Regex Character Classes

6 Kernkonzepte

Die wichtigsten Zeichenklassen in regulären Ausdrücken: \d · \w · \s · POSIX-Klassen · Unicode-Kategorien · negierte Klassen · Bereichsangaben Zeichenklassen definieren Mengen von Zeichen, die an einer Position matchen können. Sie sind das Herzstück jeder präzisen Regex und ermöglichen sowohl einfache als auch komplexe Suchmuster.

Shorthand Classes – \d, \w, \s

\d · \D · \w · \W · \s · \S

// Vordefinierte Kurzschreibweisen \d // Jede Ziffer (entspricht [0-9]) \D // Keine Ziffer (entspricht [^0-9]) \w // Wortzeichen (entspricht [a-zA-Z0-9_]) \W // Kein Wortzeichen ([^a-zA-Z0-9_]) \s // Leerzeichen (entspricht [ \t\n\r\f\v]) \S // Kein Leerzeichen ([^ \t\n\r\f\v])

Shorthand Classes sind die am häufigsten verwendeten Zeichenklassen. Sie bieten eine kompakte Schreibweise für die gängigsten Zeichengruppen.

Beispiele

# \d = Ziffer

\d{5} → 12345, 90210 (nur 5-stellige Zahlen)

# \w = Wortzeichen (Buchstaben, Zahlen, Unterstrich)

\w+ → Hello, world_123, abc123

# \s = Leerzeichen

\s+ → matcht alle Leerzeichen, Tabulatoren, Zeilenumbrüche

# Negierte Klassen

\D+ → matcht alle Nicht-Ziffern (Buchstaben, Sonderzeichen)

\S+ → matcht alle Nicht-Leerzeichen (Wörter ohne Leerzeichen)

Tipp: In einigen Regex-Engines (z.B. Python mit re.ASCII) ist \w auf ASCII beschränkt. Für Unicode-Unterstützung verwenden Sie \p{L} oder die POSIX-Klasse [[:word:]].

POSIX-Klassen – [:alpha:], [:digit:], [:alnum:]

[:alpha:] · [:digit:] · [:alnum:] · [:space:] · [:punct:]

// POSIX-Zeichenklassen (in eckigen Klammern) [[:alpha:]] // Buchstaben (a-z, A-Z, ggf. Umlaute) [[:digit:]] // Ziffern (0-9) [[:alnum:]] // Alphanumerische Zeichen (Buchstaben + Ziffern) [[:space:]] // Leerzeichen (wie \s, aber erweitert) [[:punct:]] // Satzzeichen (.,!?;: etc.) [[:lower:]] // Kleinbuchstaben [[:upper:]] // Großbuchstaben [[:xdigit:]] // Hexadezimalzeichen (0-9, A-F, a-f)

POSIX-Klassen sind in vielen Regex-Engines verfügbar (insbesondere in grep, sed, awk und in C/C++-Bibliotheken). Sie werden innerhalb von [] mit doppelten eckigen Klammern geschrieben.

Beispiele

# Nur Buchstaben

[[:alpha:]]+ → Hello, Welt, ÄÖÜ

# Alphanumerisch (Buchstaben und Ziffern)

[[:alnum:]]+ → abc123, Hello42

# Satzzeichen extrahieren

[[:punct:]]+ → .!?, ,;:

# Negierte POSIX-Klasse

[^[:digit:]]+ → matcht alles außer Ziffern

# Kombination: Buchstaben und Leerzeichen

[[:alpha:][:space:]]+ → matcht Text mit Leerzeichen

Tipp: POSIX-Klassen sind lokalisierungsabhängig. In der C-Locale entsprechen sie ASCII, in anderen Locales können sie auch Umlaute und andere Zeichen umfassen.

Unicode-Kategorien – \p{L}, \p{N}, \p{P}

\p{L} · \p{N} · \p{P} · \p{Lu} · \p{Sc}

// Unicode-Kategorien (PCRE, Perl, Python, JavaScript (ES2018+)) \p{L} // Alle Buchstaben (Lu, Ll, Lt, Lm, Lo) \p{N} // Alle Ziffern (Nd, Nl, No) \p{P} // Satzzeichen (Pc, Pd, Ps, Pe, Pi, Pf, Po) \p{Lu} // Großbuchstaben \p{Ll} // Kleinbuchstaben \p{Sc} // Währungssymbole ($, €, £, ¥) \p{Sm} // Mathematische Symbole (+, =, ∑) \P{...} // Negierte Unicode-Kategorie

Unicode-Kategorien ermöglichen den Zugriff auf alle Zeichen des Unicode-Standards – von Buchstaben und Ziffern über Satzzeichen bis zu mathematischen Symbolen.

Beispiele (PCRE / Python)

# Alle Buchstaben (inkl. Umlaute, griechisch, kyrillisch)

\p{L}+ → Hello, Welt, Αθήνα, Москва

# Nur Großbuchstaben

\p{Lu}+ → ABC, XYZ, ÄÖÜ

# Währungssymbole

\p{Sc} → $, €, £, ¥

# Alles außer Buchstaben

\P{L}+ → 123, !@#, $€

# Kombination: Buchstaben und Ziffern (Unicode)

[\p{L}\p{N}]+ → matcht alphanumerische Zeichen aller Sprachen

Tipp: Unterstützung für \p{...} ist nicht in allen Regex-Engines verfügbar. In JavaScript benötigen Sie das u-Flag, in Python regex-Modul (nicht re) oder re.UNICODE.

Negierte Klassen – Alles außer ...

