Expressions rationnelles ou régulières

Concepts

Les expressions rationnelles ou régulières permettenet de reconnaître des mots ou textes qui respectent un motif.

Un motif est un ensemble de caractères définissant à quoi ressemblent les textes souhaités.

Un motif peut être composé de motifs et d’atome.

Un atome est un motif non décomposable.

Dans le domaine des expressions rationnelles, les atomes sont:

• les caractères imprimables exceptés +, ?, *, |, [, ], {, }, (, ), et ` `
• tout motif entouré de ( et )
• une suite de caractères entourés de [ et ]

Dans une expression rationnelle, tout atome peut être “quantifié” ce qui signifie que, dans les mots reconnus, l’atome peut apparaître un certain nombre fois selon le quantifieur. Les quantifieurs possibles sont:

• ? l’atome précédent peut apparaître 0 ou 1 fois dans les mots reconnus
• + l’atome précédent doit apparaître au minimum une fois (pas de maximum)
• * l’atome précédent peut apparaître 0, 1 ou plusieurs fois.

• {n,m} l’atome précédent doit apparaître au moins n fois et au maximum m fois. n et m sont facultatif et, s’ils sont omis sont remplacé par:

  • n par 0
  • m par l’infini

L’ensemble de mots reconnus par une expression rationnelle est son langage.

Première mise en pratique

Dans le monde Unix, les outils de reporting et de recherche de texte s’appuient beaucoup sur les expressions rationnelles.

1. Recherche de ligne avec egrep (ou grep -E)

   Exécuter la ligne de commande suivante:

   $ getent passwd \ egrep root
   

2. Un caractère pour tous

   Dans les caractères imprimables, certains ont une signification spéciale. . permet de reconnaître n’importe quel caractère.

   Exécuter:

   # egrep '14:..:..' /var/log/syslog
   

   Chercher une ligne de commande permettant d’afficher tout les événements de 11:00 à 11:59

3. Le début et fin de ligne

   Parmi les caractères séciaux, nous avons ^ qui permet de représenter le début de ligne s’il est au début de l’eyperssion et $ représente la fin de ligne.

   Exécuter:

   # egrep ^r..t /etc/passwd
   

   Puis:

   # egrep 'sh$' /etc/passwd
   

4. Les classes de caractères

   Exécuter:

   # egrep '1[123]:..:' /var/log/syslog
   

   Ici, à l’intérieur des [ et ], les caractères consécuvifs peuvent exprimés sous la forme [1-9].

   En vous inspirant de l’exemple précédent, faire afficher les lignes du syslog qui correspondent de 10:00 à 14:59

5. En utilisant awk, faites afficher le nom des processus qui ont généré des événements entre 11:00 et 12:59 ainsi que l’horaire des événements.

Références

Lire les man de grep et awk`, en particulier les sections décrivant les expressions rationnelles (Regular Expressions)