正则表达式之二:与正则表达式进行匹配-正则表达式与Perl接轨

1、以m//进行匹配

//的编写模式是m//操作符的简写。

例：m(fred)=m<fred>=m{fred}=m[fred]=m/fred/=/fred/

批注：但只有//可以省略m。

例：/^http:\/\//=m%^http://%

批注：匹配http://，常见的定界符也有用花括号的

2、可选修饰符

可有可无的修饰字符，有时候称为开关。它们可以成组附加在某个正则表达式结尾的定界符的右边，并改变正则表达式的默认行为。

一个模式里使用多个修饰符，可以写在一起，不分先后顺序。

/i：不区分大小写的匹配

例：/yes/i

批注：匹配Yes,yes,YES等等

/s：匹配任意字符，如点号(.)不匹配换行符，但加上/s后效果等于[\d\D]

/x：加入空白，在模式里随意加上空白，使更容易阅读、理解。

例：/-?\d\.?\d*/=/-? \d \.? \d* /x

例：/barney.*fred/is = /barney .* fred/isx

批注：这样加入空白后，阅读更清楚些。但加上/s后模式里面原始的空白与制表符就失去意义，它们会被忽略掉，如果想要匹配的话，可以在前面加上反斜线转义符\，不过\s（或\s*、或\s+）还是比较常用的用来匹配空白的写法。若要匹配#时，可以写成\#或[#]。另注释里不要把定界符也写进去，不然会被视为模式的终点。

3、定位

（1）字符匹配的定位

^用来标识字符串的开头

例：/^fred/    #只匹配位于字符串最前端的fred，如果是manfred mann这个字符串，则不匹配

$用来标识字符串的结尾

例：/rock$/   

批注：只匹配位于字符串最后面的rock，如果是knute rockne，则不匹配

例：/^(fred|barney)/ 

批注：其中的括号很重要，现在的意思是在每行开头寻找fred或barney，若没有圆括号，就会变成在字符串的开头匹配fred或者在字符串的任何地方匹配barney。

两个字符定位一起使用，可确保模式可以匹配整个字符串。

例：/^\s*$/

批注：用来匹配空白行，对所有的空白行来说等效。如果不在前后加上两个定位，则会把非空白行也一起算进去。

（2）单词定位

\b是单词边界定位，它匹配任何单词的首尾。如/\bfred\b/可匹配fred,但无法匹配frederick、alfred、manfredmann。这称为整词搜索模式。此处所说的单词是指一连串字母、数字与下划线的组合，也就是匹配/\w+/模式的字符串。

例：That's a "word" boundary!

批注：该句子共5个单词：That、s、a、word、boundary。要注意的是word两边的引号并不会改变单词边界。这些单词是由一组\w字符构成的。

单词定位很有用，不会使我们意外地在delicatessen中找到cat，在boondoggle中找到dog或在selfishness中找到fish。也可以只用到一个单词边界定位。如

/\bhunt/匹配hunt、hunting或hunter，而排除了shunt；用/stone\b/匹配standstone或flintstone，但不包括capstones。

4、绑定操作符

=~默认的情况下模式匹配的对象是$_，绑定操作符=~能让Perl拿右边的模式来匹配左边的字符串，而非匹配$_。虽然它看起来像某种赋值运算，但并不是。它指的是本来这个模式会匹配$_变量，但请针对左边的字符串匹配吧。若没有绑定操作符，表达式就会使用默认的$_。

my $some_other = "I dream of betty rubble.";

if($some_other =~/\brub/){

    print "Aye, there's the rub.\n";}

在下面这个（不寻常的）例子里，$likes_perl会被赋予一个布尔值，这个结果取决于用户键入的内容。这个程序属于“急功近利”型的，因为判断后就丢弃了用户的输入。这行代码大致上的功能是读取输入行，匹配字符串与模式，然后舍弃输入行的内容。没有进一步使用$_，也没有改变它。

print "Do you like Perl?";

my $likes_perl = (<STDIN> =~ /\byes\b/i);

……  #耗时的其它程序……

if($likes_perl){

print "You said earlier that you like Perl,so..\n";}

批注：除非while循环的条件表达式中只有整行输入操作符（<STDIN>）,否则输入行不会自动存入$_。因为绑定操作符的优先级相当高，也就没必要用圆括号来跨住模式测试表达式。所以下面这一行如同上面的表达式一样，会将匹配结果（而非输入的内容）存进变量。my $likes_perl = <STDIN> =~ /\byes\b/i;