[^...] · \D · \W · \S · \P{...}

// Negierte Zeichenklassen [^0-9] // Alles außer Ziffern [^a-zA-Z] // Alles außer Buchstaben [^\s] // Alles außer Leerzeichen [^<>] // Alles außer < und > // Shorthand negiert \D // Alles außer Ziffern \W // Alles außer Wortzeichen \S // Alles außer Leerzeichen \P{...} // Alles außer Unicode-Kategorie

Negierte Klassen matchen alle Zeichen, die nicht in der angegebenen Menge enthalten sind. Sie werden mit ^ am Anfang der Klasse definiert.

Beispiele

# Alle Zeichen außer Komma und Punkt

[^,\.]+ → matcht Text ohne , und .

# Alle Zeichen außer HTML-Tags

[^<>]+ → extrahiert Text ohne < und >

# Alles außer Vokalen (Konsonanten)

[^aeiouAEIOU] → matcht Konsonanten

# Negierte Unicode-Kategorie

\P{L} → matcht alle Nicht-Buchstaben

# Kombination: Alles außer Zeilenumbruch

[^\n] → matcht alles außer Zeilenumbruch (ähnlich zu . ohne s-Flag)

Tipp: Negierte Klassen sind besonders nützlich, um bestimmte Zeichen zu exkludieren – z.B. für die Validierung von Benutzereingaben oder das Entfernen unerwünschter Zeichen.

Bereichsangaben – a-z, 0-9, A-Z

[a-z] · [A-Z] · [0-9] · [a-zA-Z] · [0-9a-f]

// Bereichsangaben in eckigen Klammern [a-z] // Kleinbuchstaben a bis z [A-Z] // Großbuchstaben A bis Z [0-9] // Ziffern 0 bis 9 [a-zA-Z] // Alle Buchstaben (groß + klein) [0-9a-f] // Hexadezimal-Ziffern (0-9, a-f) [a-zA-Z0-9] // Alphanumerisch // Sonderfall: Bereich mit Bindestrich [-a-z] // Bindestrich oder a-z (Bindestrich am Anfang) [a-z-] // a-z oder Bindestrich (Bindestrich am Ende)

Bereichsangaben ermöglichen die Definition von Zeichenbereichen mit -. Sie sind die Grundlage für alle benutzerdefinierten Zeichenklassen.

Beispiele

# Nur Kleinbuchstaben

[a-z]+ → hello, world

# Nur Großbuchstaben

[A-Z]+ → HELLO, WORLD

# Hexadezimale Zeichen

[0-9a-fA-F]+ → deadbeef, 0123456789ABCDEF

# Buchstaben und Zahlen (alphanumerisch)

[a-zA-Z0-9]+ → abc123, Hello42

# Bereich mit Bindestrich (am Anfang oder Ende)

[-a-z0-9]+ → matcht Kleinbuchstaben, Ziffern und Bindestrich

Tipp: Der Bindestrich (-) hat in Zeichenklassen eine Sonderbedeutung. Um ihn als Literal zu verwenden, setzen Sie ihn an den Anfang ([-]) oder an das Ende ([a-z-]) der Klasse.

Praxisbeispiele – Häufige Anwendungen

E-Mail · URL · Telefon · Datum

// Typische Zeichenklassen für die Praxis E-Mail: [\w.-]+@[\w.-]+\.\w+ URL: https?://[\w-]+(\.[\w-]+)+[/\w-]* Telefon (DE): [\d\s/-]+ Datum (YYYY-MM-DD): \d{4}-\d{2}-\d{2} Nur Buchstaben: [a-zA-Z\u00C0-\u00FF]+ Nur Ziffern: \d+

Praxisbeispiele zeigen die Anwendung von Zeichenklassen in realen Szenarien – von der Validierung von Eingaben bis zur Extraktion von Informationen.

Beispiele

# E-Mail-Adresse validieren (einfach)

[\w.-]+@[\w.-]+\.\w+ → user@example.com

# URL extrahieren

https?://[^\s]+ → https://example.com

# Deutsche Telefonnummer (vereinfacht)

[\d\s/-]{10,15} → 030 1234567, +49 30 1234567

# Datum im Format DD.MM.YYYY

\d{2}\.\d{2}\.\d{4} → 15.03.2025

# Nur Buchstaben (inkl. Umlaute)

[a-zA-ZäöüÄÖÜß]+ → München, Straße

# Hexadezimale Farbe (#RRGGBB)

#[0-9a-fA-F]{6} → #FF0000, #00FF00

Tipp: Diese Beispiele sind vereinfacht und decken nicht alle Randfälle ab. Für produktive Validierungen sollten Sie spezialisierte Bibliotheken oder umfassendere Regex-Muster verwenden.

Character Classes im Überblick

\d Ziffern [0-9]
\D = Nicht-Ziffer

\w Wortzeichen [a-zA-Z0-9_]
\W = Nicht-Wortzeichen

\s Leerzeichen
\S = Nicht-Leerzeichen

[[:alpha:]] Buchstaben (POSIX)
Lokalisierungsabhängig

\p{L} Unicode-Buchstaben
Alle Sprachen

[^...] Negierte Klasse
Alles außer

Quick Summary

\d

Ziffer

[:digit:]

POSIX-Ziffer

\p{N}

Unicode-Ziffer

[^...]

Negierte Klasse

[a-z]

Bereich

[\w.-]+

E-Mail

[\w.-]+@[\w.-]+\.\w+ · \d{4}-\d{2}-\d{2} · [^<>]+