PCRE

• 일러두기
• man
• QUOTING
• CHARACTERS
• CHARACTER TYPES
  • GENERAL CATEGORY PROPERTIES
  • PCRE SPECIAL CATEGORY PROPERTIES
  • SCRIPT NAMES
  • CHARACTER CLASSES
    • POSIX NAMED SETS
• QUANTIFIERS
  • Greedy
  • Possessive
    • grep의 오작동
  • Lazy
• ANCHORS AND SIMPLE ASSERTIONS
• MATCH POINT RESET
• ALTERNATION
• CAPTURING
• ATOMIC GROUPS
• COMMENT
• TODO: OPTION SETTING
• TODO: NEWLINE CONVENTION
• TODO: WHAT \R MATCHES
• LOOKAHEAD AND LOOKBEHIND ASSERTIONS
• BACKREFERENCES
• TODO: SUBROUTINE REFERENCES (POSSIBLY RECURSIVE)
• TODO: CONDITIONAL PATTERNS
• TODO: BACKTRACKING CONTROL
• TODO: CALLOUTS
• 참고문헌

일러두기

이 문서에서는 PCRE 실제 사례 예제를 위해 다음을 사용한다.

• [[/cmd/grep]]{GNU grep}의 -P 옵션
• [[/database/sqlite]]의 REGEXP

SQLite의 REGEXP는 다른 DB에서는 다른 문법으로 지원한다.

예를 들어 MariaDB에서는 RLIKE를 사용한다.

man

man 3 pcresyntax

QUOTING

특수문자가 많이 포함된 문자열을 검색하고자 할 때 유용하다.

[[/cmd/grep]]{GNU grep}에서 -P 옵션으로 사용할 수 있다. (BSD grep에서는 지원하지 않음)

 # 대괄호를 이스케이핑하지 않아도 되므로 편리하다
grep -P '\Q[[/cmd]]\E' -R

select '[[/cmd]]' REGEXP '\Q[[/cmd]]\E';

CHARACTERS

echo 'a' | ggrep -Po '\x{61}'

select 'a' REGEXP '\x{61}';

CHARACTER TYPES

GENERAL CATEGORY PROPERTIES

\p와 \P에서 사용한다.

-- sqlite
select '×±+−÷√∑∫∴¬∵~=≠≈≅⇔↔<>∀∃∪∩' REGEXP '\p{Sm}+';
--> 1

-- sqlite
select '$₩£€¥₽₹' REGEXP '\p{Sc}+';
--> 1

-- sqlite
SELECT '1¼①' REGEXP '^\p{N}+$';
--> 1

-- sqlite
select '([{' REGEXP '\p{Ps}+';
--> 1

select '[a' REGEXP '\p{Ps}a';
--> 1

PCRE SPECIAL CATEGORY PROPERTIES

\p와 \P에서 사용한다.

SCRIPT NAMES

국가/언어별 문자셋으로, \p와 \P에서 사용한다.

다음 언어들을 지원한다.

Arabic, Armenian, Avestan, Balinese, Bamum, Bassa_Vah, Batak, Bengali, Bopomofo, Brahmi, Braille, Buginese, Buhid, Canadian_Aboriginal, Carian, Caucasian_Albanian, Chakma, Cham, Cherokee, Common, Coptic, Cuneiform, Cypriot, Cyrillic, Deseret, Devanagari, Duployan, Egyptian_Hieroglyphs, Elbasan, Ethiopic, Georgian, Glagolitic, Gothic, Grantha, Greek, Gujarati, Gurmukhi, Han, Hangul, Hanunoo, Hebrew, Hiragana, Imperial_Aramaic, Inherited, Inscriptional_Pahlavi, Inscriptional_Parthian, Javanese, Kaithi, Kannada, Katakana, Kayah_Li, Kharoshthi, Khmer, Khojki, Khudawadi, Lao, Latin, Lepcha, Limbu, Linear_A, Linear_B, Lisu, Lycian, Lydian, Mahajani, Malayalam, Mandaic, Manichaean, Meetei_Mayek, Mende_Kikakui, Meroitic_Cursive, Meroitic_Hieroglyphs, Miao, Modi, Mongolian, Mro, Myanmar, Nabataean, New_Tai_Lue, Nko, Ogham, Ol_Chiki, Old_Italic, Old_North_Arabian, Old_Permic, Old_Persian, Old_South_Arabian, Old_Turkic, Oriya, Osmanya, Pahawh_Hmong, Palmyrene, Pau_Cin_Hau, Phags_Pa, Phoenician, Psalter_Pahlavi, Rejang, Runic, Samaritan, Saurashtra, Sharada, Shavian, Siddham, Sinhala, Sora_Sompeng, Sundanese, Syloti_Nagri, Syriac, Tagalog, Tagbanwa, Tai_Le, Tai_Tham, Tai_Viet, Takri, Tamil, Telugu, Thaana, Thai, Tibetan, Tifinagh, Tirhuta, Ugaritic, Vai, Warang_Citi, Yi.

