Provided by: manpages-es_1.55-10_all 
NOMBRE
regex - expresiones regulares POSIX 1003.2
DESCRIPCIÓN
Las expresiones regulares (``ER''s), tal y como se definen en POSIX 1003.2, tienen dos formas: ERs
modernas (tal y como egrep; llama a estas ERs ``extendidas'' de 1003.2) y ERs obsoletas (las que usa
ed(1); son ERs ``básicas'' de 1003.2).
Las ERs obsoletas existen como tales por mantener la compatibilidad para algunos viejos programas; y
serán discutidas al final.
1003.2 deja abiertos algunos aspectos de la sintaxis y semántica de las ER; `(dg' es una de las
decisiones tomadas al respecto de estos temas que puede no ser portable con otras implementaciones de la
1003.2.
Una ER (moderna) es una (!) o más de una(!) rama no vacía, separadas por `|'. Acepta cualquier cosa que
se corresponda con una de las ramas.
Una rama es una (!) o más de una pieza, concatenadas. Acepta algo que corresponda con la primera,
seguida por algo que corresponda con la segunda, etc.
Una pieza es un átomo posiblemente seguido por un solo (!) `*', `+', `?', o por un límite. Un átomo
seguido por `*' ajusta con una secuencia de 0 o más átomos. Un átomo seguido por `+' ajusta con una
secuencia de 1 o más átomos. Un átomo seguido por `?' ajusta con una secuencia de 0 o 1 átomo.
Un límite es un `{' seguido por un entero decimal sin signo, posiblemente seguido por una `,'
posiblemente seguida por otro entero decimal sin signo, y todo acabado por un `}'. Los enteros deben
encontrarse entre 0 y RE_DUP_MAX (255(!)) inclusive, y si hay dos de ellos, el primero no podrá ser
mayor que el segundo. Un átomo seguido por un límite conteniendo un solo entero i y sin coma ajusta con
una secuencia de exactamente i átomos. Un átomo seguido por un límite conteniendo un entero i y una coma
ajusta con una secuencia de i o más átomos. Un átomo seguido por un límite conteniendo dos enteros i y j
ajusta con una secuencia de entre i y j átomos (ambos inclusive).
Un átomo es una expresión regular dentro de `()' (ajustándose con una aparición de la expresión regular),
un conjunto vacío de `()' (ajustando con una cadena vacía)(!), una expresión con corchetes (ver abajo),
`.' (ajustándose con un solo carácter), `^' (ajustando con la cadena vacía al principio de una linea),
`$' (ajustando con la cadena vacía al final de una linea), un `\' seguido por uno de los caracteres
`^.[$()|*+?{\' (ajustando con ese carácter tenido como un carácter normal), un `\' seguido por otro
carácter(!) (ajustando con ese carácter tenido como un carácter ordinario, como si el `\' no estuviera
presente(!)), o un solo carácter sin ningún otro significado adicional (ajustando con ese carácter). Un
`{' seguido por un carácter diferente de un dígito es un carácter ordinario, no el principio de un
límite.(!) Es ilegal terminar una ER con `\'.
Una expresión con corchetes es una lista de caracteres entre unos `[]'. Normalmente ajusta con solo uno
de los caracteres de la lista (pero vea más adelante). Si la lista comienza por `^', ajusta con un solo
carácter (pero vea más adelante) que no pertenezca al resto de la lista. Si hay en la lista dos
caracteres separados por `-', es una abreviación de un rango completo de caracteres entre dos (inclusive)
en la secuencia, por ejemplo `[0-9]' en ASCII ajusta con cualquier dígito decimal. Es ilegal(!) que dos
rangos compartan un carácter, por ejemplo `a-c-e'.
Los rangos son muy dependientes de la secuencia de especificación y los programas portables deberían
evitar utilizarlos.
Para incluir un literal `]' en la lista, debe aparecer el primero en la misma (siguiendo a un posible
`^'). Para incluir un literal `-', debe aparecer el primero o el último en la lista, o ser el segundo
carácter de un rango.
Para usar un literal `-' como el primer carácter de un rango, debe rodearse entre `[.' y `.]' para
hacerlo un elemento a tratar (vea más abajo). Con la excepción de estas y algunas combinaciones que usan
`[' (vea los siguientes párrafos), todos los otros caracteres especiales, incluyendo `\', pierden su
significado especial dentro de una expresión entre corchetes.
Dentro de una expresión entre corchetes, un elemento a tratar (un carácter, una secuencia de más de un
carácter que se interpreta como si fuera un solo carácter, o un nombre de secuencia de definición
incluido entre `[.' y `.]' se entiende como la secuencia de caracteres de ese elemento. La secuencia es
un elemento aislado de la lista contenida en la expresión con corchetes. Una expresión con corchetes que
contenga un elemento de más de un carácter puede ajustar por más de un carácter, por ejemplo si la
secuencia incluye un elemento `ch', entonces la ER `[[.ch.]]*c' ajusta con los primeros cinco caracteres
de `chchcc'.
Dentro de una expresión con corchetes, un elemento englobado entre `[=' y `=]' es una clase de
equivalencia, comprendiendo las secuencias de caracteres de todos los elementos equivalentes a ese otro,
incluyéndose a él mismo. (Si no hay ningún otro elemento equivalente, el tratamiento es como si los
delimitadores hubieran sido `[.' y `.]'.) Por ejemplo, si o y ^ son miembros de una clase de
equivalencia, entonces, entonces `[[=o=]]', `[[=^=]]', y `[o^]' son todos sinónimos. Una clase de
equivalencia no(!) puede formar parte de un rango.
