Reguláris kifejezés

A reguláris kifejezés (angolul regular expression) egy olyan, bizonyos szintaktikai szabályok szerint leírt string, amivel meghatározható stringek egy halmaza. Nevének rövidítésére gyakran a regexp vagy regex kifejezés használatos.

A reguláris kifejezéseket sok szövegszerkesztő, illetve segédprogram használja, főleg szövegek keresésekor vagy szövegek bizonyos minták szerinti kezelésekor.

A reguláris kifejezéseket a jelsorozatokkal, stringekkel való műveleteknél több programozási nyelv is használja, illetve támogatja. Például a Perl és a Tcl is rendelkezik direkt reguláris kifejezések elemzésére szolgáló szintaktikai elemzővel. A különböző Unix disztribúciókban lévő segédprogramok jelentős része (beleértve a sed szövegszerkesztőt és a grep szűrőt) támogatta először a reguláris kifejezések használatát.

Alapkoncepció

A gyakran mintának nevezett reguláris kifejezés a jelsorozatok, stringek egy halmazát határozza meg. A minták használatával tömören megadhatók halmazok leírásai annélkül, hogy az összes elemüket fel kellene sorolni. Tegyük fel például, hogy egy halmaz a következő jelsorozatokat tartalmazza: Handel, Händel, és Haendel. Leírhatók-e a halmaz elemei a H(ä|ae?)ndel mintával (más szavakkal: mondhatjuk-e, hogy a mintához mindhárom string illeszkedik)? Amint az a későbbiekből kiderül, általában azonos halmazok különböző mintákkal is leírhatóak.

A legtöbb formalizálásnál a következő operátorok használatával konstruálhatók meg a megfelelő reguláris kifejezések.

választás

A függőleges vonal (|) a lehetséges alternatívákat választja el. Például a „kap|kép” minta alternatívákhoz illeszkedik a kap vagy a kép jelsorozat is.

csoportosítás

A zárójelek az operátorok hatásköre elsőbbségének a meghatározására szolgálnak. Például, a kap|kép és k(a|é)p minták különbözőek, de ugynazok a jelsorozatok illeszkednek hozzájuk (kap és kép).

mennyiség jelzés

A mennyiség jelző egy karakter, vagy csoport után azt határozza meg, hogy hányszor fordulhat elő a megelőző kifejezés. A leggyakoribb mennyiség jelzők a ?, a * és a +:

?

A kérdőjel jelzi, hogy a megelőző kifejezés csak 0 vagy 1 esetben fordulhat elő. Például, a colou?r minta összeillik a color és a colour jelsorozatok közül bármelyikkel.

*

A csillag jelzi, hogy a megelőző kifejezés akárhány esetben fordulhat elő (beleértve a nullát is). Például, go*gle mintával összeillik a ggle, a gogle, a google stb. Nagyon fontos, hogy a * értelmezése alapvetően eltér a Windows-beli megszokott értelmezéstől!

+

A plusz karakter jelzi, hogy a megelőző kifejezés legalább 1 esetben fordulhat elő. Például a go+gle mintához illeszkedik a gogle, google stb. (de a ggle nem!).

A fenti konstrukciók egymással kombinálva a különféle formák komplex ellenőrzését teszik lehetővé.

Tehát a H(ae?|ä)ndel és a H(a|ae|ä)ndel érvényes, szabályos minták, és ezen túlmenően, mindkettőhöz illeszkednek a előző példaként megadott jelsorozatok.

Másik példa a előzőekben leírt operátorok kínálta lehetőségek kihasználásra:

Legyen a minta a következő:
(nagy ?)*(apa|anya)

A mintához illeszkedik a következő stringek közül bármelyik: apa, anya, nagy apa, nagy anya, nagy nagy apa, nagy nagy anya, nagyapa, nagyanya, nagy nagyapa, nagy nagyanya, nagy nagy nagyapa, nagy nagy nagyanya és így tovább.

A reguláris kifejezések pontos szintaxisa a változó eszközök és alkalmazások miatt egységesen nem adható meg; a további részleteket lásd a Szintaxis résznél.

