Perl中的模式匹配学习笔记
一、简介
模式指在字符串中寻找的特定序列的字符，由反斜线包含：/def/即模式def。其用法如结合函数split将字符串用某模式分成多个单词：@array = split(/ /, $line);
二、匹配操作符 =~、!~
=~检验匹配是否成功：$result = $var =~ /abc/;若在该字符串中找到了该模式，则返回非零值，即true，不匹配则返回0，即false。!~则相反。这两个操作符适于条件控制中，如：
if ($question =~ /please/) {
print ("Thank you for being polite!\n");
}
else {
print ("That was not very polite!\n");
}
三、模式中的特殊字符
PERL在模式中支持一些特殊字符，可以起到一些特殊的作用。
1、字符 +
+意味着一个或多个相同的字符，如：/de+f/指def、deef、deeeeef等。它尽量匹配尽可能多的相同字符，如/ab+/在字符串abbc中匹配的将是abb，而不是ab。当一行中各单词间的空格多于一个时，可以如下分割：@array = split (/ +/, $line);
注：split函数每次遇到分割模式，总是开始一个新单词，因此若$line以空格打头，则@array的第一个元素即为空元素。但其可以区分是否真有单词，如若$line中只有空格，则@array则为空数组。且上例中TAB字符被当作一个单词。注意修正。
2、字符 []和[^]
[]意味着匹配一组字符中的一个，如/a[0123456789]c/将匹配a加数字加c的字符串。与+联合使用例：/d[eE]+f/匹配def、 dEf、deef、dEef、dEEEeeeEef等。^表示除其之外的所有字符，如：/d[^deE]f/匹配d加非e字符加f的字符串。
3、字符 *和?
它们与+类似，区别在于*匹配0个、1个或多个相同字符，?匹配0个或1个该字符。如/de*f/匹配df、def、deeeef等；/de?f/匹配df或def。
4、转义字符
如果你想在模式中包含通常被看作特殊意义的字符，须在其前加斜线"\"。如：/\*+/中\*即表示字符*，而不是上面提到的一个或多个字符的含义。斜线的表示为/\\/。在PERL5中可用字符对\Q和\E来转义。
5、匹配任意字母或数字
上面提到模式/a[0123456789]c/匹配字母a加任意数字加c的字符串，另一种表示方法为：/a[0-9]c/，类似的，[a-z]表示任意小写字母，[A-Z]表示任意大写字母。任意大小写字母、数字的表示方法为：/[0-9a-zA-Z]/。
6、锚模式
锚 描述
^ 或 \A 仅匹配串首
$ 或 \Z 仅匹配串尾
\b 匹配单词边界
\B 单词内部匹配
例1：/^def/只匹配以def打头的字符串，/$def/只匹配以def结尾的字符串，结合起来的/^def$/只匹配字符串def(?)。\A和\Z在多行匹配时与^和$不同。
例2：检验变量名的类型：
if ($varname =~ /^\$[A-Za-z][_0-9a-zA-Z]*$/) {
print ("$varname is a legal scalar variable\n");
} elsif ($varname =~ /^@[A-Za-z][_0-9a-zA-Z]*$/) {
print ("$varname is a legal array variable\n");
} elsif ($varname =~ /^[A-Za-z][_0-9a-zA-Z]*$/) {
print ("$varname is a legal file variable\n");
} else {
print ("I don't understand what $varname is.\n");
}
例3：\b在单词边界匹配：/\bdef/匹配def和defghi等以def打头的单词，但不匹配abcdef。/def\b/匹配def和 abcdef等以def结尾的单词，但不匹配defghi，/\bdef\b/只匹配字符串def。注意：/\bdef/可匹配$defghi，因为$并不被看作是单词的部分。
例4：\B在单词内部匹配：/\Bdef/匹配abcdef等，但不匹配def；/def\B/匹配defghi等；/\Bdef\B/匹配cdefg、abcdefghi等，但不匹配def,defghi,abcdef。
7、模式中的变量替换
将句子分成单词：
$pattern = "[\\t ]+";
@words = split(/$pattern/, $line);
8、字符范围转义
转义字符 描述 范围
\d 任意数字 [0-9]
\D 除数字外的任意字符 [^0-9]
\w 任意单词字符 [_0-9a-zA-Z]
\W 任意非单词字符 [^_0-9a-zA-Z]
\s 空白 [ \r\t\n\f]
\S 非空白 [^ \r\t\n\f]
例：/[\da-z]/匹配任意数字或小写字母。
9、匹配任意字符
字符"."匹配除换行外的所有字符，通常与*合用。
