Regex-Spickzettel

Ein regulärer Ausdruck (Regex) ist ein kompaktes Muster, das eine Menge von Zeichenketten beschreibt und zum Suchen, Abgleichen und Ersetzen von Text verwendet wird. Das Muster \d{3}-\d{4} trifft zum Beispiel ein Telefonfragment wie 555-1234, weil \d eine 'Ziffer' bedeutet und {3} 'genau drei davon'. Regex treibt Suchen-und-Ersetzen, Formulareingabeprüfungen und Log-Analysen in nahezu jeder Programmiersprache und jedem Code-Editor an. Der Live-Tester oben auf dieser Seite erlaubt es dir, jedes Muster sofort auszuprobieren.

Die Bausteine sind: . (beliebiges Zeichen außer Zeilenumbruch), \d (eine Ziffer), \w (ein Wortzeichen — Buchstabe, Ziffer oder Unterstrich), \s (Leerzeichen), die Anker ^ (Anfang) und $ (Ende) sowie die Quantoren * (null oder mehr), + (ein oder mehr) und ? (optional). \w+ trifft also ein ganzes Wort und \d+ eine ganze Zahl wie 2024. Kombiniert — ^\d+$ trifft eine Zeile, die nur aus Ziffern besteht. Jeder Token in diesem Spickzettel enthält ein kopierbares Beispiel.

\d trifft jede Ziffer 0–9; \w trifft ein Wortzeichen (a–z, A–Z, 0–9 oder _); \s trifft Leerzeichen (Leerzeichen, Tabulator oder Zeilenumbruch). Ihre Großbuchstabenvarianten sind die Negationen: \D ist ein Nicht-Ziffernzeichen, \W ein Nicht-Wortzeichen und \S ein Nicht-Leerzeichen. Im Text 'a5 b' trifft \d beispielsweise 5, \w trifft a, 5 und b, und \s trifft das Leerzeichen dazwischen. Diese drei Kurzklassen decken die große Mehrheit der alltäglichen Regex-Muster ab.

Anker treffen eine Position und kein Zeichen. ^ trifft den Anfang der Zeichenkette (oder jede Zeile mit dem m-Flag), $ das Ende, \b eine Wortgrenze und \B eine Nicht-Wortgrenze. ^\d+$ trifft eine Zeichenkette, die nur aus Ziffern besteht, und \bKatze\b trifft das Wort 'Katze', aber nicht das 'Katze' in 'Katzenfutter'. Anker werden häufig fälschlicherweise als Zeichenabgleicher verstanden — sie treffen Positionen im Text, nicht bestimmte Zeichen.

Quantoren geben an, wie oft der vorherige Token wiederholt werden darf: * ist null oder mehr, + ist ein oder mehr, ? ist null oder eins (optional), {n} ist genau n, {n,} ist n oder mehr und {n,m} ist zwischen n und m. Sie sind standardmäßig gierig (treffen so viel wie möglich); füge ein ? hinzu, um sie faul zu machen. \d{1,3} trifft zum Beispiel 1 bis 3 Ziffern, und das faule .+? trifft so wenig wie möglich. Faule Quantoren sind unverzichtbar beim Abgleichen von HTML-Tags oder zitierten Zeichenketten.

Klammern (…) erstellen eine Capture-Gruppe, die du extrahieren oder wiederverwenden kannst — (\d{4})-(\d{2}) erfasst das Jahr in Gruppe 1 und den Monat in Gruppe 2 von '2024-06'. Verwende (?:…) für eine Nicht-Capture-Gruppe, wenn du nur für einen Quantor gruppieren musst, und (?<name>…) für eine benannte Gruppe wie (?<year>\d{4}). Eine Rückreferenz wie \1 trifft erneut, was Gruppe 1 erfasst hat, sodass (\w)\1 einen verdoppelten Buchstaben findet — das 'll' in 'hallo'.

Lookarounds prüfen, ob Text neben einem Treffer steht (oder nicht), ohne ihn zu verbrauchen. (?=…) ist ein positiver Lookahead, (?!…) ein negativer Lookahead, (?<=…) ein positiver Lookbehind und (?<!…) ein negativer Lookbehind. \d+(?=px) trifft zum Beispiel die 5 in '5px', lässt aber 'px' aus, und (?<=€)\d+ trifft die 9 in '€9', indem es ein vorangehendes Eurozeichen verlangt. Lookarounds sind eines der Features, das moderne Regex-Engines von POSIX-grep unterscheidet.

Flags ändern, wie das gesamte Muster angewendet wird: g (global) findet jeden Treffer, i macht es unabhängig von Groß-/Kleinschreibung, m (multiline) lässt ^ und $ jede Zeile treffen, s (dotall) lässt . auch Zeilenumbrüche treffen, u aktiviert vollständiges Unicode und y (sticky) verankert den Abgleich an einer festen Position. In JavaScript fügt man sie nach dem schließenden Schrägstrich hinzu, sodass /katze/gi sowohl 'Katze' als auch 'KATZE' überall im Text trifft. Der Tester auf dieser Seite hat Umschalter für jedes Flag, damit du deren Wirkung live sehen kannst.

