正则表达式详解（Perl）

定义：正则表达式是一种字符串模式，可用来和字符串进行匹配。匹配可能成功，也可能失败。许多UNIX命令，包括grep, sed, awk, ed, vi, emacs都有正则表达式的功能。Perl也有这种功能。Python也具有这种功能。

简单示例：

例如：

grep abd readme.file > result.tx t

则Perl中，写成

if(/abc/)

{

 print $_;

}

在Perl中，正则表达式用斜线标记，以代表斜线之间的内容是个正则表达式。当表达式北斜线包围时，Perl会拿$_和它作比较，以判断条件的真假。

   while(<>) {

if (/abc/) {

    print $_;

}

}

这个程序片断能读入某文件的所有内容，并进行匹配。

  grep “ab*c” readme.file > result

  while( <> )

 {

    if (/ab*c/) {

       print $_;

}

   }

  以上程序片断表示以a开头，后面跟0个以上的b,最后以c结尾。

 

 替代运算符以s字母开头，跟正则表达式，再跟替代的运算符号。

   s/ab*c/def/

  变量是$_会跟正则表达式(ab*c)做比较。进行匹配。

  类型：一个“正则表达式”就是一种类型pattern。分为单字符类型和多字符类型。

单字符类型：单字符类型是最常见和最常用的类型。如a。单字符类型”.”能跟除换行符号(/n)的任何字符匹配。如

/a./

 会和任何长度为二，且开头是a的字符串匹配。除了”a/n”外。

  字符类：(character class)，写法是左右两个中括号([])，内放字符。即字符串对应此类型的地方，若出现唯一一个符合括号中列出的字符，就算符合。

  /[abcde]/

 /[aeiouAEIOU]/

若在中括号中放[或者]，则需要在前面加反斜杠。如果想表示一段范围，则可以用破折号(dash-)连接。想表示破折号，则前面也必须加反斜杠。

[0123456789]

[0-9]

[0-9/-]

[a-zA-Z]

也可以用“反例”表示字符类别，只要在原来的写法前加上“^”即可。此种类型的意思是任何不在此类别内的单一字符才算上匹配。

[^0-9]

[^aeiouAEIOU]

[^/^]

预定义的字符类别

字符	类别	反例	反例类别
/d	[0-9]	/D	[^0-9]
/w	[a-zA-Z]	/W	[^a-zA-Z]
/s	[/r/t/n/f]	/S	[^/r/t/n/f]

 

[/da-fA-F] # 十六进制数字

类型组合：grouping pattern就是将正则表达式组合起来用。

系列：sequence, 如”abc”

重复符号：multiplier，如星号(*)表示出现零次以上；加号(+)则表示出现一次以上；问号(?)则表示出现零次或一次。

     /fo+ba?r/

以上的类型都是贪婪型的greedy。

$_ = “fred xxxxxxxxx barney”;

s/x+/boom/

一般重复符号：(general multiplier)，写法是一对大括号中放一个或两个数字，如/x{5, 10}/，表示x出现5到10次；/x{5,}/表示出现5次以上；/x{5}/表示刚好5个x；/x{0,5}/意思就是”0到5个”

正则表达式如出现两个重复符号，必须遵循“最左边最贪心” (leftmost is greediest) 的规则。

$_ = “a xxx c xxxxxxxxxx c xxx d”;

/a.*c.*d/;

以这个例子，第一个“.”就会和第二个c之前所有的字符符合。可以在重复符号后面加上问号，让它变得“不贪心”(nongreedy)。

$_=”a xxx c xxxxxx c xxx d”;

/a.*c?.*d/

把字符串和正则表达式再该一下：

$_=”a xxx ce xxxxxxx ci xxx d”;

/a.*ce.*d/

这个例子中.*如果匹配到第二个c，则e没有办法匹配。故Perl会重试，降低了效率。实际上只要加个”?”就能让Perl少做很多事。

把括号当记忆空间：另外一个组合符号，是前后包围任何类型的括号对(parentheses pair)。括号不会改变类型匹配的情形，不过可以把匹配的部分记录下来，以后参考。调用记住部分，写法是在反斜线后面加上数字。

   /fred(.)barney/1/;

  会和fredxbarneyx匹配，不会和fredxbarneyy匹配。但是/fred.barney./和两个字符串都匹配。

其中/1代表正则表达式中，第一个用括号括起来的部分。依次有/2, /3…

/a(.)b(.)c/2d/1/;

可以在括号中放入一个以上的字符。如/a(.*)b/1c/;

选项符号：还有一种组合符号称为选项符号(alternation)，如“a|b|c”。选项可以不只一个字符，如/song|blue/。

定位类型：anchor pattern定位类型有好几种。定位类型/b，表示目标字符串的这个地方必须是文字边界(word boundary)。所谓“文字边界”就是指符合/w或/W的字符，二个中间的位置；或者界于任何符合/w的字符，与字符串开头（或结尾）中间的位置。

/fred/b/ ；       # 会和 fred 匹配，不会和 Frederick 匹配

//bmo/ ；       # 会和 moe 和 mole 匹配，不会和 Elmo 匹配

//bFred/b/ ；    # 会和 Fred 匹配，但 Frederick 或 alFred 都不匹配

//b/+/b/ ；      # 会和 x+y 匹配，不会和 ++ 或 + 匹配

另一个定位类型/B所在之处就不一定是文字边界，如

//bFred/B/ ；    # 会和 Frederich 匹配，但 Fred Flintstone 不匹配

还有两种类型，代表字符串的开头或结尾的前一个字符。“^”会和字符串的“开头”匹配。^a会匹配以a开头的字符串，不过a^会和”a”和”^”这两个字符串匹配。即”^”失去了特别的意义 。如果想表示字符串开头是有个^号，则用/^即可。另外一个定位类型是”$”，不过表示字符串结尾。c$表示最后出现的字符是c的那个字符串。表示$这个字符，用/$表示。

