Reguläre Ausdrücke: Ein anfängerfreundlicher Leitfaden

31. März 2026 · 12 Min. Lesezeit

Was ist Regex?

Reguläre Ausdrücke, allgemein als Regex oder Regexp abgekürzt, sind Zeichenfolgen, die Suchmuster definieren. Diese leistungsstarken Werkzeuge werden umfassend für String-Abgleich, Validierung und Manipulation innerhalb von Textdaten verwendet. Durch die Beherrschung von Regex können Sie Aufgaben wie Textvalidierung, Datenextraktion und Datenformatierung mit bemerkenswerter Effizienz automatisieren.

Auf den ersten Blick kann Regex aufgrund seiner dichten, kryptischen Syntax einschüchternd wirken. Das Verständnis seiner Kernkomponenten öffnet jedoch Türen zu ausgefeilten Datenverarbeitungstechniken, die sonst Hunderte von Zeilen prozeduralen Codes erfordern würden. Betrachten Sie Regex als eine spezialisierte Mini-Sprache, die speziell für Musterabgleich entwickelt wurde.

Sie werden Regex in zahlreichen realen Szenarien begegnen: Softwareentwicklung, Datenanalyse, Systemadministration, Content-Management und Web-Scraping. Häufige Anwendungsfälle umfassen Log-Parsing, Formularvalidierung, Datentransformation in CSV-Dateien, Such- und Ersetzungsoperationen und das Extrahieren strukturierter Informationen aus unstrukturiertem Text.

Regex-Syntax verstehen

Die Syntax von Regex basiert auf grundlegenden Elementen, die sich zu leistungsstarken Musterabgleichsfunktionen kombinieren. Obwohl die Notation anfangs kryptisch erscheinen mag, dient jedes Symbol einem bestimmten Zweck bei der Definition, welcher Text Ihrem Muster entsprechen soll.

Lassen Sie uns die wesentlichen Bausteine aufschlüsseln, die die Grundlage jedes Regex-Musters bilden. Das Verständnis dieser Kernelemente ermöglicht es Ihnen, Muster für praktisch jedes Textabgleichsszenario zu konstruieren.

Grundlegende Metazeichen

Metazeichen sind Sonderzeichen in Regex, die spezifische Bedeutungen haben, anstatt sich selbst wörtlich zu entsprechen. Hier sind die grundlegendsten:

• . (Punkt): Entspricht jedem einzelnen Zeichen außer einem Zeilenumbruch. Zum Beispiel entspricht a.c "abc", "a2c", "a@c", aber nicht "ac".
• \ (Backslash): Maskiert Sonderzeichen, um sie wörtlich zu entsprechen. Verwenden Sie \., um einen tatsächlichen Punkt zu entsprechen.
• | (Pipe): Fungiert als ODER-Operator. Das Muster cat|dog entspricht entweder "cat" oder "dog".

Wenn Sie ein Metazeichen wörtlich entsprechen müssen (wie die Suche nach einem tatsächlichen Sternchen oder Punkt), müssen Sie es mit einem Backslash maskieren. Zum Beispiel entspricht \* einem wörtlichen Sternchen-Zeichen.

Zeichenklassen und Bereiche

Zeichenklassen ermöglichen es Ihnen, ein beliebiges Zeichen aus einer bestimmten Menge zu entsprechen. Sie sind in eckige Klammern eingeschlossen und bieten eine prägnante Möglichkeit, mehrere mögliche Zeichen an einer einzelnen Position anzugeben.

Grundlegende Zeichenklassen

• [abc]: Entspricht jedem einzelnen Zeichen, das 'a', 'b' oder 'c' ist.
• [^abc]: Entspricht jedem Zeichen außer 'a', 'b' oder 'c'. Das Caret-Zeichen innerhalb der Klammern negiert die Klasse.
• [a-z]: Entspricht jedem Kleinbuchstaben von 'a' bis 'z'.
• [A-Z]: Entspricht jedem Großbuchstaben.
• [0-9]: Entspricht jeder Ziffer von 0 bis 9.
• [a-zA-Z0-9]: Entspricht jedem alphanumerischen Zeichen.

