Regular expressions

Alcune considerazioni generali:

Il termine espressione regolare è stato coniato nei primi anni '50 dal matematico Stephen Kleene, nel corso dello sviluppo della teoria formale dei linguaggi (vengono definite come metodi per esprimere la concatenazione di elementi di un linguaggio).
Nell'accezione pratica le espressioni regolari sono un potente linguaggio simbolico che permette di rappresentare le caratteristiche di una stringa o di un insieme di stringhe.
L'uso delle R.E. facilita la scrittura di qualunque applicazione nella quale sia necessario analizzare stringhe.
Solitamente nessuno si pente di aver superato la barriera di apprendimento iniziale delle R.E.
Qualunque utente di Dos o Unix ha già usato una forma di R.E.:
> dir *.exe
Esistono strumenti, disponibili quasi universalmente (e accennati nel seguito), che sfruttano al meglio le potenzialità delle R.E..

Regole fondamentali

L'occorrenza (match) di una R.E. in una stringa si verifica se tutti gli elementi della R.E. sono stati "trovati", nella posizione e sequenza indicata.
Se nella R.E. è presente un carattere non speciale (si trova più avanti un elenco dei caratteri speciali), nella stringa analizzata deve essere presente lo stesso carattere.
Esempio nella pratica notazione di Perl, che è uno dei più potenti e diffusi linguaggi di scripting, al quale accenneremo brevemente più avanti.
"La Vispa Teresa" =~ /Vispa/
Più caratteri o elementi possono essere raggruppati in parentesi tonde: questo rende possibile riutilizzarli in seguito, anche nella stessa espressione (backreference).
"gridava, gridava: l'ho presa l'ho presa" =~ /(gridava), \1: (l'ho presa) \2/

Il carattere . (punto) nella R.E. viene soddisfatto da qualunque carattere nella stringa originale.
"La Vispa Teresa" =~ /Vi..a T....a/
Si può richiedere il valore letterale di un qualunque carattere speciale (+?.*^$(){}|\) precedendolo con \.
"La Vispa Teresa?" =~ /Teresa\?/
La richiesta di un carattere o di un'espressione fra parentesi può essere "moltiplicata" con l'uso di quantificatori.
* Richiede che il carattere (o l'espressione fra parentesi) che precede sia ripetuta zero o più volte. L'equivalente della wildcard alla quale gli utenti di qualsiasi sistema operativo sono abituati è .*
"La Vispa Teresa" =~ /La.*Teresa/
+ Richiede che il carattere (o l'espressione fra parentesi) che precede sia ripetuta una o più volte.
"avea tra l'erbetta" =~ /erbet+a/
? Richiede che il carattere (o l'espressione fra parentesi) che precede sia ripetuta zero o una volta.
"La 'Vispa Teresa'" =~ /La '?Vispa/ =~ "La Vispa Teresa"
{M,N} Richiede che il carattere (o l'espressione fra parentesi) che precede sia ripetuta un minimo di M ed un massimo di N volte.
Attenzione: questi quantificatori "consumano" quanti più caratteri possibili nella stringa originale (greedy matching).
La R.E. si può anche "ancorare" ad un punto preciso della stringa alla quale viene confrontata:
^ Richiede che l'inizio della stringa si trovi nella posizione indicata.
/^La Vispa/ =~ "La Vispa Teresa" !~ /^Vispa/
$ Richiede che la fine della stringa si trovi nella posizione indicata.
/Teresa$/ =~ "La Vispa Teresa" !~ /Vispa$/
Anziché richiedere un carattere preciso, si può richiedere che un carattere della stringa originale sia compreso in un gruppo o una serie di caratteri con [caratteri].
/V[ispa]{4,4} T[ersa]{5,5}/ =~ "La Vispa Teresa" =~ /La V[A-Za-z]{4,4} T[A-Za-z]{5,5}/
Oppure si può chiedere che NON compaia un gruppo od una serie di caratteri con [^caratteri].
/V[^jkwxy]+ T[^jkwxy]+/ =~ "La Vispa Teresa" =~ /[^ ]+ Teresa/ =~ "La Furba Teresa"
Si può anche utilizzare il simbolo | (alternatore), assieme alle parentesi, per realizzare una funzione di OR logico:
"La Vispa Teresa" =~ /(Vispa|Furba) Teresa/ =~ "La Furba Teresa"
Ci sono poi metodi più astuti (ma non universali) per rappresentare un gruppo di caratteri. Ecco cosa offre Perl, il noto linguaggio di scripting:

Ecco un breve estratto della guida pratica di Perl, con indicate le parti che sono specifiche di Perl:

Quanto sono "standard" le R.E.?

La serie di caratteri descritte in questo documento si applica sostanzialmente a tutte le applicazioni di uso comune: egrep, perl, python, le librerie POSIX distribuite con i compilatori C/C++, vi (dopo aver dato il comando set extended), eccetera.
Per le funzioni più avanzate la realtà si presenta più complicata (questa figura, tratta da Jeffrey E.F. Friedl, Mastering Regular Expressions, O'Reilly serve solo da riferimento):