（八) 正则表达式——基础介绍（元字符、模式分组、单词锚位/b、模式匹配操作符(m//)与修饰符/isx、捕获变量等）
文章目录
- 一、元字符介绍与优先级
- 二、模式分组——捕获组（反向引用）
- 三、模式匹配操作符（m//）与修饰符(/i、/s、/x、/a、/u、/a)
- 四、单词锚位
- 五、绑定操作符（=~）
- 六、模式中的内插
- 七、格式转换问题
- 八、捕获变量
-
- 8.1、变量捕获及其存续期（$1、$2 ...）
- 8.2、不捕获模式（?:）
- 8.3、命名捕获（?< Label >Pattern）
- 8.4、自动捕获变量（ $&、 $'、 $`）
- 九、模式测试程序
正则表达式是Perl内嵌的、自成一体的微型编程语言，在Perl中也叫 模式（pattern），主要用来提高 对字符串的处理能力。
一、元字符介绍与优先级
在介绍元字符之前，先了解一下正则表达式在Perl中的简单运用方式：
#格式转换：utf-8 转换成gbk格式
use encoding 'utf8', STDOUT=>'gbk'; #说明：采用的Perl版本为5.012， 支持encoding模式，如果是其它版本可能会出错
$_ = "yabba dabba doo"; #被查找的特殊变量一定放在特殊变量里$_
if(/abba/){
#界定符可以不使用双斜杠//
print "配上了\n";
}
else{
print "没配上\n";
}
当模式匹配的对象是$_的内容，只需要把模式写在一对斜线（/）中就可以了，模式本身就是一串简单的字符序列。由于模式匹配通常用来返回真或者假，所以往往会用在if或者while的条件表达式里。
模式匹配除了匹配简单的直接量字符串，还可以匹配一些特殊字符，称之为元字符，它们在正则表达式中代表着特殊含义。
- 普通常用元字符如下表：
| 普通字符 | 含义 |
|---|---|
| 点号(.) | 匹配任意一个字符的通配符（换行符“\n”除外） |
| 反斜线（\） | 表示转义，任意元字符前加反斜线，都会失去作用成为普通字符；要匹配真正的反斜线，需用两个反斜线表示 |
| 圆括号（） | 模式分组——对字符串进行分组，以便反向引用 |
| 或（|） | 择一匹配——要么匹配左边内容，要么匹配右边内容 |
| 字符集 | 字符集——通常写在方括号[ ]内表示，只匹配单个字符，可以是字符集中列出的任意一个 |
| 脱字符（^） | 一般在字符集开头的地方加上，表示这些字符除外 |
| 连字符（-） | 在字符集中表示始末范围；在字符集括号外无特殊意义 |
| [^n\-z] | 表示匹配n，连字符与z以外的任意字符 |
- 三大数量元字符及通用量词、贪婪量词（{ }）：
| （贪婪）数量元字符 | 含义 | 贪婪量词 | 含义 |
|---|---|---|---|
| 星号(*) | 匹配符号前面的条目0~任意次 | *？ | 匹配的字符串越短越好 |
| .* | 匹配任意字符0~任意次（换行符除外） | .*? | 匹配的字符串越短越好 |
| 加号（+） | 匹配符号前面的条目1~任意次 | +? | 匹配的字符串越短越好 |
| 问号(?) | 匹配符号前面的条目0~1次 | ?? | 优先考虑0次的情况 |
| 花括号({ }) | 指定具体的重复次数范围 | { }? | – |
| {n,m} | 匹配n ~ m个 | {n,m}? | 优先匹配n次的情况 |
| {n} | 匹配 n 个 | – | – |
| {n，} | 匹配 n ~ 任意个 | {n，}? | 优先匹配n次的情况 |
| {，m} | 匹配 0 ~ m个 | {，m}? | 优先匹配0次的情况 |
$_ = "abcdddddeee";
if(/a?b*c+d{
2,5}e{
2,}/){
#大括号——指定通用量词
print "配上了\n";
}
- 常用字符集简写： \w+——表示一个单词；\d+——表示一个数字。
| 字符集简写（大写反义简写） | 含义 |
|---|---|
| \d | 匹配任意一个数字，等价于字符集[0-9] |
| \s | 匹配任意空白符，等价于字符集[\t\n\r\f ] |
| \w | 匹配任意数字、字母和下划线，等价于[A-Za-z0-9_] |
| \D | 匹配非数字字符 |
