强大的Perl正则表达式实例详解

一、介绍

正则表达式各语言都有自己的规范，但是基本都差不多，都是由元字符的组合来进行匹配；由于Nmap内嵌的服务与版本探测是使用的Perl正则规范，因此此篇博客记录一下Perl正则的相关内容，方便后期查阅。

二、Perl正则例子

下面的例子可能有不足之处，有些来源于博客，没有验证；

1. 匹配IP地址：\d+\.\d+\.\d+\.\d+

               \d:匹配一个数字字符,\d+:匹配一次或多次数字字符。

               \.:使用转义字符匹配'.'。

2. 匹配邮箱类似于123456@qq.com： /^[a-zA-Z0-9_\-.]+@[a-zA-Z0-9_\-]+.[a-zA-Z]+$/

　　　　　　　　^: 匹配开头

　　　　　　　　$: 匹配结尾，这两个保证了这是连续的一串字符。

3. 匹配数字：m/^[0-9]+$/

　　　　　　　由^开头由$结尾保证了只含有数字，如果只有结尾$,那么abc12这种也是可以的。

　　　　　　　可用在输入校验，校验输入的是否是数字。

4. 用户输入温度（华氏温度，摄氏温度），编程进行转换

　　　　m/^([-+]?[0-9]+)([CF])$/ ：匹配正负整数温度。

　　　　　　　　[CF]: 匹配中括号其中的一个

　　　　　　　　?：匹配前面的子表达式0次或1次

　　　　　　　　+：匹配前面的子表达式一次或多次

　　　　　　　　perl通过临时变量$1,$2保存子表达式匹配的文本。$1保存的是数字，$2保存的是符号。

　　　　m/^([-+]?[0-9]+(?:\.[0-9]*)?)\s*([CF])$/i) ：添加支持小数的温度匹配

　　　　　　　　临时变量保存的顺序与分组的开括号 ( 在表达式中的顺序有关(从左到右）；因此这个地方使用?:，代表该括号匹配的值不被临时变量保存。

　　　　　　　　/i: 代表忽略大小写匹配，cf也匹配。

　　　　参考地址：https://segmentfault.com/a/1190000004375773（精通正则表达式（第三版））　　

5. 匹配空白行

　　^$  : 开头之后马上结束：空白行，不包括任何字符

　　\n\s*\r ：

　　　　 \n匹配一个换行符，等价于\x0a
　　　　 \s匹配任何空白字符，包括空格制表换页
　　　　 \r匹配一个回车符，等价于\x0d

6. 匹配首尾空白字符： ^\s*|\s*$

7. 匹配版本号1.3.0等

　　[\d.]+

8. 匹配某个字符以外的所有字符：

　　[^a]* 表示匹配除a以外的所有字符，*代表0次或多次。

　　[^abc]* 表示匹配除a、b、c以外的所有字符。

　　((?!win).)* 表示匹配除单词win的其它所有字符

　　Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配

　　　　　　　　　　"Windows 2000" 中的 "Windows"。

9. 匹配数字：

　　^\d+(\.\d+)?

　　　　^: 定义以什么开始；
　　　　\d+: 表示匹配数字；
　　　　?: 表示内容可选；

匹配下面的内容：

　　1）： {"service":"nutcracker", "source":"ubuntu", "version":"0.3.0",

　     　m|^\{"service":"nutcracker", "source":"([^"]+)", "version":"([\d.]+)",|

　　2）：220 yzwb.net ESMTP MDaemon 10.1.2;

　　　　 m|^220[ -]([-.\w]+) ESMTP MDaemon (\d[-.\w]+);

　　3）：AMQP\x01\x01\x00\n

　　　　 m|^AMQP\x01\x01\x00\x0a$|:注意回车键\n对应16进制\x0a,\r对应\x0d.

　　Nmap nmap-services-probe文件给出的匹配

三、正则元字符

元字符是正则表达式组成的基本元素。

利用上述元字符，可以组合出所有想要的匹配模式。下面介绍几个常用的正则表达式.

匹配中文字符的正则表达式： [\u4e00-\u9fa5]

评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)： [^\x00-\xff]

评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

匹配空白行的正则表达式：\n\s*\r

评注：可以用来删除空白行

匹配HTML标记的正则表达式： <(\S*?)[^>]*>.*?</\1>|<.*? />

评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配首尾空白字符的正则表达式： ^\s*|\s*$

评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

匹配Email地址的正则表达式： \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

评注：表单验证时很实用

匹配网址URL的正则表达式： [a-zA-z]+://[^\s]*

评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)： ^[a-zA-Z][a-zA-Z0-9_]{4,15}$

评注：表单验证时很实用

匹配国内电话号码： \d{3}-\d{8}|\d{4}-\d{7}

评注：匹配形式如 0511-4405222 或 021-87888822

匹配腾讯QQ号： [1-9][0-9]{4,}

评注：腾讯QQ号从10000开始

匹配中国邮政编码： [1-9]\d{5}(?!\d)

评注：中国邮政编码为6位数字

匹配身份证： \d{15}|\d{18}

评注：中国的身份证为15位或18位

匹配ip地址： \d+\.\d+\.\d+\.\d+

评注：提取ip地址时有用

匹配特定数字：

^[1-9]\d*$　 　 //匹配正整数

^-[1-9]\d*$ 　 //匹配负整数

^-?[1-9]\d*$　　 //匹配整数

^[1-9]\d*|0$　 //匹配非负整数（正整数 + 0）

^-[1-9]\d*|0$　　 //匹配非正整数（负整数 + 0）

^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮点数

^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配负浮点数

^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮点数

^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）

^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮点数（负浮点数 + 0）

评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：

^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串

^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串

^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串

^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串

^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串

四、总结

　　1）不同的场景、不同的语言，正则会有些许差别，只要掌握住基本的元字符以及相应的语言特性，真正用的时候花10几分钟时间熟悉一两个例子就能上手。

　　2）Perl正则是目前最优的，包括特性，建议读者学一学，这对处理数据有很大的好处。

　　3）在我理解，我们如果只是想达到我们抽取数据的目的，正则匹配的原理没有必要搞懂，会用就行。