Történet

A reguláris kifejezések először az automata elmélet és formális nyelvek elmélete (mindkettő része a elméleti számítógép-tudománynak) kapcsán merültek fel. Ezek az elméletek a számítógép működésének modellezésénél (automaták), illetve ezek osztályozásánál és leírásásnál formális nyelvek voltak fontosak. Az 1940-es években Warren McCulloch és Walter Pitts az idegrendszer neuronokkal történő modellezésének leírásához használt egy kicsiny, egyszerű automatát. A matematikus Stephen Kleene ugyanezt a modellt matematikai jelölésekkel, az úgynevezett reguláris halmazok alkalmazásával írta le. Ken Thompson ezt a jelölési módot építette be az általa készített QED szövegszerkesztő programba. Ez került a Unix szerkesztőjébe (ed) is, ami a reguláris kifejezéseket használó grep elkészüléséhez vezetett. Azóta a reguláris kifejezések széles körben elterjedtek a Unix és a Unix-szerű rendszerek segédprogramjainál, amilyenek például az expr, az awk, az Emacs, a vi, a lex és a Perl.

A Perl és a Tcl reguláris kifejezései a Henry Spencer által írt regexből származnak. Philip Hazel kifejleszti a pcre (Perl Compatible Regular Expressions) alkalmazást, amely képes szimulálni a Perl reguláris kifejezési funkcionalitásait, és több modern eszközben is megjelenik, többek között a PHP-ben, és az Apache-ban.

A későbbiekben felsorolt nagyszámú eszköz, könyvtár stb. bizonyítja, hogy a reguláris kifejezések ma egyre nagyobb teret nyernek, és egyre több olyan eszköz jelenik meg, amelyeket direkt ezek kezelésére fejlesztettek.

A reguláris kifejezések számítógépes nyelvekbe integrálása még nagyon kevéssé elterjedt, bár a Perl reguláriskifejezés-integrációja a legjobbak között van, de a jövőben a fejlesztésnél még erőfeszítések szükségesek (angol nyelven Perl6) az integráció növeléséhez. Ide tartozik a Apocalypse 5 projekt is.

Kapcsolat a formális nyelvek elméletével

A reguláris kifejezések konstansokból és operátorokból épülnek fel, stringek egy bizonyos halmazát jelölik, illetve műveleteket definiálnak a halmaz elemeire, vagy az elemei között.

Adott véges Σ ábécé a következő konstansokat

• (üres halmaz) Ø halmaz jelölése Ø
• (üres string) ε halmaz jelölése {ε}
• (literál karakter) a Σ része, halmaz jelölése {a}

és a következő operátorokat definiálja:

• (konkatenáció) RS halmaz jelölése { αβ | α R-ben és β S-ben }. Például {„ab”, „c”}{„d”, „ef”} = {„abd”, „abef”, „cd”, „cef”}.
• (választás) R|S jelöli a halmazok R és S unióját.
• (Kleene csillag) R* jelöli azt az R legkisebb részhalmazát, amely tartalmazza ε-t és a stringjeinek konkatenációit. Ez a konkatenált stringek halmaza úgy áll elő, hogy többször vagy egyszer sem konkatenáljuk az R halmazban lévő stringeket. Például {„ab”, „c”}* = {ε, „ab”, „c”, „abab”, „abc”, „cab”, „cc”, „ababab”, … }.

Több leírásban a $\bigcup$ , $+$, vagy $\vee$ szimbólumokat használják a választás jelölésére a függőleges vonal helyett.

A felesleges zárójelezések elkerülésére a műveletek eltérő prioritásúak: megegyezés szerint a Kleene csillag nagyobb prioritású, mint a konkatenáció és az unió, így elhagyhatók a zárójelek, amennyiben az nem okoz kétértelműséget. Például, az (ab)c abc-nek is írható és az a|(b(c*))-t írhatjuk mint a|bc*.

Példák:

• a|b* jelöli a {ε, a, b, bb, bbb, …} halmazt
• (a|b)* által jelölt halmaz tartalmaz minden olyan stringet, amely tetszés szerinti számú a és b szimbólumból áll, valamint az üres stringet is
• b*(ab*)* mint az előző
• ab*(c|ε) jelöli a stringek olyan halmazát, amelyben a stringek a-val kezdődnek, utána nulla vagy több b következik, a záró c opcionális.
• ((a|ba(aa)*b)(b(aa)*b)*(a|ba(aa)*b)|b(aa)*b)*(a|ba(aa)*b)(b(aa)*b)* jelöli minden olyan string halmazát, amelyek páros számú b-ből és páratlan számú a-ból állnak. Megjegyezzük, hogy a fenti kifejezés leírható a következő formában is: (X Y*X U Y)*X Y* ahol X = a|ba(aa)*b és Y = b(aa)*b.

