Regex-Syntax-Grundlagen: Zeichenklassen, Quantoren und Anker

Die Regex-Syntax besteht aus überraschend wenigen Konzepten. Hast du Zeichenklassen, Quantoren, Anker, das Maskieren und die Alternation verstanden, kannst du fast jedes Muster lesen und selbst schreiben. Dieser Artikel geht die Bausteine der Reihe nach durch, jeweils mit Beispielen, die du direkt im Tester nachbauen kannst.

Zeichenklassen: was überhaupt passen darf

Eine Zeichenklasse beschreibt, welche Zeichen an einer Position erlaubt sind. Sie ist der Baustein, mit dem du von festen Buchstaben zu echten Mustern übergehst.

Der Punkt ist die allgemeinste Zeichenklasse. Er passt auf jedes einzelne Zeichen außer dem Zeilenumbruch. Das Muster H.nd trifft also auf Hund, Hand und Hond. Weil der Punkt so weit greift, ist er oft zu unspezifisch, du solltest ihn nur einsetzen, wenn du wirklich jedes Zeichen meinst.

Für die häufigsten Fälle gibt es kompakte Kürzel. \d steht für eine Ziffer, \w für ein Wortzeichen, also Buchstaben, Ziffern und den Unterstrich, und \s für ein Leerraumzeichen wie Leerzeichen, Tabulator oder Zeilenumbruch. Jedes dieser Kürzel hat eine Negation, die du durch Großschreibung erhältst: \D ist alles außer einer Ziffer, \W alles außer einem Wortzeichen, \S alles außer Leerraum.

Reichen die Kürzel nicht, baust du dir mit eckigen Klammern eine eigene Zeichenklasse. In [aeiou] ist jeder dieser fünf Vokale erlaubt. Mit einem Bindestrich gibst du Bereiche an: [a-z] deckt alle Kleinbuchstaben ab, [A-Za-z0-9] Buchstaben und Ziffern. Setzt du ein Dach direkt hinter die öffnende Klammer, kehrst du die Klasse um. [^0-9] passt auf alles außer Ziffern.

Quantoren: wie oft etwas vorkommt

Eine Zeichenklasse trifft genau ein Zeichen. Quantoren sagen, wie oft der davorstehende Baustein wiederholt werden darf. Das ist der Schritt von einem einzelnen Zeichen zu ganzen Wörtern und Zahlen.

Der Stern bedeutet beliebig oft, auch null Mal. \d* passt auf keine, eine oder viele Ziffern. Das Plus bedeutet ein oder mehrmals, also mindestens einmal. \d+ verlangt also wenigstens eine Ziffer. Das Fragezeichen macht den vorigen Baustein optional, er darf null oder ein Mal vorkommen. colou?r trifft so auf color und colour.

Brauchst du genaue Anzahlen, nutzt du geschweifte Klammern. \d{4} verlangt exakt vier Ziffern, \d{2,4} zwei bis vier, und \d{2,} mindestens zwei ohne Obergrenze. Eine vertiefende Übersicht mit vielen Beispielen bietet die Anleitung zu Quantoren.

Die Lösung ist der genügsame Modus. Hängst du ein Fragezeichen an den Quantor, nimmt er so wenig wie möglich. Aus dem gierigen .* wird das genügsame .*?, aus \d+ wird \d+?. Im Tester siehst du den Unterschied sofort: Der markierte Bereich schrumpft auf das kürzeste Stück, das das Muster noch erfüllt.

Wenn ein Muster zu viel verschluckt, liegt es fast immer an einem gierigen Quantor. Ein angehängtes Fragezeichen löst das Problem in den meisten Fällen.

Anker: an welcher Position gesucht wird

Anker sind ein Sonderfall: Sie matchen kein Zeichen, sondern eine Position im Text. Sie helfen dir, ein Muster genau dort festzunageln, wo es stehen soll.

Das Dach steht für den Zeilenanfang, das Dollarzeichen für das Zeilenende. Willst du sicherstellen, dass eine Eingabe komplett aus fünf Ziffern besteht und nicht nur fünf Ziffern irgendwo enthält, klammerst du das Muster mit beiden ein: ^\d{5}$. Ohne diese Anker würde auch eine längere Zeichenkette akzeptiert, solange irgendwo fünf Ziffern vorkommen.