Praktische Ausgangsmuster: E-Mail — [\w.+-]+@[\w-]+\.[\w.-]+ ; URL — https?:\/\/[^\s]+ ; deutsche Telefonnummer — \+?[0-9][\s\-]?\(?[0-9]{3,5}\)?[\s\-]?[0-9]{3,10}[\s\-]?[0-9]{0,5}, die gängige Formate wie +49 30 12345678 und 030 123456 trifft. Diese sind pragmatisch und nicht erschöpfend — der offizielle E-Mail-Standard ist weit komplexer — daher teste sie immer auf deinen echten Daten mit dem Live-Tester oben, wo jedes Muster mit einem Klick in der Liste der gängigen Muster verfügbar ist.

Stelle einem Metazeichen einen Backslash voran, um es wörtlich zu treffen. Die Zeichen, die normalerweise escaped werden müssen, sind . ^ $ * + ? ( ) [ ] { } | \ und /. \. trifft zum Beispiel einen wörtlichen Punkt und \$ ein Dollarzeichen, sodass \d+\.\d{2} einen Preis wie 19,99 trifft. Innerhalb einer Zeichenklasse verlieren die meisten dieser Zeichen ihre Sonderbedeutung, sodass [.] auch ohne Escaping einen wörtlichen Punkt trifft.

Die Kernsyntax ist gemeinsam, aber die Details unterscheiden sich. JavaScript benennt Gruppen mit (?<name>…), während Python (?P<name>…) verwendet; Python nutzt Raw-Strings wie r"\d+" und Java benötigt doppelte Backslashes in String-Literalen ("\\d+"). Dotall ist das s-Flag in JS, re.DOTALL in Python und Pattern.DOTALL in Java. Die Variantentabelle auf dieser Seite fasst die Unterschiede für Python, Java, PCRE und grep zusammen, damit du ein Muster sicher zwischen Sprachen portieren kannst.

In Python befinden sich reguläre Ausdrücke im eingebauten re-Modul. Normalerweise schreibst du das Muster als Raw-String und rufst Funktionen wie re.search, re.findall oder re.sub auf — zum Beispiel gibt re.findall(r"\d+", "a1 b22") ['1', '22'] zurück. Benannte Gruppen verwenden (?P<name>…) und werden mit match.group('name') ausgelesen. Die Token-Referenz auf dieser Seite gilt direkt für Python-Regex; nur die umgebende API und einige Flag-Namen unterscheiden sich von JavaScript.

Verwende den Live-Tester oben auf dieser Seite: Tippe dein Muster zwischen die Schrägstriche, schalte die benötigten Flags um und füge einen Teststring ein. Treffer werden in Echtzeit hervorgehoben, jede nummerierte und benannte Capture-Gruppe wird darunter aufgelistet, und ein ungültiges Muster zeigt eine verständliche Fehlermeldung statt eines stillen Fehlers — alles läuft lokal im Browser, sodass nichts hochgeladen wird. Tools wie regex101.com und regexr.com funktionieren ähnlich; diese Seite kombiniert Referenz und Tester auf einer einzigen Seite.

regex101.com ist der Industriestandard für tiefes Regex-Debugging — es unterstützt mehrere Varianten (PCRE, Python, Java, .NET, Golang) und gibt eine detaillierte Erklärung jedes Tokens in deinem Muster. regexr.com bietet ein ähnliches Erlebnis mit einer Community-Bibliothek von Mustern. Beide sind hervorragende dedizierte Werkzeuge. Dieser UtiloKit-Spickzettel ist anders: Er kombiniert eine Token-Referenztabelle mit einem einfachen Live-Tester auf derselben Seite, damit du etwas nachschlagen und in Sekunden überprüfen kannst, ohne Tabs zu wechseln. Für komplexes Produktions-Regex-Debugging sind regex101.coms Variantenvergleich und detaillierter Debugger schwer zu schlagen; für schnelles Nachschlagen während der Entwicklung lädt diese Referenzseite schneller und erfordert keine Navigation.

Der Name stammt aus der formalen Sprachtheorie. In den 1950er Jahren beschrieb der Mathematiker Stephen Kleene 'reguläre Mengen' — Sprachen, die ein einfacher endlicher Automat erkennen kann — und die Notation, die er dafür verwendete, wurde als regulärer Ausdruck bekannt. Moderne Regex-Engines fügen Features wie Rückreferenzen und Lookarounds hinzu, die über streng 'reguläre' Sprachen hinausgehen, aber der historische Name blieb erhalten.