A reguláris kifejezések formális definíciói szándékosan a lehető legegyszerűbbek és igyekszenek elkerülni a redundáns mennyiségi jelölőket, (? és +) amelyek kifejezhetőek a következőképpen: a⁺= aa*, és a? = (ε|a). Néha a komplementer képző operátort ~ is használják (~R jelöli az összes string halmazát a Σ ábécé felett, amelyek nem részei R-nek. A komplementer képző operátor redundáns: minden esetben kifejezhető egyéb operátorok használatával.

A reguláris kifejezések ebben az értelemben pontosan kifejezhetők a nyelvek azon csoportjával, amelyeket véges automata el tud fogadni: a szabályos nyelvekkel. Némi ellentmondást jelent, hogy a szabályos nyelvek néhány osztálya leírható egy automatával, azonban a reguláris kifejezések hossza exponenciálisan növekvő , míg más esetben a hossz növekedése csak lineáris. A reguláris kifejezések megfelelnek a Chomsky féle hierarchia type 3 nyelvtanoknak, és leírásukhoz a szabályos nyelvek használhatók.

Amint azt a példák is mutatják, különböző reguláris kifejezések azonos nyelven kifejezhetők: a használt formalizmus redundáns.

Lehetséges olyan algoritmus írása, amelyik két adott reguláris kifejezésről eldönti, hogy az adott nyelven egymásnak megfelelnek-e, ekkor a kifejezéseket egy minimális determinisztikus automatává redukálják, így eldönthető, hogy azok izomorfak-e (ekvivalensek).

Hogyan lehet megszüntetni a redundanciát? Található-e reguláris kifejezések olyan megfelelő részhalmaza, amely még teljesen kifejező? A Kleene csillag és halmazok uniója nyilvánvalóan szükségesek, de korlátozottan használhatóak. Kiderül, hogy ez a probléma meglepően bonyolult. Egy egyszerű reguláris kifejezésről kiderül, hogy nincs szisztematikus helyettestési eljárás valamilyen normál formává alakítására. A reguláris kifejezések végesen nem axiomatizálhatók. Más módszert kell igénybe venni. A fentiek miatt merült fel a csillag súly probléma .

A gyakorlatban megvalósított „reguláris kifejezés elemző gépek” működését nem lehet egy reguláris kifejezés algebrával leírni; a részleteket lásd a alul pontban.

Szintaxis

„Tradicionális” Unix reguláris kifejezések

Az „alap” Unix reguláris kifejezéseinek definíciói a POSIX megjelenésével ugyan elavultak, ennek ellenére széles körben használatosak a visszafelé kompatibilitás miatt. A legtöbb reguláris kifejezést felismerő Unix (segéd)program, például a grep és a sed alapértelmezésként használja még ezeket.

Ebben a szintaxisban a legtöbb karaktert literalként kezelik – saját magukhoz illeszkednek csak („a” összeillik „a”-val, „(bc” összeillik „(bc”-hez stb.). A kivételek az illesztő-karaktereknek nevezett metakarakterek:

.	Összeillik bármilyen egyedülálló karakterrel
[ ]	Összeillik azzal az egyedülálló karakterrel, ami a zárójelek között fel van sorolva. Például, [abc]-hez illeszkedik „a”, „b”, vagy „c”. [a-z]-hez illeszkedik bármelyik kisbetű. A jelölések keverhetők: [abcq-z]-hez illeszkedik a, b, c, q, r, s, t, u, v, w, x, y, z, de így is írható: [a-cq-z]. A '-' karakter literálként viselkedik, ha a zárójelen belül első vagy utolsó helyen szerepel: [abc-] vagy [-abc]. A'[' vagy ']' karakterek illesztése nagyon egyszerű, csak a záró szögletes zárójelet előbb kell írni a nyitó szögletes zárójelnél: [][ab]-hoz illeszkedik ']', '[', 'a' vagy 'b'.
[^ ]	Összeillik egy egyedülálló karakterrel, amely nem szerepel a zárójelben felsoroltak között. Például, [^abc] összeillik bármilyen karakterrel, amelyik nem „a”, „b”, vagy „c”. [^a-z] összeillik bármilyen egyedülálló karakterrel, ami nem kisbetű. Amint azt már említettük, ezek a jelölések is keverhetők.
^	Összeillik a sor kezdetével (vagy bármelyik sorral, többsoros mód alkalmazása esetén)
$	Összeillik a sor végével (vagy bármelyik sorral, többsoros mód alkalmazása esetén)
\( \)	Egy „megjelölt alkifejezést” definiál. Az alkifejezés illeszkedés később is ellenőrizhető. Lásd a következő, \n pontot. Megjegyezzük, hogy a „megjelölt alkifejezés” helyett gyakran a „blokk” kifejezés használatos.
\n	Ahol n egy 1 és 9 közötti számjegy; az n-edik megjelölt alkifejezést illeszti. Ez a konstrukció elméletileg szabálytalan és nem engedi meg minden reguláris kifejezés kiértékelő szintaxisa.
*	Egy egyszerű karakter kifejezést követő „*” a kifejezés nulla vagy több másolatát illeszti. Például, „[xyz]*” összeillik a következőkkel "„, ”x„, ”y„, ”zx„, ”zyx", és így tovább. \n*, ahol n egy 1 és 9 közötti számjegy, nulla vagy több iterációval illeszti az n-edik megjelölt alkifejezést. Például, „\(a.\)c\1*” illeszkedik „abcab”-hez és „abcaba”-hez, de nem illeszkedik „abcac”-hez. A „\(” és „\)” közé zárt kifejezést követő „*” érvénytelennek tekintendő. Néhány esetben (például /usr/bin/xpg4/grep a SunOS 5.8 esetén), nulla vagy több iterációval illeszti a zárójelek közötti kifejezést. Másik esetben(például /usr/bin/grep a SunOS 5.8 esetén), illeszti a „*” előtti zárójelben lévő kifejezést.
{x,y}	Az utolső „blokkot” legalább x-szer, de legfeljebb y-szor illeszti. Például, „a{3,5}”-höz illeszkedik „aaa”, „aaaa” vagy „aaaaa”. megjegyezzük, hogy ez sem található meg minden regx megvalósításban.

Meg kell jegyezni, hogy bizonyos reguláris kifejezés elemző megvalósítások a \ metakaraktert másként értelmezik, mint azt az előzőekben mutattuk.

A grep régi változatai nem támogatják a választási operátort jelölő „|” karakter használatát. Példák:

„.ép” összeillik bármilyen három-karaketeres stringgel mint kép, lép vagy tép és nép

„[kl]ép” összeillik kép-pel és lép-pel

„[^t]ép” összeillik minden, az előzőekben leírt „.ép” kifejezésnek megfelelő stringgel, kivéve a tép-et

„^[kl]ép” összeillik kép-pel és lép-pel, de csak akkor, ha ezek a stringek a sor elején állnak

„[kl]ép$” összeillik kép-pel és lép-pel, de csak ha a sor végén állnak

A különféle beállításoktól, értelmezésektől függően változhat a karakterek sorrend szerinti csoportosítása (például bizonyos beállítások szerint a karakterek sorrendje az abc..yzABC..YZ szerinti, míg más elv szerint az aAbBcC..yYzZ a sorrend) a – nem mindenki által elfogadott – POSIX szabvány meghatározza a karakterek osztályokba vagy csoportokba sorolást a következő tábla alapján:

POSIX osztály	Megfelel	Jelentése
[:upper:]	[A-Z]	Nagybetűk
[:lower:]	[a-z]	Kisbetűk
[:alpha:]	[A-Za-z]	Nagy- és kisbetűk
[:alnum:]	[A-Za-z0-9]	Számjegyek, nagy- és kisbetűk
[:digit:]	[0-9]	számjegyek
[:xdigit:]	[0-9A-Fa-f]	hexadeciális számjegyek
[:punct:]	[.,!?:…]	elválasztó karakterek
[:blank:]	[ \t]	szóköz és TAB
[:space:]	[ \t\n\r\f\v]	üres karakterek
[:cntrl:]		vezérlő karakterek
[:graph:]	[^ \t\n\r\f\v]	nyomtatásvezérlő karakterek
[:print:]	[^\t\n\r\f\v]	nyomtatásvezérlő karakterek és szóköz

Például: [[:upper:]ab] meghatározza az összes nagybetűt és a kisbetűs 'a'-t és 'b'-t.