Sie können mehrere Bereiche innerhalb einer einzelnen Zeichenklasse kombinieren. Zum Beispiel entspricht [a-zA-Z0-9_] jedem Buchstaben, jeder Ziffer oder jedem Unterstrich – häufig verwendet zur Validierung von Benutzernamen oder Variablennamen.

Vordefinierte Zeichenklassen

Die meisten Regex-Engines bieten Kurzschreibweisen für gängige Muster:

Diese Kurzschreibweisen machen Ihre Muster lesbarer und einfacher zu warten. Zum Beispiel ist \d{3}-\d{3}-\d{4} viel klarer als [0-9]{3}-[0-9]{3}-[0-9]{4} für das Abgleichen von Telefonnummern.

Quantifizierer erklärt

Quantifizierer geben an, wie oft ein Element in Ihrem Muster vorkommen soll. Sie werden nach dem Element platziert, das sie modifizieren, und sind wesentlich für das Abgleichen von Mustern mit variabler Länge.

Grundlegende Quantifizierer

• *: Entspricht null oder mehr Vorkommen. Das Muster ab*c entspricht "ac", "abc", "abbc", "abbbc" usw.
• +: Entspricht einem oder mehr Vorkommen. Das Muster ab+c entspricht "abc", "abbc", aber nicht "ac".
• ?: Entspricht null oder einem Vorkommen (macht das vorhergehende Element optional). Das Muster colou?r entspricht sowohl "color" als auch "colour".

Spezifische Quantifizierer

Für präzise Kontrolle über Wiederholungszahlen verwenden Sie geschweifte Klammern:

• {n}: Entspricht genau n Vorkommen. \d{4} entspricht genau vier Ziffern.
• {n,}: Entspricht n oder mehr Vorkommen. \d{3,} entspricht drei oder mehr Ziffern.
• {n,m}: Entspricht zwischen n und m Vorkommen (einschließlich). \d{2,4} entspricht 2, 3 oder 4 Ziffern.

Gierige vs. Faule Quantifizierer

Standardmäßig sind Quantifizierer "gierig" – sie entsprechen so viel Text wie möglich. Das Hinzufügen eines Fragezeichens nach einem Quantifizierer macht ihn "faul" oder "nicht-gierig" und entspricht so wenig wie möglich.

Betrachten Sie die Zeichenkette "<div>content</div>":

• <.+> (gierig) entspricht der gesamten Zeichenkette vom ersten < bis zum letzten >
• <.+?> (faul) entspricht nur <div>, dann </div> separat

Anker und Grenzen

Anker entsprechen keinen Zeichen – sie entsprechen Positionen innerhalb des Textes. Sie sind wesentlich, um sicherzustellen, dass Muster an bestimmten Stellen entsprechen, anstatt irgendwo in der Zeichenkette.

Positionsanker

• ^: Entspricht dem Anfang einer Zeile oder Zeichenkette. ^Hello entspricht "Hello" nur am Anfang.
• $: Entspricht dem Ende einer Zeile oder Zeichenkette. world$ entspricht "world" nur am Ende.
• \A: Entspricht dem absoluten Anfang der Zeichenkette (nicht vom Mehrzeilenmodus betroffen).
• \Z: Entspricht dem absoluten Ende der Zeichenkette (nicht vom Mehrzeilenmodus betroffen).

Die Kombination von Anfangs- und Endankern stellt sicher, dass die gesamte Zeichenkette Ihrem Muster entspricht. Zum Beispiel entspricht ^\d{5}$ einer Zeichenkette, die genau fünf Ziffern und nichts anderes enthält – perfekt zur Validierung von US-Postleitzahlen.

Wortgrenzen

Wortgrenzen sind unglaublich nützlich, um ganze Wörter zu entsprechen, ohne versehentlich Teile größerer Wörter zu entsprechen:

• \b: Entspricht einer Wortgrenze (der Position zwischen einem Wortzeichen und einem Nicht-Wortzeichen).
• \B: Entspricht einer Nicht-Wortgrenze.

Das Muster \bcat\b entspricht "cat" als eigenständiges Wort, aber nicht dem "cat" in "category" oder "concatenate". Dies ist wesentlich für Such- und Ersetzungsoperationen, bei denen Sie bestimmte Wörter anvisieren möchten.