优先级：

名称	表示法
括号(parentheses)	() (?:)
重复运算符(multiplier)	? + * {m, n} ?? +? *? {m, n}?
序列和定位符号(sequence and anchoring)	abc^$/A/Z(?=) (?!)
选项符号(alternation)	|

 

  abc*           # 会和 ab, abc, abcc, abccc, abcccc 匹配

 (abc)*

 ^x|y

 ^(x|y)

 a|bc|d

 (a|b)(c|d)

 (song|blue)bird

=~ 运算符：如果拿来匹配的字符串，不放在$_变量，则可以用”=~”运算符来解决：可把正则表达式放在运算符右侧，左侧则是想比较的字符串。即把正则表达式的默认目标转向运算符的左边运算单元。

$a = “hello world!”;

$a =~ /^he/;

$a=~/(.)/1/;

if($a=~/(,)/1/)

任何能传回标量字符串值的语句，都可以当作=~运算符的左边单元。如，如

print “any last request?”;

if( =~ /^[yY]/) {

print “And just what might that request be”;

print “Sorry, I’m unable to do that./n”

}

忽略大小写：grep有-I这个旗标，意思是忽略大小写；在Perl中提供了类似的方法：在正则表达式第二个斜线之后写上I即可。如/somepattern/i。

   print “any last request?”;

   if ( =~ /^y/i)

   {

   }

指定界限符号：正则表达式前后用斜线包起来，斜线叫分界符号(delimiter)，如果想在正则表达式表示斜线这个“字符”，在前面加反斜线。

 $path =

 if($path =~ /^//usr//etc/) {

}

Perl允许设计者自行指定分界符合。可用任何－个非字母、非数字、非空白的字符为分界符号，方法是在第一次使用之前写”m”。

  /^//usr//etc/

 m@^/user/etc@

 m#^/usr/etc#

  内插变量：正则表达式也可以内插变量。

 $what = “bird”

 $sentence = “Every good bird does fly.”;

 if($sentence =~ //b$what/b/)

 {

print “The sentence contains the word $what/n”;

 }

 下面的例子稍微复杂一些：

 $sentence = “Every good bird does fly.”;

 print “What should I look for?”;

 $what = ;

 chomp($what);

 if($sentence =~ /$what/)

 {

print “I saw $what in $sentence./n”;

 }

 else

 {

print “nope... didn’t find it./n”;

 }

特别的只读变量：匹配成功后，名为$1, $2, $3...的这些变量，它们的值被分别设为/1,/2,/3...之值。

   $_ = “this is a test”;

   /(/w+)W+(/w+)/ ； # 和头两个文字匹配；现在 $1 是 ”this” ， $2 是 ”is” 。

也可以在列表环境下，一次取得所有匹配的片断。

   $_=”this is a test.”;

 ($first, $second) = /(/w+)W+(/w+)/;

其他预定义的只读变量包括：” $&”，代表字符串中匹配正则表达式的部分；” $`”代表匹配处之前的部分；” $’”代表匹配处之后的部分。

 $_=”this is a sample string.”;

 /sa.*le/;    #和sample匹配。s`是”this is a “，$&是”sample”，$’是”string”

替代运算符：s/old-regex/new-string/这样的用法是最简单的一种替代运算符。如果想让替代运算符在每个匹配的地方取代，而非仅作用在第一个匹配处，在运算符加g.

  $_=”foot fool buffoon”;

 s/foo/bar/g;

替代运算符也可以内插变量，像这样：

  $_=”hello, world”;

 $new = “goodbye”;

 s/hello/$new/;

可以在替代运算符里用字符类型，就不会和固定的字符匹配了：

 $_=”this is a test”;

 s/(/w+) /<$1>/g; #$_现在是   

替代运算符可以加上i,代表忽略大小写，如果已经有g了，则i可以出现在g前后。斜线还可以用其他符号代替。s#fred#barney#;替代运算符也可以用=~改变作用的目标。

split和join函数：正则表达式可以把字符串分成许多字段。split函数可以这样做。而join函数则可以把这些片断组合起来。split函数有两个参数，分别是正则表达式和字符串，它会寻找字符串中匹配正则表达式的部分，其他不匹配的部分会依序用列表值方式传回。

$line= “merlyn::118:10:Randal:/home/merlyn:/urs/bin/perl “;

@fields = split(/:/, $line);

如果要匹配一个以上的:则用：

@fields = split(/:+, $line);

变量$_是split函数的第二个参数的默认值：

$_=”some string”;

@words =split(/ /);

由于参数字符串内没有连续的空白字符，结果会是空字符串。理想的写法是/ +/, //s+/和”一个以上“的空白字符匹配。这是第一个参数的默认值。

@words = split; 用空白字符分割 $_ 。

$line=”merlyn::118:10:Randa;:/home/merlyn:”);

($name,$password,$uid,$gid,$gcos,$home,$shell)=split(/:/,$line);

join函数跟split函数对应，该函数用第一个参数字符串当作”胶”，把第二个参数里面的值一个个“粘“起来。

$bigstring=join($glue,@list);