(Egy ASCII kódtáblán színesben mutatja a különböző POSIX osztályokat a következő link http://www.billposer.org/Software/RedetManual/builtincharclass.html.)

Megjegyezzük, hogy a magyar ábécé ékezetes betűinek kezelése esetenként eltérő módon történik, ugyanis a különféle szabványok nem minden esetben térnek ki a különböző országokban használatos, az angol ábécé betűitől eltérő betűk kódolására, kezelésére. Gyakori probléma például, hogy az ábécé szerinti rendezésnél az ékezetes betűk rossz helyre kerülnek, mivel a karakterek kódjai – többnyire – a nem ékezetes karakterek kódjai után következnek, tehát rendezés szempontjából azok valóban „nincsenek sorban”.

POSIX modern (bővített) reguláris kifejezések

Több modern, „bővített” reguláris kifejezést használhatnak a modern Unix segédprogramok a parancs sorban az „-E” jelző hatására.

A POSIX bővített reguláris kifejezéseinek szintaxisa néhány kivételtől eltekintve megegyezik a „tradicionális” Unix reguláris kifejezéseive. A követekező metakaraktereket értelmezi még a program:

+	Az utolsó „blokk” egyszeri vagy többszöri illesztése – „ba+” összeillik a következőkkel: „ba”, „baa”, „baaa” és így tovább.
?	Az utolsó „blokk” illesztése (csak egyszer) vagy nem illesztése – „ba?” összeillik a következőkkel: „b” vagy „ba”
|	A választás (vagy unió képző) operátor: az operátort megelőző vagy követő kifejezést illeszti – „abc|def”-vel összeillik „abc” vagy „def”.

A „visszatörtjel” eltávolítása: \{…\} átalakul {…}-re és \(…\) átalakul (…)-re. Példák:

„[hc]+at”-tal összeillenek „hat”, „cat”, „hhat”, „chat”, „hcat”, „ccchat” stb.

„[hc]?at”-tal összeillenek „hat”, „cat” és „at”

„([cC]at)|([dD]og)”-gal összeillenek „cat”, „Cat”, „dog” és „Dog”

A speciális jelentéssel bíró '(', ')', '[', ']', '.', '*', '?', '+', '^' és '$' karakterek az escape-zés használatával literálként lesznek értelmezve. Ez azt jelenti, hogy a karatert megelőzi a '\' karakter, amely így „escape-ezve” már saját literálját jelenti csak. Példa:

„a\.(\(|\))” összeillik az „a.)” vagy az „a.(” stringekkel

Perl-kompatibilis reguláris kifejezések (PCRE)

A Perl egy gazdag és következetes szintaktikai elemzővel rendelkezik, amely még a POSIX kiterjesztett reguláris kifejezéseinek elemzésére is alkalmas. A következetességre jó példa, hogy a \ karakter minden esetben egy nem alfanumerikus karaktert jelöl. Szabályozható, hogy a specifikáció kiválasztásával milyen illesztési algoritmust használjon az elemző: a Perl szintaxis, szemben a POSIX szintaxissal a „mohó” algoritmust követi, míg a másik nem. Ez azt jelenti a gyakorlatban, hogy a /a.*b/ minta .* jelölése azt jelenti, hogy annyit illesszen az elemző, amennyit lehet, míg a /a.*?b/ mintában a .*? jelöli, hogy csak olyan kicsit illesszen az elemző, amennyit csak lehet. Ha adott a „a bad dab” string, akkor az első minta illeszkedik az egész stringhez, míg a második csak az „a b” részt „ismeri fel”.

A fentiek miatt több alkalmazás és segédprogram is megvalósítja a Perl „szerű” szintaxist, többek között – a Python, Ruby, exim, és a BBEdit. Készültek olyan alkalmazások, például a Tcl, amely a POSIX előírásokat és a Perl kiterjesztéseket is megvalósítja. Ennek viszont az a következménye, hogy a Tcl illesztési modellje nem mohó, azaz a „lehető legkisebb” illesztési elvet valósítja meg.

Minták a szabálytalan nyelvekben

A minták használatának lehetőségeiből származó előnyök túlmutatnak a szabályos nyelveken. Például, megjelölt alkifejezések zárójelek segítségével történő csoportosítása és azok későbbi kiértékelése, minták használatával, különösen az ismétlődő szavak esetében, („papa”, „WikiWiki” stb.) a formális nyelvek elméletében bevett gyakorlat, és a „(.*)\1” mintával igen egyszerűen kivitelezhető. Ugyanakkor, a fenti megoldás nem megengedett a nem szabályos és környezetfüggő nyelvek esetében. A mintaillesztést korlátlan számú előzetes referencia használatával számos a modern NP-teljes komplexitású eszköz biztosítja.