Dentro de una expresión con corchetes, el nombre de una clase de caracteres englobado entre `[:' y `:]'
se interpreta como la lista de todos los caracteres que pertenecen a esa clase. Los nombre de clase de
caracteres estándar son:
alnum digit punct
alpha graph space
blank lower upper
cntrl print xdigit
Están compuestos por las clases de caracteres definidos en wctype(3). Localmente podrán proveerse de
otras. Una clase de caracteres no puede formar parte de un rango.
Hay dos casos especiales(!) de expresiones con corchetes: las expresiones con corchetes `[[:<:]]' y
`[[:>:]]' ajustan con la cadena vacía del principio y final de una palabra, respectivamente. Una palabra
se define como una secuencia de caracteres de palabra que no se encuentra ni precedida ni seguida por
caracteres de palabra. Un carácter de palabra es un carácter de la clase alnum (tal y como se define en
wctype(3)) o un carácter de subrayado. Esta es una extensión, compatible pero no especificada por POSIX
1003.2, y debe ser usada con cuidado en aquel software que deba ser portable a otros sistemas.
En el caso en que una ER puede ajustar con más de una subcadena de la cadena dada, la ER se ajusta con
aquella que comience antes en la cadena dada. Si la ER puede ajustar con varias subcadenas que comienzan
en el mismo punto, se ajusta con la más larga. Las subexpresiones también ajustan con las subcadenas más
largas posibles, sujetas a la restricción de que el ajuste global sea el más largo posible, con
subexpresiones que empiecen antes en la ER con mayor prioridad que aquellas que comiencen después.
Nótese que las subexpresiones de nivel más alto tienen prioridad respecto a sus subexpresiones
componentes de nivel inferior.
Las longitudes de los ajustes son medidas en caracteres, no en elementos. Una cadena vacía se considera
más larga que cualquier otro ajuste. Por ejemplo, `bb*' se ajusta con los tres caracteres del centro de
`abbbc', `(wee|week)(knights|nights)' se ajusta con los diez caracteres de `weeknights' , cuando `(.*).*'
se intenta ajustar con `abc' la subexpresión se ajusta con los tres caracteres, y cuando `(a*)*' se
intenta ajustar con `bc' tanto la ER como la subexpresión entre paréntesis se ajustan a la cadena vacía.
Si se ha especificado un ajuste no dependiente de las mayúsculas, el efecto es como si todas las
distinciones entre mayúsculas y minúsculas hubieran desaparecido del alfabeto. Cuando un término del
alfabeto existe tanto en mayúsculas como en minúsculas aparece como un carácter ordinario fuera de una
expresión con corchetes, se transforma en una expresión con corchetes conteniendo los dos casos, por
ejemplo, `x' se convierte en `[xX]'. Cuando aparece dentro de una expresión con corchetes, todos los
casos posibles son añadidos a la expresión con corchetes, de tal manera que (por ejemplo) `[x]' se
convierte en `[xX]' y `[^x]' se convierte en `[^xX]'.
No se impone ningún límite en particular en la longitud de las ERs(!). Los programas que deban ser
portables no deben emplear ERs más largas de 256 bytes, ya que una implementación puede rechazar el
aceptar estas ERs y seguir cumpliendo POSIX.
Las expresiones regulares obsoletas (``basic'') difieren en varios aspectos. `|', `+', y `?' son
caracteres ordinarios y no existe el equivalente para sus funcionalidades. Los delimitadores para los
límites son `\{' y `\}', con `{' y `}' como caracteres ordinarios. Los paréntesis para subexpresiones
anidadas son `\(' y `\)', siendo `(' y `)' caracteres ordinarios. `^' es un carácter ordinario excepto
en el principio de la ER o(!) al principio de una subexpresión con paréntesis, `$' es un carácter
ordinario excepto al final de la ER o(!) al final de una subexpresión con paréntesis, y `*' es un
carácter ordinario si aparece al principio de la ER o al principio de una subexpresión con paréntesis
(después de un posible `^' inicial). Finalmente, existe un nuevo tipo de átomo, la referencia hacia
atrás: `\' seguido por un dígito decimal mayor que cero d ajusta con la misma secuencia de caracteres
ajustada por la subexpresión con paréntesis d-ésima (numerando las subexpresiones por las posiciones de
sus paréntesis de apertura, y de izquierda a derecha), de tal manera que (por ejemplo) `\([bc]\)\1'
ajusta con `bb' o `cc' pero no con `bc'.
VÉASE TAMBIÉN
regex(3)
POSIX 1003.2, sección 2.8 (Regular Expression Notation).
FALLOS
Tener dos tipos de ERs es molesto.
La especificación actual de 1003.2 dice que un `)' es un carácter ordinario en ausencia de un `(' sin
ajustar; este fue un resultado no intencionado de un error de redacción, y es probable que sea
modificado. Evite usarlo.
Las referencias hacia atrás son una espantosa `chapuza', añadiendo bastantes problemas para una
implementación eficiente. También hay cosas vagamente definidas (¿ `a\(\(b\)*\2\)*d' ajusta con
`abbbd'?). Evite usarlo.
La especificación 1003.2 sobre el ajuste independiente de mayúsculas es muy vaga. La definición
``mayúsculas o minúsculas implican al otro'' (N. del T. ``one case implies all cases'') dada arriba es
un consenso entre todos los implementadores como la buena interpretación.
La sintaxis para límites de palabras es increíblemente desagradable.
AUTOR
Esta página ha sido obtenida del paquete regex de Henry Spencer.
7 febrero 1994 REGEX(7)