgenden Positionen verwenden:

Reguläre Ausdrücke in Berechnungsfeldern und regexp-Teilfragen

Java Regular Expressions – Zeichen und Operatoren

Regex-Zeichen / Operator Beschreibung Beispiele
. Beliebiges Zeichen, außer Zeilenumbruch, abhängig von Flags a.c findet abc, a-c, a c
\ Escape-Zeichen für Sonderzeichen oder vordefinierte Klassen \. findet einen Punkt; \\ findet einen Backslash
^ Anfang einer Zeile oder des gesamten Inputs ^abc findet abc nur am Anfang
$ Ende einer Zeile oder des gesamten Inputs abc$ findet abc nur am Ende
* 0 oder mehr Wiederholungen, greedy ab* findet a, ab, abb
+ 1 oder mehr Wiederholungen, greedy ab+ findet ab, abb, aber nicht a
? 0 oder 1 Wiederholung, greedy colou?r findet color und colour
{n} Genau n Wiederholungen \d{4} findet 2026
{n,} Mindestens n Wiederholungen \d{2,} findet 12, 123, 1234
{n,m} Zwischen n und m Wiederholungen \d{2,4} findet 12, 123, 1234
*? 0 oder mehr Wiederholungen, reluctant / lazy <.*?> findet möglichst kurze HTML-artige Tags
+? 1 oder mehr Wiederholungen, reluctant / lazy ”.+?” findet den kürzesten Text in Anführungszeichen
?? 0 oder 1 Wiederholung, reluctant / lazy a?? nimmt möglichst wenig
{n}? Genau n Wiederholungen, reluctant-Variante formal möglich \d{3}? findet 3 Ziffern
{n,}? Mindestens n Wiederholungen, reluctant / lazy \d{2,}? findet möglichst kurz ab 2 Ziffern
{n,m}? Zwischen n und m Wiederholungen, reluctant / lazy \d{2,4}? findet möglichst kurz
*+ 0 oder mehr Wiederholungen, possessive a*+a findet in aaa nichts, weil nicht zurückgegangen wird
++ 1 oder mehr Wiederholungen, possessive a++a findet in aaa nichts
?+ 0 oder 1 Wiederholung, possessive a?+a kann weniger Backtracking erlauben
{n}+ Genau n Wiederholungen, possessive \d{3}+ findet 3 Ziffern ohne Backtracking
{n,}+ Mindestens n Wiederholungen, possessive \d{2,}+
{n,m}+ Zwischen n und m Wiederholungen, possessive \d{2,4}+
[…] Zeichenklasse: eines der angegebenen Zeichen [abc] findet a, b oder c
[^…] Negierte Zeichenklasse [^abc] findet jedes Zeichen außer a, b, c
[a-z] Zeichenbereich [a-z] findet Kleinbuchstaben von a bis z
[a-zA-Z] Mehrere Bereiche in einer Zeichenklasse [a-zA-Z] findet ASCII-Buchstaben
[a-d[m-p]] Union von Zeichenklassen [a-d[m-p]] findet a bis d oder m bis p
[a-z&&[def]] Schnittmenge von Zeichenklassen [a-z&&[def]] findet d, e, f
[a-z&&[^bc]] Subtraktion aus Zeichenklasse [a-z&&[^bc]] findet a, d bis z
[a-z&&[^m-p]] Bereich aus Zeichenklasse ausschließen [a-z&&[^m-p]] findet a bis l und q bis z
\d Ziffer \d+ findet 123
\D Keine Ziffer \D+ findet abc
\s Whitespace-Zeichen \s+ findet Leerzeichen, Tab, Zeilenumbruch
\S Kein Whitespace-Zeichen \S+ findet ein Wort ohne Leerzeichen
\w Wortzeichen \w+ findet abc_123
\W Kein Wortzeichen \W+ findet !?
\h Horizontaler Whitespace \h+ findet Leerzeichen oder Tabulatoren
\H Kein horizontaler Whitespace \H+
\v Vertikaler Whitespace \v+ findet vertikale Whitespace-Zeichen
\V Kein vertikaler Whitespace \V+
\R Beliebiger Unicode-Zeilenumbruch a\Rb findet a gefolgt von Zeilenumbruch und b
\n Line Feed a\nb findet a, Zeilenumbruch, b
\r Carriage Return \r\n findet Windows-Zeilenende
\t Tabulator \t+ findet Tabs
\f Form Feed \f
\a Alarm / Bell \a
\e Escape-Zeichen \e
\cx Control-Zeichen \cM entspricht Carriage Return
\0n Zeichen mit oktalem Wert \012 steht für Line Feed
\0nn Zeichen mit zweistelligem oktalem Wert \040 steht für Leerzeichen
\0mnn Zeichen mit dreistelligem oktalem Wert \011 steht für Tab
\xhh Zeichen mit hexadezimalem Wert \x41 findet A
\uhhhh Unicode-Zeichen mit 4 Hex-Ziffern \u0041 findet A
\x{h…h} Unicode-Codepoint \x{1F600} findet 😀
\p{Lower} POSIX/ASCII-Klasse für Kleinbuchstaben \p{Lower}+
\p{Upper} POSIX/ASCII-Klasse für Großbuchstaben \p{Upper}+
\p{ASCII} ASCII-Zeichen \p{ASCII}+
\p{Alpha} Alphabetische ASCII-Zeichen \p{Alpha}+
\p{Digit} ASCII-Ziffern \p{Digit}+
\p{Alnum} ASCII-Buchstaben oder Ziffern \p{Alnum}+
\p{Punct} ASCII-Interpunktionszeichen \p{Punct}+