| \S | 匹配非空白字符 |
| \W | 匹配非单词字符 |
- 正则表达式优先级顺序（由高到低）：
| 正则表达式特性 | 示例 |
|---|---|
| 圆括号（分组或捕获） | （…），（?: …），（? |
| 量词 | a*，a+，a?，a{n,m} |
| 锚位和序列 | abc，^，$，\A，\b，\z，\Z |
| 择一竖线 | a|b|c |
| 原子 | a，[abc] ，\d，\1，\g{2} |
#优先级
$_ = "barney";
if(/^(fred|barney)$/){
print "配上了\n";
}
二、模式分组——捕获组（反向引用）
在正则表达式中，可以使用圆括号（）对字符串进行分组，我们可以用反向引用来引用圆括号中的模式所匹配的文字，这个行为称之为捕获组。反向引用不必紧接在对应的捕获组括号后边，其写法是在反斜线后边接上数字编号，比如\1、\2这样，相应的数字表示对应顺序的捕获组，只要依次点算左括号（包括嵌套括号）的序号即可。
use 5.010; #引入新版本写法
#模式分组(反向引用——相对、绝对)
if(/(fred)+/){
print "找到了\n";}else{
print "没找到\n";} #匹配fredfredfred这样的字符串
if(/(.)(..)\1\2/){
print "找到了\n";}else{
print "没找到\n";}
#模式分组——新写法
if(/(.)(..)\g{
1}\g{
2}/){
print "找到了\n";}else{
print "没找到\n";} #花括号——绝对引用，新写法
if(/(.)(..)\g{
-1}/){
print "找到了\n";}else{
print "没找到\n";} #负号——相对引用，代表前一个括号
从Perl 5.010版本开始，支持一种新的反向引用写法。不在只是用简单的反斜线和组号，而是用 \g{N} 这种形式，N是方向引用的组号这种写法的好处是，组号可以使用负数。
- 绝对反向引用（一一对应）：if(/(.)(…)\g{1}\g{2}/)，g{1}代表第一个括号(.)，g{2}代表第二个括号（…）；
- 相对反向应用（就近原则）：if(/(.)(…)\g{-1}/)，g{-1}代表最近的一个括号（…）。
在TextPad上编码采用的是UTF-8模式，而控制端口采用的是GBK模式，为了统一编码格式不至于出现打印乱码，需在文件开头添加代码：
三、模式匹配操作符（m//）与修饰符(/i、/s、/x、/a、/u、/a)
前述的模式写法都是采用双斜线的写法表示，事实上，这是m//（模式匹配操作符）的简写。类似qw//简写提到的，可以选择任何成对的定界符。所以，我们可以写成m(fred)，m{fred}，m
说明：简写省略m，仅限于使用双斜线定界符；如果使用其它定界符，m不可省略。
Perl中有多种模式匹配修饰符，也称标志（flag）。它们是一些追加在模式表达式末尾定界符后面的字母，用来改变默认的匹配行为。具体见下表：其中字符解释意义的修饰符是由Perl 5.014开始加入。
| 字符集简写（大写反义简写） | 含义 |
|---|---|
| \i | 进行大小写无关的匹配 |
| \s | 匹配任意字符，它会使点号(.)匹配任意字符，包括换行符 |
| \x | 加入空白符，允许在模式中任意添加空白符，增加易读性 |
| \g | 可以执行全局匹配 |
| \m | 可以执行多行匹配 |
| \a | 在ASCII范围内进行字符解释 |
| \u | 在Unicode范围内进行字符解释 |
| \l | 在ocale范围内进行字符解释 |
说明：正则表达式/m修饰符:
- /m修饰符规定正则表达式可以执行多行匹配。
/m修饰符的作用是修改 ^ 和 $ 在正则表达式中的作用，让它们分别表示行首和行尾。- 在默认状态下，一个字符串无论是否换行只有一个开始 ^ 和结尾 $，如果采用多行匹配，那么每一个行都有一个 ^ 和结尾 $。
#单一选项修饰符——/x
print "请输出一个数：";
chomp($_ = <STDIN>);
if(/-? #?_0个或1个负号
\d+ #\d+_1个或多个数字，等价于[0-9]+
\.? #0个或1个小数点
\d+ #1个或多个数字
/x){
#\x_加入空白符，易读
print "你输入的数是：$_\n";