Mégis, egyre több eszköz, könyvtár, elemző támogatja a reguláris kifejezések és a mintaillesztési mechanizmus használatát. Ennek az a következménye, hogy a „reguláris kifejezés” és a hozzá tartozó mintaillesztés jelentését eltérően értelmezi a formális nyelvek elmélete.

Megvalósítások és futási idők

Legalább két, alapjában eltérő algoritmus típus ismert, amely eldönti, hogy (és hogyan) illeszkedik-e egy adott string egy reguláris kifejezéshez.

A régebbi és gyorsabb megoldás alapja, hogy a formális nyelvek elmélete szerinti megengedett, hogy minden nemdeterminisztikus véges állapotú gép (Nondetermistic Finite state machine, NFA) átalakítható egy determinisztikus véges állapotú géppé (Deterministic Finite state machine, DFA). Az algoritmus ezt az átalakítást hajtja végre vagy szimulálja, és ezután az edményül kapott DFA elemzi a bejövő jelsorozatot. Egészen pontosan, egy n hosszúságú bejövő string ellenőrzése egy M hosszúságú kifejezés esetén O(n+2^m) vagy O(nm) időt igényel, a megvalósítástól függően. Erre az algoritmusra gyakran mint DFA-ra hivatkoznak. Ez valóban gyors, azonban csak és kizárólag illeszkedést lehet vele vizsgálni, és nem képes emlékezni csoportosított alkifejezésekre. Létezik olyan változata az algoritmusnak, amely képes a emlékezni csoportosított alkifejezésekre, azonban ekkor a futási idő O(n²m)-re lassul.

A másik algoritmus csoport a mintaillesztés elvét használja ki, mintát illeszt a bejövő jelsororzathoz visszaléptetési módszerrel. (Ezt az algoritmust gyakran nevezik NFA-nak, azonban ez nagyon zavaró.) A futási ideje exponenciálisan növekvő, ha azt az egyszerű megvalósítást vizsgáljuk, amikor az „(a|aa)*b” mintát kell illeszteni egy kifejezéshez, ami választást és kötetlen számú illeszkedés is magába foglal, a lehetséges alapesetek száma igen nagyra nőhet – a kifejezés hosszától és összetettségétől függően, és ezek számától függően exponenciálisan nő a futási idő. Nagyon komplex megvalósítás esetén is csak a legegyszerűbb és leggyakoribb eseteknél nőhet a sebesség valamennyit, de egyébként csökken.

Még a visszaléptetés megvalósítása is csak egy exponenciális korlátot jelent, a legrosszabb esetre, viszont nagyobb flexibilitást biztosít.

Néhány esetben úgy növelik a teljesítményt, hogy a két algoritmust egyszerre alkalmazzák: első lépéseben a gyors DFA illesztő algoritmussal végigmennek a bejövő stringen, majd a nem illeszthető részekre a sokkal lassabb visszaléptető eljárást használják.

Lásd még

• Regular expressions with Perl examples
• Wildmat
• Glob

Angol nyelvű irodalom

• Ben Forta, „Sams Teach Yourself Regular Expressions in 10 Minutes”, Sams, ISBN 0-672-32566-7
• Jeffrey Friedl, Mastering Regular Expressions, O'Reilly Media, ISBN 0-596-00289-0
• Mehran Habibi, „Real World Regular Expressions with Java 1.4”, Springer, ISBN 1-59059-107-0
• Francois Liger, Craig McQueen, Paul Wilton, „Visual Basic .NET Text Manipulation Handbook”, Wrox Press, ISBN 1-86100-730-2
• Michael Sipser, „Introduction to the Theory of Computation”,Chapter 1: Regular Languages, p. 31–90, PWS Publishing, ISBN 0-534-94728-X
• Tony Stubblebine, „Regular Expression Pocket Reference”, O'Reilly, ISBN 0-596-00415-X