Die Wortgrenze \b markiert den Übergang zwischen einem Wortzeichen und einem Nicht-Wortzeichen. Sie ist ideal, um ganze Wörter zu treffen. Das Muster \bist\b findet das eigenständige Wort ist, aber nicht die Buchstabenfolge in Mist oder Liste. Auch hierzu gibt es eine eigene Anleitung zu Ankern mit weiteren Beispielen.

Maskieren: Sonderzeichen wörtlich nehmen

Viele Zeichen haben in Regex eine eigene Bedeutung. Punkt, Plus, Stern, Fragezeichen, die runden, eckigen und geschweiften Klammern, das Dach, das Dollarzeichen und der senkrechte Strich sind Steuerzeichen. Willst du eines davon wörtlich erkennen, musst du es maskieren, indem du einen Backslash davorsetzt.

Das klassische Beispiel ist die Dateiendung. Willst du eine PDF-Datei erkennen, schreibst du nicht datei.pdf, denn der Punkt würde dort als jedes Zeichen interpretiert und auch dateiXpdf akzeptieren. Korrekt ist datei\.pdf mit maskiertem Punkt. Genauso machst du aus einem steuernden Plus mit \+ ein wörtliches Plus, etwa für eine internationale Telefonnummer.

Wörtlich gemeint	So maskierst du es
Punkt	\.
Plus	\+
Stern	\*
Fragezeichen	\?
Runde Klammer auf	\(
Geschweifte Klammer auf	\{

Alternation: das Oder im Muster

Mit dem senkrechten Strich baust du Alternativen. Das Muster Hund|Katze passt sowohl auf Hund als auch auf Katze. Der Strich trennt also zwei oder mehr Möglichkeiten, von denen eine zutreffen muss.

Wichtig ist die Reichweite des Oders. Ohne Klammern bezieht sich der senkrechte Strich auf alles links und rechts von ihm. Das Muster ^Hund|Katze$ bedeutet deshalb: am Anfang Hund oder am Ende Katze, was selten gemeint ist. Mit einer Gruppe grenzt du die Alternation ein: ^(Hund|Katze)$ verlangt, dass die ganze Zeile entweder Hund oder Katze ist. Wie Gruppen darüber hinaus funktionieren, vertieft der Artikel zu Gruppen und Lookarounds.

Die wichtigsten Token auf einen Blick

Diese Tabelle fasst die Bausteine aus diesem Artikel zusammen. Sie eignet sich gut als Spickzettel, während du im Tester ein Muster zusammenbaust.

Token	Bedeutung
.	Beliebiges Zeichen außer Zeilenumbruch
\d / \D	Ziffer / keine Ziffer
\w / \W	Wortzeichen / kein Wortzeichen
\s / \S	Leerraum / kein Leerraum
[abc]	Eines der Zeichen a, b oder c
[^abc]	Jedes Zeichen außer a, b, c
[a-z]	Bereich von a bis z
*	Null oder mehr Mal
+	Ein oder mehr Mal
?	Null oder ein Mal (optional)
{n} / {n,m}	Genau n Mal / n bis m Mal
*? / +?	Genügsame Variante des Quantors
^ / $	Zeilenanfang / Zeilenende
\b	Wortgrenze
\.	Wörtlicher Punkt (maskiert)
a|b	a oder b (Alternation)

So setzt du die Syntax in der Praxis ein

Bauen wir die Bausteine zu einem realistischen Muster zusammen. Eine einfache Datumsangabe im Format Tag.Monat.Jahr besteht aus ein bis zwei Ziffern, einem wörtlichen Punkt, wieder Ziffern, noch einem Punkt und vier Jahresziffern. Als Muster: \d{1,2}\.\d{1,2}\.\d{4}. Hier siehst du alle Konzepte vereint: Zeichenklasse, Quantor mit Bereich und maskierter Punkt.

Erweiterst du das um Anker zu ^\d{1,2}\.\d{1,2}\.\d{4}$, akzeptierst du nur Eingaben, die ausschließlich aus einem Datum bestehen. Willst du zusätzlich Schrägstriche als Trenner erlauben, kommt die Alternation ins Spiel, indem du eine Zeichenklasse für die Trenner nutzt. Genau solche fertigen, erprobten Muster sammelt der Artikel zu häufigen Regex-Mustern.

Der beste Weg, die Syntax zu verinnerlichen, bleibt das Ausprobieren. Nimm ein Muster aus der Tabelle, tippe es in den Tester und beobachte, wie sich die Treffer verändern, sobald du ein einzelnes Token austauschst. Wer von hier aus noch einen Schritt zurück möchte, findet die Einordnung im Grundlagenartikel Was sind reguläre Ausdrücke.