[erledigt] Extended Regex mit Rückreferenzen

[paedubucher]

Mit egrep kann ich folgendermassen eine IP-Adresse matchen:

Code: Alles auswählen

$ echo 127.0.0.1 | egrep '[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}'
127.0.0.1

Nun möchte ich den regulären Ausdruck schlanker machen, indem ich eine Rückreferenz verwende. Dabei umklammere ich das erste Segment [0-9]{1,3} und ersetze die weiteren Segmente durch die Referenz \1. Doch leider funktioniert das so nicht:

Code: Alles auswählen

$ echo 127.0.0.1 | egrep '([0-9]{1,3})\.\1\.\1\.\1'
[kein Match]

Begehe ich da einen Denkfehler (d.h. auf konzeptioneller Ebene) oder habe ich mich da bloss mit einzelnen Zeichen verhaspelt? Ich komme gerade nicht auf die Lösung

[tobo]

Doch leider funktioniert das so nicht:

Doch, das funktioniert schon:

Code: Alles auswählen

$ echo 127.127.127.127 | egrep '([0-9]{1,3})\.\1\.\1\.\1'
127.127.127.127
$

[paedubucher]

Doch leider funktioniert das so nicht:

Doch, das funktioniert schon:

Code: Alles auswählen

$ echo 127.127.127.127 | egrep '([0-9]{1,3})\.\1\.\1\.\1'
127.127.127.127
$

Mit 127.127.127.127 funktioniert es bei mir auch, aber nicht mit 127.0.0.1.

[heisenberg]

Mit 127.127.127.127 funktioniert es bei mir auch, aber nicht mit 127.0.0.1.

Na. Dann ist der Fall doch klar. \1 bezieht sich auf die gefundene Zeichenkette durch den enthaltenen regulären Ausdruck und nicht auf den regulären Ausdruck selbst.

[Livingston]

Code: Alles auswählen

$ echo 127.1.1.1 | egrep '(([0-9]{1,3})\.?){4}'
127.1.1.1

Kleiner Haken: Würde auch mit einem abschließenden Punkt matchen

[paedubucher]

Mit 127.127.127.127 funktioniert es bei mir auch, aber nicht mit 127.0.0.1.

Na. Dann ist der Fall doch klar. \1 bezieht sich auf die gefundene Zeichenkette durch den enthaltenen regulären Ausdruck und nicht auf den regulären Ausdruck selbst.

Da haben wir es!

Der Rückbezug ist inhaltlich und nicht als Regel zu verstehen!

Vielen Dank!

[tobo]

Code: Alles auswählen

$ echo 127.1.1.1 | egrep '(([0-9]{1,3})\.?){4}'
127.1.1.1

Kleiner Haken: Würde auch mit einem abschließenden Punkt matchen

Und auch Zahlenkolonnen ohne jeden Punkt. Dann eher sowas:

Code: Alles auswählen

grep -E '([0-9]{1,3}\.){3}[0-9]{1,3}'

[paedubucher]

Code: Alles auswählen

$ echo 127.1.1.1 | egrep '(([0-9]{1,3})\.?){4}'
127.1.1.1

Kleiner Haken: Würde auch mit einem abschließenden Punkt matchen

Und auch Zahlenkolonnen ohne jeden Punkt. Dann eher sowas:

Code: Alles auswählen

grep -E '([0-9]{1,3}\.){3}[0-9]{1,3}'

Vielen Dank, das ist eine sinnvolle Lösung für das Problem!

[Meillo]

Mit 127.127.127.127 funktioniert es bei mir auch, aber nicht mit 127.0.0.1.

Na. Dann ist der Fall doch klar. \1 bezieht sich auf die gefundene Zeichenkette durch den enthaltenen regulären Ausdruck und nicht auf den regulären Ausdruck selbst.

So ist es, nur weil das so ist, kann man damit das passende HTML-Tag matchen:

Code: Alles auswählen

<([bi])>.*</\1>

@paedu: Du wuenschst dir, Schreibaufwand zu sparen; wuerde die Rueckreferenz so funktionieren, dann waere die Sprache zwar regulaer, aber weniger maechtig. Soweit ich mich mit der Theorie auskenne, sind Rueckverweise schon kontextbasiert und damit mehr als nur regulaer. Sie sind also ein Addon auf REs, darum werden sie von EREs eigentlich auch nicht unterstuetzt, wodurch man diese mit einem DFA implementieren kann. Rueckreferenzen brauchen einen NFA. Moderne ERE-Implementierungen arbeiten aber hybride, d.h. sie nutzen einen DFA, wenn moeglich, und switchen zu einem NFA, falls noetig. (Nagelt mich bitte auf nichts davon fest. Das ist nur mein bestes Halbwissen. )

[HumiNi]

Und auch Zahlenkolonnen ohne jeden Punkt. Dann eher sowas:

Code: Alles auswählen

grep -E '([0-9]{1,3}\.){3}[0-9]{1,3}'

Code: Alles auswählen

$ echo 555.666.777.888 | grep -E '([0-9]{1,3}\.){3}[0-9]{1,3}'
555.666.777.888

[tobo]

Es gab hier vor kurzem einen ausführlichen RegEx-Thread dazu, der sich dem Problem einigermaßen angenommen hat. Ich finde den aber jetzt gerade nicht, Livingston vielleicht schon.
Eine RegEx zur "Validierung" von IP-Adressen ist jedenfalls überall im Internet zu finden - die geht dann jedoch deutlich über ein paar Zeilenlängen hinaus.
Grob: Es macht einen Unterschied, ob ich eine IP-Adresse validieren will oder ob ich in einem Text mit validierten IPv4-Adressen diese finden will. Denn mit Zahlen <256 ist es nicht ansatzweise getan...

[Livingston]

Es gab hier vor kurzem einen ausführlichen RegEx-Thread dazu, der sich dem Problem einigermaßen angenommen hat. Ich finde den aber jetzt gerade nicht, Livingston vielleicht schon.

Ich erinnere mich, dass wir mehrere Lösungen für IPv4 und IPv6 gefunden haben, aber keine optimal traf (zumindest, wenn ma es kurz und knapp halten möchte). Probleme bereiteten u.a. Wortgrenzen.
Ich melde mich nochmal, wenn ich den Thread gefunden habe.

GEFUNDEN
Da isser: viewtopic.php?t=188495
Der Titel ist etwas missverständlich. IPv4 wird dort auch mit abgehakt.

[Livingston]

Eine RegEx zur "Validierung" von IP-Adressen ist jedenfalls überall im Internet zu finden - die geht dann jedoch deutlich über ein paar Zeilenlängen hinaus.
Grob: Es macht einen Unterschied, ob ich eine IP-Adresse validieren will oder ob ich in einem Text mit validierten IPv4-Adressen diese finden will. Denn mit Zahlen <256 ist es nicht ansatzweise getan...

Neben dem bekannten Format sind Angaben in anderen Zahlensystemen auch zugelassen (mindestens oktal und hexadezimal). Dazu kämen inhaltliche Prüfungen (reservierte Bereiche, lokale Netze, Multicast-Adressraum, usw.)
Man muss eben unterscheiden zwischen Syntax (formaler Mustersuche mit Regexen) und Semantik (Checken nach erlaubten/ Werten). Eine einfache Quick'n'Dirty-Lösung für zweiteres könnte so aussehen:

Code: Alles auswählen

#!/bin/bash
  #Überprüft IPv4-Adresse im ersten Argument auf Gültigkeit
   
  myip=( $(echo $1|tr "." " ") )
  for i in ${myip[*]}; do
      if [ $i -gt 255 ]; then
          echo "War wohl nix :P"
          exit 1
      fi
 done
 echo "Adresse gültig"

[tobo]

Wobei man vielleicht auf 4 Werte und die dann gegen True und nicht gegen False prüfen sollte!?

Code: Alles auswählen

$ ./t.sh 1.2-3
./t.sh: line 6: [: 2-3: integer expression expected
Adresse gültig
$

[paedubucher]

Danke auch für die Ergänzungen, welche den Wertebereich der vier IPv4-Segmente korrekt überprüfen. Mir ging es eigentlich nur um den Regex-Mechanismus, wozu die IP-Adresse einfach ein Beispiel war.

[tobo]

Wie Livingston schon schrieb, gibt es da durchaus mehrere Darstellungsmöglichkeiten.

Eine IPv4-Adresse kann in dezimal, binär, oktal und hexadezimal sowohl in der Punkt- als auch in der Nichtpunktnotation dargestellt werden.

Per RegEx kann das schnell ausarten...

[Livingston]

Wobei man vielleicht auf 4 Werte und die dann gegen True und nicht gegen False prüfen sollte!?

Code: Alles auswählen

$ ./t.sh 1.2-3
./t.sh: line 6: [: 2-3: integer expression expected
Adresse gültig
$

War auch nur als einfaches Beispiel gedacht. Lässt sich natürlich beliebig erweitern.

Ich ging bei meinem Script davon aus, dass das erste Manöver (Extraktion mit Regex) bereits geglückt ist, und man das Ergebnis daraufhin weiteruntersuchen möchte.
Wenn das Umfeld stimmt (also IP-Adressen nett durch Leerzeichen getrennt sind, Klammern keine Rolle spielen etc.), und man nur "mal eben" testen will, ob einfache Randbedingungen stimmen, muss man nicht weiter in die Materie eintauchen.
Ansonsten geht es gleitend in das Thema "Parsen" über, und dann ist irgendwann auch mit Regexen das Ende der Fahnenstange erreicht.