Külső kapcsolatok

• McCulloch és Pitts' neural logical calculus Néhány feljegyzés McCulloch és Pitts neuro-logikai kifejezéseiről, és az idegi hálózatokkal kapcsolatos reguláris kifejezések Kleens logikája alján történő értelmezéséről.
• Pattern matching tools
• DMOZ listing
• Regular Expression Library Aktuálisan kb. 1000 kifejezési forma.
• Regular Expression Tutorial and Reference Az internet egyik legátfogóbb, a reguláris kifejezésekkel foglalkozó lapjainak egyike.
• Using Regular Expressions A rövid összefoglaló a reguláris kifejezésekről.
• Regular Expressions Links A DiscoveryMedia.net szótárlapja

Angol nyelvű cikkek

• An Incomplete History of the QED Text Editor
• Learning to Use Regular Expressions David Mertz rövid összefoglalója a reguláris kifejezésekről.
• A List of Regex Topics a reguláris kifejezésekkel kapcsolatos témák Wiki oldalakon.
• Mastering Regular Expressions Jeffrey Friedl könyvének hivatalos webhelye.
• Regexp Syntax Summary Az UNIX grep, Emacs, Perl, Python éa Tcl reguláris kifejezéseinek összefoglaló táblája.
• Regenechsen reguláris kifejezések, ismertetés kezdőknek, gyakorlatokkal.
• The 30 Minute Regex Tutorial Hogyan használhatjuk a reguláris kifejezéseket? – ismertetés 30 percben.

Eszközök

• Crypter JavaScript alapú eszköz – RegExp.
• Expresso Egy szabad integrált fejlesztési- és teszt környezet a reguláris kifejezések kezeléséhez, kódolásához.
• JRegexpTester Szabad, Java nyelvű regexp tesztelési eszköz.
• Kodos Szabad vizuális reguláris kifejezés hibakereső.
• KRegExpEditor nyílt forráskódú KDE widget vizuálisan létrehozható reguláris kifejezésekhez.
• LogBud Online reguláris kifejezés tesztek PHP-hez.
• PCRE Workbench PCRE bázisú, egyszerű reguláris kifejezés tesztelő Windows-hoz.
• Redet Reguláris kifejezések létrehozásához és végrehajtáshoz készült eszköz, Tcl vagy még 30 másik programozási nyelvhez. Kezeli a illesztést és a helyettesítést is, teljes Unicode támogatással. Fut minden nagyobb platformon.
• RegexBuddy Komplett eszköz a reguláris kifejezések megértéséhez, létrehozásához, teszteléséhez és mentéséhez, kétirányú fordítás a regex szintaxis és egyszerű angol blokkok között, hibakereső, és „szimulátor” a regex elemzőben történtek követésére. Linux-ban és Windows-ban is hozzáférhető.
• RegexBuilder Egyszerű .NET eszköz reguláris kifejezések teszteléséhez.
• The Regex Coach hatékony interaktív oktató eszköz, Linux és Windows környezetben.
• Tcl Regular Expression Visualiser Tcl/Tk script reguláris kifejezések tesztelésére.
• TextTransformer Eszköz teljes szintaktikai elemző. felépítésére, a „Boost.RegexC++ könyvtár POSIX-kiegészítés szintaxissal” használatával. Megjeleníthetők az al-kifejezések és azok illesztései.
• ^txt2regex$ Eszköz egyszerű reguláris kifejezések felépítéséhez.
• WhatsMyIP.org Regexp Tester Reguláris kifejezések tesztelése PHP-ban.

Programkönyvtárak

• TRegExpr library nyílt forráskódú Delphi könyvtár.
• Boost.Regex C++ könyvtár.
• The GRETA Regular Expression Template Archive C++ könyvtár.
• jlex, JLex: Java(TM) nyelvű lexikai elemző generátor.
• PCRE nyílt forráskódú C könyvtár, a Perl-stílusú reguláris kifejezések támogatása. Képes a UTF-8 szövegek kezelésére.
• regex, Henry Spencer reguláris kifejezés kezelő könyvtára C nyelvhez.
• TPerlRegEx Delphi nyelvű nyílt forráskód, a VCL komponensek PCRE alapokon.
• xpressive, egy C++ könyvtár.
• TRE POrtábilis, POSIX-kompatibilis, gyors algoritmust használó könyvtár. Támogatja a „nagyon hasonló” illesztéseket, és kezeli a UTF-32 kódolású szövegeket.
• CL-PPCRE, gyors, portábilis, Perl-kompatibilis reguláris kifejezések Common Lisp-ben.