Table des matières

Contexte d'utilisation des ER
- Les caractères utilisés pour créer des regexp avec sed
Sed et les regexp simples
- Explications
Sed -r : les caractères étendues
- Les sous-chaînes : associer ( ), [ ], { }

Sed et les expressions rationnelles

Objet : apprendre à utiliser les E.R avec sed
Commentaire : détail de la documentation de sed relative au E.R.
Niveau requis :
avisé

Contexte d'utilisation des ER

On utilise les expressions rationnelles simples ou étendues (ERE) avec sed

pour les adressages par l'encadrement, simple et double.
avec la commande s :
- s/motif/substitut/[options_de_s] où “motif” peut être une ER ou une ERE
- qui utilise aussi des ER pour ses adressages.

Dans ce qui suit, seule la commande s servira pour illustrer d'exemples l'utilisation des ER et ERE.
Pour l'utilisation globale de sed voir sed par la méthode structuraliste.

Les caractères utilisés pour créer des regexp avec sed

info sed

`-r'
`--regexp-extended'
  Use extended regular expressions rather than basic regular
  expressions.  Extended regexps are those that `egrep' accepts;
  they can be clearer because they usually have less backslashes,
  but are a GNU extension and hence scripts that use them are not
  portable.  *Note Extended regular expressions: Extended regexps.

Sed utilise une version particulière des expressions régulières.

Sans l'option -r :

→ utilisation des expressions régulières de basiques,
c'est-à-dire, celles qui utilisent les métacaractères simples (POSIX) qui sont en communs à tous les programmes utilisant les expressions régulières.
En voici un rappel : . ; *, ^, $, [ ],\< , \>

Attention au caractère * :

comme métacaractère :
* → zéro ou plusieurs occurrence(s) de n'importe quel caractère
expression régulière :
* → zéro ou plusieurs fois l'élément précédent (b*BABA → BABA, bBABA, bbBABA, bbbBABA, etc.)
expression régulière :
.* → zéro ou plusieurs occurrence(s) de n'importe quel caractère

→ utilisation des classes :

Attention il y a une petite ambiguïté !
Les classes peuvent effectivement être utilisées avec sed sans l'option -r bien que la documentation de sed renvoie à celle grep -E (ou egrep) où elles font partie des regexp étendues.


`[[:alnum:]]`	Alpha-numerique [a-z A-Z 0-9]
`[[:alpha:]]`	Alphabetic [a-z A-Z]
`[[:blank:]]`	Espaces ou tabulations
`[[:cntrl:]]`	Caractères de contrôle
`[[:digit:]]`	Nombres [0-9]
`[[:graph:]]`	Tous les caractères visibles (à l'exclusion des espaces)
`[[:lower:]]`	Lettres minuscules [a-z]
`[[:print:]]`	Caractères imprimables (tous caractères sauf ceux de contrôle)
`[[:punct:]]`	Les caractères de ponctuation
`[[:space:]]`	Les espaces
`[[:upper:]]`	Les lettres majuscules [A-Z]
`[[:xdigit:]]`	Chiffres hexadécimaux [0-9 a-f A-F]

Avec -r :

→ On peut utiliser tous les caractères vus précédemment.
L'ajout de l'option -r ne change pas leur signification.

→ On peut utiliser les caractères POSIX étendus :

| ; + ; ? ; ( ) ;{ } ; [ - ]

Auxquels il s'ajoute les caractères non-portables : \< et \>
-\< : cible le début d'un mot¹⁾ : \< doit figurer devant la sous-chaîne désirée
-\> : cible la fin d'un mot : \> doit figurer en fin de la sous-chaîne désirée

Voici la liste complète et testée des caractères nécessitant l'option -r de sed :

| ; + ; ? ; ( ) ;{ } ; [ - ] ; \< ; \>

→ Il s'y ajoute quelqu'uns des raccourcis ci-dessous.
Il s'agit là de quelques unes des extensions GNU²⁾ qui sont pas portables, mais qui fonctionnent avec sed -r :

\f : Produit ou correspond à un saut
\n : Produit ou correspond à un retour à la ligne
\t : Produit ou correspond à un onglet horizontal
\v : Produit ou correspond à une tabulation verticale
\w : Synonyme de [[:alnum:]] → correspond à un mot.
\W : Synonyme de [^[:alnum]] → ce qui autre qu'un mot.
\b : Correspond à une chaîne vide (blanc) à l'extrémité d'un mot³⁾

Référence : http://sunsite.ualberta.ca/Documentation/Gnu/sed-3.02/html_chapter/sed_3.html

Pour utiliser les REGEXP, il faut avant tout maîtriser les syntaxes de substitution, et l'adressage.