$ echo 'ΣΦΩ' | ggrep -P '^\p{Greek}+$';
ΣΦΩ

$ echo '가나다' | ggrep -P '^\p{Hangul}+$';
가나다

$ echo '語' | ggrep -P '^\p{Han}+$';
語

$ echo 'ア' | ggrep -P '^\p{Katakana}+$';
ア

$ echo 'あお' | ggrep -P '^\p{Hiragana}+$';
あお

• script names는 sqlite에서는 지원하지 않는다.

CHARACTER CLASSES

POSIX NAMED SETS

POSIX named set은 다음과 같다.

QUANTIFIERS

수량자.

Greedy

• greedy는 가능한 한 많이 매칭한다.
• ? * +를 그대로 쓰면 greedy이다.

$ # greedy
$ echo abcabcabc | ggrep -P 'a.*c'
abcabcabc

Possessive

• possessive는 가능한 한 많이 매칭하되, backtracking을 하지 않는다.
• ?+ *+ ++처럼 뒤에 +를 붙이면 possessive이다.

possessive는 이해하기 꽤 어려울 수 있다.

$ # possessive
$ echo XXXXZ | ggrep -P 'X++[A-Z]+'
XXXXZ

• 매치 성공!
  • XXXX를 X++와 모두 매치시키고 나서,
  • 마지막 Z가 [A-Z]+와 매치 성공.

$ # possessive
$ echo XXXXX | ggrep -P 'X++[A-Z]+'

• 매치 실패
  • XXXXX 를 X++와 모두 매치시키고 나서,
  • [A-Z]+를 매치시킬 문자가 남아있지 않음.

백트래킹이 되는 greedy와 비교해보자.

$ # greedy
$ echo XXXXX | ggrep -P 'X+[A-Z]+'
XXXXX

• 매치 성공!
  • XXXXX 를 X+와 모두 매치시키고 나서,
  • 마지막 [A-Z]+ 와 매치시키기 위해 백트랙(한 글자 왼쪽으로 돌아감),
  • 마지막 X가 [A-Z]+와 매치 성공.

grep의 오작동

GNU grep을 쓰면 다음과 같은 케이스에서 오작동한다.

$ echo YYXXratsXX | ggrep -Po '([XY]++)rats\1'
XXratsXX

[XY]++가 YYXX와 매치되기 때문에 \1에 XXYY가 있어야 전체가 매치되는데, 결과를 보면 XXratsXX가 매치되어 있다.

Lazy

• lazy는 가능한 한 적게 매칭한다.
  • ?? *? +? ??처럼 뒤에 ?를 붙이면 lazy이다.

$ echo "abcabc" | ggrep -Po '^a.*?c'
abc

• 왼쪽의 abc가 매치되고, 오른쪽의 abc는 매치되지 않았다.

ANCHORS AND SIMPLE ASSERTIONS

MATCH POINT RESET

\K 는 positive assertion에서는 작동하지만, negative assertion에서는 무시된다.

ALTERNATION

expr|expr|expr...

|를 사용해 구분한다.

CAPTURING

ATOMIC GROUPS

COMMENT

TODO: OPTION SETTING

TODO: NEWLINE CONVENTION

TODO: WHAT \R MATCHES

LOOKAHEAD AND LOOKBEHIND ASSERTIONS

주의: 각각의 look behind의 최상위 branch는 고정된 길이여야 한다.

BACKREFERENCES

TODO: SUBROUTINE REFERENCES (POSSIBLY RECURSIVE)

TODO: CONDITIONAL PATTERNS

TODO: BACKTRACKING CONTROL

TODO: CALLOUTS

참고문헌

• List of Possessive Quantifiers (chortle.ccsu.edu) - grep의 오작동 관련.
• Perl Compatible Regular Expressions (PCRE) Documentation (mariadb.com)
• Possessive Quantifiers (chortle.ccsu.edu) - possessive 예제 참고.
• man 3 pcresyntax - PCRE 8.35, 2014-01-08 버전.