5、模式串中的内插

#!/usr/bin/perl -w

my $what = "larry";

while(<>){

if(/^($what)/){

print "We saw $what in beginning of $_";}}

批注：不管$what的内容是什么，当我们进行模式匹配的时候，该模式都会成为$what的值。在这里它和/^(larry)/是相同的意思，也就是在每行的开头寻找larry。

6、模式中变量的存储

（1）捕获变量

匹配变量（包括自动匹配变量和带编号的匹配变量）最常用在替换运算中。圆括号同时也启动了正则表达式处理引擎的捕获功能。即把（圆括号中模式所匹配的）部分字符串暂时记下来的能力。如果有一对以上的圆括号，就会有一次以上的捕获。

每个被捕获的对象是原本的字符串，而不是模式。因为捕获变量存储的都是字符串，所以它们都是标量变量。在Perl里，它们的名字类似$1或者$2。模式里的括号有多少对，匹配变量就有多少个。如$4就是第四对括号捕获的字符串。这些变量能够取出字符串里的某些部分，因此是正则表达式威力强大的重要原因之一。

$_="Hello there,neighbor";

if(/\s(\w+),/){   #捕获空白符和逗号之间的单词

print "the word was $1\n;"

批注：打印the word was there

也可以一次捕获多个串。

$_="Hello there,neighbor";

if(/(\S+) (\S+), (\S+)/){   #捕获空白符和逗号之间的单词

print "the word was $1 $2 $3\n;"}

批注：让我们知道这些单词是Hello there neighbor。注意逗号的处理

my $dino="I fear that I'll be extinct after 1000 years.";

if($dino =~ /(\d*) years/){

    print "That said '$1' years.\n";   #$1为1000



my $dino="I fear that I'll be extinct after a few million years.";

if($dino =~ /(\d*) years/){

    print "That said '$1' years.\n";   

批注：$1为空字符串，而不是尚未定义。若模式中有三个一下的圆括号，$4才会是undef

（2）捕获变量的生命期

这些捕获变量通常能存活到下次成功的模式匹配为止。也就是说，失败的匹配不会改动上次成功匹配时捕获的内容，而成功的匹配会将它们重置。如果对比失败，它会输出可能遗留在$1里的任何字符串。

$wilma = ~ /(\w+)/;  #不对！这里的结果不一定正确

	print "Wilma's word was $1...or was it?\n";

批注：这就是为什么模式匹配总是出现在if或while条件表达式里：

if($wilma =~ /(\w+)/){

    print "Wilma's word was $1.\n";}

else{

    print"Wilma doesn't have a word.\n";}

因为捕获的内容不会永久留存，所以匹配变量只应该在模式匹配后的数行内使用。通常最好的做法是将它复制到某个一般的变量里。后面有更好的处理办法，即模式匹配发生时，直接将捕获的内容存到变量中。

if($wilma =~ /(\w+)/){

my $wilma_word = $1;...}

（3）不捕获模式

现在是每个括号的内容都会被变量捕获，也可以设置某一个括号里的内容不被捕获。

if(/(?:bronto)?saurus (steak|burger)/){

   print "Fred wants a $1\n";}

批注：这样增减选项的时候就不用修改捕获变量的名字了

if(/(?:bronto)?saurus (?:BBQ)?(steak|burger)/){

    print "Fred wants a $1\n";}

（4）命名捕捉

以上的变量捕捉方式有不好的地方。即使对于较为简单的模式来说，管理这样的数字变量也是比较困难的。如下例：

use 5.010;

my $names='Fred or Barney';

if($names=~m/(\w+) and (\w+)){ #不会匹配

    say "I saw $1 and $2";}

批注：不会看到say的输出，因为模式里的and和实际变量中的or不匹配。我们考虑后认为两者可以并存，加入“择一”来匹配and或者or。当然需要在模式中加入一对括号。

use 5.010;

my $names='Fred or Barney';

if($names=~m/(\w+) (and|or) (\w+)){

    say "I saw $1 and $2";}

批注：现在可以匹配了，但由于第二个括号的引入，是$2变量中的内容不是我们期望的了，期望的则进入了$3。打印输出I saw Fred and or，当然可以改为(?:and|or)，但还是不方便。