\p{Graph} Sichtbare ASCII-Zeichen \p{Graph}+
\p{Print} Druckbare ASCII-Zeichen \p{Print}+
\p{Blank} Leerzeichen oder Tab \p{Blank}+
\p{Cntrl} Steuerzeichen \p{Cntrl}
\p{XDigit} Hexadezimale Ziffer \p{XDigit}+ findet 09AFaf
\p{Space} Whitespace \p{Space}+
\p{IsLatin} Unicode-Skript Latin \p{IsLatin}+ findet lateinische Buchstaben
\p{InGreek} Unicode-Block Greek \p{InGreek}+ findet griechische Zeichen
\p{Lu} Unicode-Kategorie Großbuchstabe \p{Lu}+ findet ABC
\p{Ll} Unicode-Kategorie Kleinbuchstabe \p{Ll}+ findet abc
\p{L} Unicode-Buchstabe \p{L}+ findet Buchstaben vieler Sprachen
\p{N} Unicode-Zahl \p{N}+
\p{Sc} Währungssymbol \p{Sc} findet €, $
\P{…} Negierte Unicode-Klasse \P{L}+ findet Nicht-Buchstaben
\b Wortgrenze \bJava\b findet Java als eigenes Wort
\B Keine Wortgrenze \Bend findet end nicht am Wortanfang
\A Anfang des gesamten Inputs \Aabc findet abc nur ganz am Anfang
\G Ende des vorherigen Matches \G,?\w+ kann fortlaufend Token lesen
\Z Ende des Inputs, erlaubt finalen Zeilenabschluss abc\Z
\z Absolutes Ende des Inputs abc\z
| Alternative / Oder cat|dog findet cat oder dog
(…) Capturing Group (ab)+ findet ab, abab
(?:…) Non-Capturing Group (?:ab)+ gruppiert ohne Capture
(?...) Benannte Capturing Group (?\d{4})
\1, \2, … Rückreferenz auf Capturing Group (.)\1 findet doppelte Zeichen wie aa
\k Rückreferenz auf benannte Gruppe (?.)\k findet doppelte Zeichen
(?=…) Positive Lookahead \d+(?=€) findet Zahl vor €
(?!…) Negative Lookahead \d+(?!€) findet Zahl, wenn danach kein € kommt
(?<=…) Positive Lookbehind (?<=ID-)\d+ findet Zahl nach ID-
(?<!…) Negative Lookbehind (?<!ID-)\d+ findet Zahl, die nicht direkt nach ID- steht
(?>…) Atomic Group (?>a+)a findet in aaa nichts
(?idmsuxU-idmsuxU) Flags innerhalb des Regex setzen oder entfernen (?i)abc findet abc, ABC, Abc
(?idmsuxU-idmsuxU:…) Flags nur für eine Gruppe setzen (?i:abc)def macht nur abc case-insensitive
(?i) Case-insensitive Matching aktivieren (?i)java findet Java, JAVA
(?d) Unix-Lines-Modus (?d)^abc$ beeinflusst Zeilenende-Verhalten
(?m) Multiline-Modus (?m)^abc findet abc am Anfang jeder Zeile
(?s) Dotall-Modus: . findet auch Zeilenumbrüche (?s)<body>.*</body>
(?u) Unicode-aware Case Folding (?iu)straße
(?x) Kommentare und Whitespace im Regex erlauben (?x) \d{4} - \d{2} - \d{2}
(?U) Unicode Character Classes aktivieren (?U)\w+ berücksichtigt Unicode stärker
\Q…\E Literal-Quoting: Inhalt wird wörtlich behandelt \Q.?\E findet exakt .?
\c Escape eines einzelnen Sonderzeichens, wenn sinnvoll \+ findet +, \* findet *
\. Literal-Punkt file\.txt findet file.txt
\* Literal-Stern 3\4 findet 34
\+ Literal-Plus C\+\+ findet C++
\? Literal-Fragezeichen ja\? findet ja?
\( und \) Literale Klammern \(test\) findet (test)
\[ und \] Literale eckige Klammern \[abc\] findet [abc]
\{ und \} Literale geschweifte Klammern \{id\} findet {id}
\^ Literal-Caret \^abc findet ^abc
\$ Literal-Dollarzeichen \$\d+ findet $100
\- Literal-Bindestrich in Zeichenklasse, wenn nötig [a\-z] findet a, - oder z
&& Schnittmenge innerhalb einer Zeichenklasse [a-z&&[aeiou]] findet Vokale
. in […] Punkt ist innerhalb einer Zeichenklasse meist literal [.] findet .
* in […] Stern ist innerhalb einer Zeichenklasse literal [*] findet *
+ in […] Plus ist innerhalb einer Zeichenklasse literal [+] findet +
? in […] Fragezeichen ist innerhalb einer Zeichenklasse literal [?] findet ?
^ in […] Am Anfang negiert es, sonst literal [^0-9] negiert; [a^b] findet a, ^, b
- in […] Definiert Bereich, außer escaped oder am Rand [a-z] Bereich; [-az] literal -
] in […] Muss escaped werden, wenn es literal gemeint ist [\]] findet ]
\1 bis \9 Numerische Backreferences (\d\d)-\1 findet 12-12
$1, $2, … Gruppenreferenzen im Replacement-String, nicht im Regex selbst replaceAll(“(\\d+)”, “[$1]”) macht aus 123 → [123]
${name} Benannte Gruppenreferenz im Replacement-String replaceAll(“(?\\d+)", "${x}")

Reguläre Ausdrücke bei der Zieleinheit bei der Verwendung eines Suchmusters