}
else{
print "你输入的不是数：$_\n";
}
#组合选项修饰符——/x
$_ = "I saw Barney\ndown at the bowling alley\nwith fred\nlast night.\n";
print;
if(/barney #找barney
.* #任意字符，包括换行符\n
fred #找fred
/isx){
#/s_匹配任意字符，即点号也会匹配换行符\n；/i_大小写无关匹配；/x_加入空白符
print "找到了！\n";
}
else{
print "没找到！\n";
}
四、单词锚位
默认情况下，给定的模式如果不匹配字符串的开头，就会顺移到下一个字符继续尝试。而通过给定锚位，可以让模式仅在字符串的指定位置匹配。
锚位并不局限于字符串首尾，还可应用于单词的首位，又称“整词匹配”。
| 锚位字符 | 含义 |
|---|---|
| 脱字符（^），锚位\A | 表示字符串开头锚位（在字符集方括号中做取反用） |
| 美元符（$），锚位\z | 表示字符串结尾锚位 |
| \b | 单词边界锚位，只匹配每组字符的开头或结尾 |
| \B | 非单词边界锚位 |
$_ = "fred banny and fred";
if(/^fred/){
print "配上了\n";}else{
print "没配上\n";} #^_在字符集外，该符号表示字符串的开头锚位
$_ = "fred";
if(/^fred$/){
print "配上了\n";}else{
print "没配上\n";} #$符号表示字符串的结尾锚位
$_ = "man fred man";
if(/\bfred\b/){
print "配上了\n";}else{
print "没配上\n";} #\b表示单词的边界锚位，该例单词开头为f,结尾为d
$_ = "search";
if(/$_ =~ \bsearch\B/){
print "配上了\n";}else{
print "没配上\n";} #\B表示非单词边界锚位
#绑定操作符（=~）——运用
$some_other = "I dream of betty rubble.";
if($some_other =~ /\brub/){
print "配上了\n";}else{
print "没配上\n";}
编译运行：
配上了
配上了
配上了
没配上
配上了
五、绑定操作符（=~）
默认情况下，模式匹配的操作对象是$_，绑定操作符（=~）告诉Perl，右边的模式是用来匹配左边的字符串，而不是匹配 $ _。当使用绑定操作符时，可以不使用默认变量 $ _，自由进行定义。如上例
六、模式中的内插
正则表达式内部同样可以进行双引号形式的内插：下述代码中$what就等效于/^(Larry)/，也就是寻找Larry开头的行。
my $what = "Larry";
while(<>){
if(/^($what)/){
#模式串中的内插
print "We saw $what in beginning of $_";
}
}
编译运行：
Larry and me #Larry开头
We saw Larry in beginning of Larry and me
Laty is good
larry
Larry is a good man #Larry开头
We saw Larry in beginning of Larry is a good man
^Z
七、格式转换问题
首行添加如下代码，将UTF-8格式的代码文件转换成GBK格式，在终端（GBK格式）导出，避免编译时乱码。
use encoding 'utf8', STDOUT=>'gbk'; #说明：采用的Perl版本为5.012， 支持encoding模式，如果是其它版本可能会出错
八、捕获变量
8.1、变量捕获及其存续期（$1、$2 …）
圆括号可以用来进行分组，圆括号同样也可以用来进行捕获变量，这捕获变量保存的是字符串，在Perl里，它们的名称就是$1和$2这样的的形式，模式中有多少个捕获括号，就有多少个对应的捕获变量可用。
反向引用\2与捕获变量$2的区别：
- \2反向引用：指模式匹配期间得到的结果；
- $2捕获变量：指模式匹配结束后对得到的捕获内容的索引。
捕获变量的存续期：可存活到下次匹配成功为止。失败的匹配并不会改变上次成功匹配时得到的内容。