Perl5.10引入了正则表达式命名捕捉的概念。现在捕捉的结果会进入一个特殊的哈希%+，其中的键就是在捕捉时候使用的特殊标签，其中的值就是被捕捉的串。为捕捉串加标签的方法是使用(?<LABEL>PATTERN)这样的写法，而LABEL可以自行命名。

use 5.010;

my $names = 'Fred or Barney';

if($names =~ m/(?<name1>\w+)) (?:and|or) (?<name2>\w+){

say "I saw $+{name1} and $+{name2}";}

批注：现在就能看到正确的结果：I saw Fred and Barney

一旦使用了捕捉标签，就可以随意移动位置并加入更多的捕获括号，不会因为括号的次序变化导致麻烦。

use 5.010;

my $names = 'Fred or Barney';

if($names =~ m/((?<name1>\w+)) (?:and|or) (?<name2>\w+)){

say "I saw $+{name1} and $+{name2}";}

批注：在使用捕捉标签之后，也给反向引用带来了更新的必要。之前我们使用\1或者g{1}这样的写法，现在我们可以使用\g{label}这样的写法。另外一种表示\k<lable>=\g{label}。

use 5.010;

my $names = 'Fred Flinstone and Wilma Flinstone';

if($names =~ m/(?<last_name>\w+) and \w+ \g{last_name}/){

say "I saw $+{last_name}";}

（5）自动匹配变量

自动匹配变量有可能是空字符串，它们的有效范围也与标号的匹配变量相同。一般情况下，它们的值会一直持续到下一次模式匹配成功之前。

自动匹配变量会拖慢其它正则表达式的运行速度，所以一般很少使用它们。

$&：字符串里实际匹配模式的部分会自动存进$&里。

if("Hello there, neighbor" =~ /\s(\w+),/){

    print "That actually matched '$&'.\n";}

批注：$&里匹配的部分是“ there,”（一个空格，一个单词及一个逗号），相比之下，$1存储的则只有单词there，但$&里有整个的匹配段落。

$`：存储匹配起始位置之前的字符串（保存了正则表达式引擎在找到匹配段落之前略过的部分）。

$'：存储匹配结束位置之后的字符串（保存了字符串中剩下的，从来没有匹配到的部分）。

如果将这三个字符串依此连接起来，就一定会得到原来的字符串。

if("Hello there, neighbor" =~ /\s(\w+),/){

    print "That was ($`)($&)($').\n";}

批注：会输出（Hello）(there,)(neighbor)

7、通用量词：花括号量词

/a{5,15}/：匹配重复出现5到15次的字母a

/a{5,}/：至少5次，没有上限，a之间不能有空格等额外符号

/a{8}/：匹配正好8个字符的单词串

/,{5}chameleon/：匹配,,,,,chameleon

*={0,} +={1,} ?={0,1}

8、优先级

优先级告诉我们模式中哪些部分的紧密度最高。正则表达式的优先级只有4个级别。

优先级顶端的是(?)，用来分组和捕获。

第二级是量词，也就是重复操作符：星号（*）、加号（+）、问好（？）以及花括号量词，像{5,15}、{3,}、{5}等。

第三极是定位与序列。定位包括：定位开头^，定位结尾$，词边界\b，非词边界\B。单词里的字母之间和定位与字母之间的紧密程度是相同的。

最低的是“择一”竖线（|）。因为是最低一级，它实际上会将模式拆分成数个部分。

完全没有优先级的就是那些组成模式的基本元素。包括每个独立的字符，字符集和反向引用。

例：/^fred|barney$/

批注：要么匹配字符串开头的fred，要么匹配字符串结尾的barney。

例：/^(fred|barney)$/

批注匹配只包含fred或是只包含barney的每一行。

例：/(wilma|pibbles?)/

批注：匹配willma、pebbles一级pebble这三个字符串，或是长字符串的一部分（因为模式中没有定位）。

例：/^(\w+)\s+(\w+)$/

批注：匹配开始是一个单词，再来一些空白，然后又是一个单词的行。如fred flintstone之类的字符串。这里的圆括号并不是为了分组而存在，可能只是为了把匹配的字符串给捕获下来。

在尝试理解一个很复杂的模式时，试着加上一些括号会对弄清楚优先级有好处。但请记住，圆括号同时也会有捕获的效果。因此建议尽可能用非捕获的圆括号来分组。

（9）模式测试程序

下面是一个有用的程序，可用来检测某些字符串是否能被指定的模式匹配。

#!/usr/bin/perl

while(<>){

    chomp;

    if(/YOUR_PATTERN_GOES_HERE/){

       print "Matched: |$`<$&>$'|\n";}

    else{

       print "No match: |$_|\n";}