Sed et les regexp simples

Explications

le caractère ^

Le caractère ^ n'est spécial qu'en début d'E.R. ou immédiatement à gauche dans une chaîne encadrée par des '[]' (voir : “les crochets”).

Exemple 1 : supprimer la ligne comprenant le caractère “#”, du fichier :

cat >> ~/sed.txt <<EOF
> abc
> #ABC
> EOF

sed '/^#/ d' sed.txt

abc

Exemple 2 : supprimer le caractère # seulement du fichier sed.txt

sed -e '/^#/s/#ABC/ABC/' sed.txt
</code
<code>
abc
ABC

Exemple 3 : ne pas supprimer le ligne qui commence par #

sed '/^#/ !d' ~/sed.txt

Le caractère $

Le caractère $ représente la fin de la ligne. (Le caractères $ n'est spécial qu'en fin d'E.R ou d'un ensemble d'E.R.)

Exemple : supprimer la ligne finissant par “C”

sed -e 's/.*C$//' -e '/^$/ d' sed.txt

abc

L'étoile (*)

Une E.R. d'un seul caractère suivie d'un * est une E.R. qui recherche zéro occurrence ou plusieurs de ce caractère.
c*123 → 123 ou c123 ou cc123 ou ccc123, etc. L'expression régulière précédente, doit être un caractère ordinaire, un caractère spécial précédé par \, a., une expression rationnelle groupés⁴⁾, ou une expression entre crochets.

S'il y a plusieurs choix, alors la chaîne de gauche la plus longue est choisie.
La E.R .* représente zéro ou plusieurs occurrences de n'importe quel caractère.

Les crochets

La chaîne non-vide encadrée par [ ] est considérée comme une E.R. d'un seul caractère pouvant avoir n'importe quelle valeur définie entre ces [].

echo "1 B 2 b à bB" | sed 's/[Bb]/gaga/g'

1 gaga 2 gaga à gagagaga

À l'inverse, la E.R représentée par [^…] est une chaîne composée de tous caractères à l'exclusion de ceux encadrés.
( le caractère ^ ne spécifie cette fonctionnalité d'exclusion que s'il se trouve en première position, immédiatement après le [ )

À l'exclusion de tous caractères ! Y compris l'espace :

echo "1 B 2 b à bB" | sed 's/[^Bb]/gaga/g'

gagagagaBgagagagagagabgagagagagagabB

Une combinaison de plusieurs E.R. d'un seul caractère est une E.R. qui correspond à l'ensemble de ce que chaque E.R. désigne.
Par exemple a[bB] recherche ab ou aB.

Les caractères . , * , [ et \ sont toujours spéciaux sauf s'ils sont encadrés entre [].

[A-Za-z-] → Tout caractère alpha ou le -.
[]a-z] → Tout caractère alpha ou le ].

le point (.)

Un point . est une E.R. d'un seul caractère qui correspond à n'importe quel caractère sauf le saut de ligne.

Exemple 1 :

echo "a B 2 ! * & : ?" | sed 's/./Gaga/g'

GagaGagaGagaGagaGagaGagaGagaGagaGagaGagaGagaGagaGagaGagaGaga

Exemple 2, point<espace> :

echo "C " | sed 's/. /Coucou/'

Coucou

Sed -r : les caractères étendues

Rappel :

+ ; ? ; | ; ( ) ; [ ; { }

le caractère (+)

substituer une ou plusieurs fois “z” par OK

echo "abc azbc azzbc azzzbc azzzzbc" | sed -r 's/az+bc/OK/g'
abc OK OK OK OK

Le caractère ( ? )

substituer zéro ou une fois “z” par OK

echo "abc azbc azzbc azzzbc azzzzbc" | sed -r 's/az?bc/OK/g'
OK OK azzbc azzzbc azzzzbc

Le ou ( | )

substituer ab ou cd par OK

echo "abef cdef efgh abcd" | sed -r 's/ab|cd/OK/g'
OKef OKef efgh OKOK

substituer ab ou cd par OK et effacer le reste

echo "lflfabef cdef efgh ftyabcdopm" | sed -r\
 's/^.*[ab|cd]*/OK/g'
OK

Les parenthèses

echo "a b c d e f" | sed -r 's/(b|e)/X/g'

a X c d X f

Parenthèses et inversion de champs

Avec la commande s (substitution), on peut de définir plusieurs E.R mises entre parenthèses.
Cela permet de faire une inversion en se servant du séparateur de chaque champ à matcher.