print "Hello\n";
$_ = "Hello there, neigbor";
if(/\s(\w+),/){
print "$1\n"; #打印：there
}
if(/(\S+) (\S+), (\S+)/){
print "$1 $2 $3\n"; #打印：Hello there neigbor
}
my $dino = "I fear that I'll be extinct after 1000 years.";
if($dino =~ /(\d*) years/){
print "$1\n"; #打印：1000
}
8.2、不捕获模式（?:）
正则表达式中的圆括号通常都会触发变量捕获，但是有时候却需要关闭这个功能，而仅仅是用它来进行分组。这就需要用到不捕获圆括号（?:）。
$_ = "one two three four five";
if(/(\S+) (\S+) (\S+)/){
#?:_只用来分组，不用来捕获
print "$2 $3\n"; #打印：two three
}
**说明**：尽管上述打印结果未列出$1,但是第一个捕获变量还是要留给他
$_ = "one two three four five";
if(/(?:\S+) (\S+) (\S+)/){
#（?:）——只用来分组，不用来捕获
print "$1 $2 $3\n"; #打印：two three
}
8.3、命名捕获（?< Label >Pattern）
为了避免记忆$1之类的数字变量，Perl5.010增加了对捕获内容直接命名的写法。最终捕获到的内容会保存在特殊哈希%+里：其中的键就是在捕获时用的特殊标签，对应的值为被捕获到的字符串。具体的写法是：（?。
在使用捕获标签后，反向引用的写法也会随之发生变化。之前所用的\1或者g{1}这样的写法，现在可以改为 \g{Label} 这样的写法，当然：k。
my $names = "Fred or Barney";
if($names =~ /(?<name1>\w+) (?:and|or) (?<name2>\w+)/){
#?<>_命名的捕获
#print "$1, $2\n";
print "$+{name1}, $+{name2}\n"; #打印： Fred, Barney
}
my $names = "Fred Flinstones and Wilma Flinstones";
if($names =~ /(?<last_name>\w+) and \w+ \g{
last_name}/){
#在反向引用中使用命名变量，也可改g{
}为k<>
print "$+{last_name}\n"; #打印：Flinstones
}
8.4、自动捕获变量（ $&、 $’、 $`）
Perl中三大免费的自动捕获变量：
- $& ：匹配区段内容
- $’ ：匹配区段之后的内容
- $` ：匹配区段之前的内容。
$_ = "one two three, four five six";
if(/\s(\w+),/){
print "$1\n";
print "$&\n"; #自动匹配字符变量(捕获全部匹配到的)
print "$'\n"; #单引号（捕获匹配节点后面的其余字符串）
print "$`\n"; #反引号（捕获匹配节点前面的其余字符串）
print "$`$&$'\n"; #组合（完整子符串）
print "$`<$&>$'\n"; #尖括号（标识出捕获到的字符串部分）
}
编译运行：
three
three,
four five six
one two
one two three, four five six
one two< three,> four five six
九、模式测试程序
正则表达式测试程序：
#这是一个模式测试程序
while(<>){
chomp;
if(/我的正则表达式/){
# \s\d+
print "配上了：|$`<$&>$'|\n";
}
else{
print "没配上\n";
}
}
编译运行：（正则表达式：/\s\d+/）
i have 100 dollars #键入
配上了：|i have< 100> dollars| #打印结果
the number is 1245
配上了：|the number is< 1245>|