Gruppen und Erfassung

Gruppen ermöglichen es Ihnen, mehrere Zeichen als eine einzelne Einheit zu behandeln und übereinstimmenden Text zur späteren Verwendung zu erfassen. Sie sind grundlegend für die Datenextraktion und die Erstellung komplexer Muster.

Erfassungsgruppen

Klammern erstellen Erfassungsgruppen, die sich den übereinstimmenden Text merken:

(\d{3})-(\d{3})-(\d{4})

Dieses Muster entspricht einer Telefonnummer und erfasst drei Gruppen: Vorwahl, Präfix und Leitungsnummer. Sie können auf diese erfassten Gruppen in Ersetzungszeichenketten verweisen oder sie programmatisch extrahieren.

In den meisten Programmiersprachen werden erfasste Gruppen beginnend mit 1 nummeriert. Gruppe 0 bezieht sich immer auf die gesamte Übereinstimmung. Zum Beispiel in JavaScript:

const regex = /(\d{3})-(\d{3})-(\d{4})/;
const match = "555-123-4567".match(regex);
// match[0] = "555-123-4567" (vollständige Übereinstimmung)
// match[1] = "555" (erste Gruppe)
// match[2] = "123" (zweite Gruppe)
// match[3] = "4567" (dritte Gruppe)

Nicht-erfassende Gruppen

Manchmal benötigen Sie Gruppierung zum Anwenden von Quantifizierern oder Alternation, müssen aber den übereinstimmenden Text nicht erfassen. Verwenden Sie (?:...) für nicht-erfassende Gruppen:

(?:https?|ftp)://[^\s]+

Dies entspricht URLs, die mit http, https oder ftp beginnen, ohne eine separate Erfassungsgruppe für das Protokoll zu erstellen. Nicht-erfassende Gruppen verbessern die Leistung und halten Ihre Erfassungsgruppennummerierung sauber.

Benannte Erfassungsgruppen

Benannte Gruppen machen Ihr Regex lesbarer und wartbarer, indem sie erfasstem Text aussagekräftige Namen zuweisen:

(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})

Anstatt sich zu merken, dass Gruppe 1 das Jahr ist, können Sie es nach Namen referenzieren. Die Syntax variiert leicht zwischen Regex-Engines, aber die meisten modernen Implementierungen unterstützen benannte Gruppen.

Fortgeschrittene Regex-Techniken

Sobald Sie die Grundlagen beherrschen, helfen Ihnen diese fortgeschrittenen Techniken, komplexe Musterabgleichsherausforderungen zu bewältigen.

Lookahead- und Lookbehind-Assertions

Lookaround-Assertions prüfen, ob ein Muster vor oder hinter der aktuellen Position existiert, ohne es in die Übereinstimmung einzubeziehen:

Beispiel: \d+(?= dollars) entspricht Zahlen, gefolgt von " dollars", schließt aber " dollars" nicht in die Übereinstimmung ein. Dies ist nützlich, wenn Sie Werte extrahieren möchten, die in bestimmten Kontexten erscheinen.

Rückverweise

Rückverweise ermöglichen es Ihnen, denselben Text zu entsprechen, der zuvor von einer Gruppe erfasst wurde. Sie werden mit Backslash-Notation nummeriert:

\b(\w+)\s+\1\b

Dieses Muster entspricht wiederholten Wörtern wie "the the" oder "is is". Das \1 verweist zurück auf das, was von der ersten Gruppe erfasst wurde, und stellt sicher, dass beide Wörter identisch sind.

Bedingte Muster

Einige Regex-Engines unterstützen bedingte Muster, die verschiedene Alternativen entsprechen, basierend darauf, ob eine vorherige Gruppe übereinstimmte:

(a)?b(?(1)c|d)

Dies entspricht "abc", wenn das optionale "a" vorhanden war, oder "bd", wenn es nicht vorhanden war. Bedingte Muster sind leistungsstark, können aber Regex schwerer lesbar machen, also verwenden Sie sie mit Bedacht.

Praktische Anwendungen

Lassen Sie uns reale Szenarien erkunden, in denen Regex glänzt, komplett mit praktischen Beispielen, die Sie sofort verwenden können.

E-Mail-Validierung

Während perfekte E-Mail-Validierung überraschend kom