Exemple :

echo "coucou:toto" | sed -r 's/^(.*):(.*)/\2:\1/'

toto:coucou

/^$.*$\1$/ : correspond à une ligne contenant au moins deux fois la même sous-chaîne de caractères

Les accolades { et }

Un seul caractère suivie par {m}, {m,}, ou {m,n} est une E.R. qui correspond au caractère précédant { s'il est présent, exactement m fois (m); au moins m fois (m,); entre “m” et “n” fois (m,n).
'm' et 'n' doivent être des entiers positifs ou nuls inférieurs à 256.

substituer seulement “aaa, aaaa et aaaaa” par OK

echo "a aa aaa aaaa aaaaaa aaaaaaaa aaaaaaa" | sed -r\
 's/a{3,5}/OK/g'
a aa OK OK OKa OKOK OKaa

substituer trois “a” et plus par OK

echo "a aa aaa aaaa aaaaaa aaaaaaaa" | sed -r 's/a{3,}/OK/g'
a aa OK OK OK OK

Traitement des mots

le caractère \<

Le caractère \< oblige l'E.R. à correspondre avec le début d'un mot (mot = chaîne de caractères chiffres, lettres ou '_').
\< doit figurer devant la sous-chaîne désirée.

echo "info pour tous informatique" | sed -r 's/\<info/OK/g'

OK pour tous OKrmatique

le caractère \>

Le caractère \> oblige l'E.R. à correspondre à la fin d'un mot.
\> doit figurer en fin de la sous-chaîne désirée.

echo "métrique cosmétique" | sed -r 's/métique\>/OK/g'

métrique cosOK

Les sous-chaînes : associer ( ), [ ], { }

substituer “Hello” par OK

echo "coucou Hello Yep" | sed -r 's/[A-Z]{1}[a-z]{4}/OK/g'

coucou OK Yep

substituer “ABC-123 abc-123” par OK

echo "ABC-123 abc-123" | sed -r 's/[A-Z]{3}-[[:digit:]]{3}\
 [[a-z]{3}-[[:digit:]]{3}/OK/'
OK

SHELL : \

→ Les longues commandes peuvent être sectionnées avec :

\<retour à la ligne>[<espace>]

substituer “ab efab ef” par OK

echo "123ab efab ef123" | sed -r 's/(ab[[:blank:]]ef){2}/OK/'
123OK123

substituer “123ab efab ef123” par trois “OK”

echo "123ab efab ef123" | sed -r -e 's/(ab[[:blank:]]ef){2}/OK/g'\
 -e 's/[[:digit:]]{3}/OK/g'
OKOKOK

substituer jusqu'à trois “a” par OK

Attention !
La E.R {,m} n'est pas utilisée avec sed.
Les chaînes comportant plus de trois “a” contiennent aussi moins de trois “a” !

echo "a aa aaa aaaa aaaaaa aaaaaaaa" | sed -r 's/a{,3}/OK/g'
OK OK OK OKOK OKOK OKOKOK

echo "a aa aaa aaaa aaaaaa aaaaaaaa" | sed -r\
 's/(a{1}[[:blank:]]|a{2}[[:blank:]])/OK/g'
OKOKaOKaaOKaaaaOKaaaaaaaa

echo "a aa aaa aaaa aaaaaa aaaaaaaa" | sed -r\
 -e 's/(a{1}[[:blank:]])/OK/' -e 's/(a{2}[[:blank:]])/OK/' 
OKOKaaa aaaa aaaaaa aaaaaaaa

¹⁾

Attention : Un mot est une chaîne de caractères faite de chiffres, lettres ou de _ et séparée par tout autre caractère qu'un chiffre, une lettre ou le _.

²⁾

Escapes

³⁾

info\b →“info pour tous” et \binfo → “informatique”

⁴⁾

voir les parenthèses