10、匹配指定数目的字符
字符对{}指定所匹配字符的出现次数。如：/de{1,3}f/匹配def,deef和deeef；/de{3}f/匹配deeef；/de{3,}f/匹配不少于3个e在d和f之间；/de{0,3}f/匹配不多于3个e在d和f之间。
11、指定选项
字符"|"指定两个或多个选择来匹配模式。如：/def|ghi/匹配def或ghi。
例：检验数字表示合法性
if ($number =~ /^-?\d+$|^-?0[xX][\da-fa-F]+$/) {
print ("$number is a legal integer.\n");
} else {
print ("$number is not a legal integer.\n");
}
其中 ^-?\d+$ 匹配十进制数字，^-?0[xX][\da-fa-F]+$ 匹配十六进制数字。
12、模式的部分重用
当模式中匹配相同的部分出现多次时，可用括号括起来，用\n来多次引用，以简化表达式：/\d{2}([\W])\d{2}\1\d{2}/ 匹配：
12-05-92
26.11.87
07 04 92等
注意：/\d{2}([\W])\d{2}\1\d{2}/ 不同于/(\d{2})([\W])\1\2\1/ ，后者只匹配形如17-17-17的字符串，而不匹配17-05-91等。
13、转义和特定字符的执行次序
象操作符一样，转义和特定字符也有执行次序：
特殊字符 描述
() 模式内存
+ * ? {} 出现次数
^ $ \b \B 锚
| 选项
14、指定模式定界符
缺省的，模式定界符为反斜线/，但其可用字母m自行指定，如：
m!/u/jqpublic/perl/prog1! 等价于/\/u\/jqpublic\/perl\/prog1/
注：当用字母'作为定界符时，不做变量替换；当用特殊字符作为定界符时，其转义功能或特殊功能即不能使用。
15、模式次序变量
在模式匹配后调用重用部分的结果可用变量$n，全部的结果用变量$&。
$string = "This string contains the number 25.11.";
$string =~ /-?(\d+)\.?(\d+)/; # 匹配结果为25.11
$integerpart = $1; # now $integerpart = 25
$decimalpart = $2; # now $decimalpart = 11
$totalpart = $&; # now totalpart = 25.11
四、模式匹配选项
选项 描述
g 匹配所有可能的模式
i 忽略大小写
m 将串视为多行
o 只赋值一次
s 将串视为单行
x 忽略模式中的空白
1、匹配所有可能的模式(g选项)
@matches = "balata" =~ /.a/g; # now @matches = ("ba", "la", "ta")
匹配的循环：
while ("balata" =~ /.a/g) {
$match = $&;
print ("$match\n");
}
ba
la
ta
当使用了选项g时，可用函数pos来控制下次匹配的偏移：
$offset = pos($string);
pos($string) = $newoffset;
2、忽略大小写(i选项)例
/de/i 匹配de,dE,De和DE。
3、将字符串看作多行(m选项)
在此情况下，^符号匹配字符串的起始或新的一行的起始；$符号匹配任意行的末尾。
4、只执行一次变量替换例
$var = 1;
$line = ;
while ($var < 10) {
$result = $line =~ /$var/o;
$line = ;
$var++;
}
每次均匹配/1/。
5、将字符串看作单行例
/a.*bc/s匹配字符串axxxxx \nxxxxbc，但/a.*bc/则不匹配该字符串。
6、在模式中忽略空格
/\d{2} ([\W]) \d{2} \1 \d{2}/x等价于/\d{2}([\W])\d{2}\1\d{2}/。
五、替换操作符
语法为s/pattern/replacement/，其效果为将字符串中与pattern匹配的部分换成replacement。如：
$string = "abc123def";
$string =~ s/123/456/; # now $string = "abc456def";
在替换部分可使用模式次序变量$n，如s/(\d+)/[$1]/，但在替换部分不支持模式的特殊字符，如{},*,+等，如s/abc/[def]/将把abc替换为[def]。
替换操作符的选项如下表：
选项 描述
g 改变模式中的所有匹配
i 忽略模式中的大小写
e 替换字符串作为表达式
m 将待匹配串视为多行
o 仅赋值一次
s 将待匹配串视为单行
x 忽略模式中的空白
注：e选项把替换部分的字符串看作表达式，在替换之前先计算其值，如：
$string = "0abc1";
$string =~ s/[a-zA-Z]+/$& x 2/e; # now $string = "0abcabc1"
六、翻译操作符
这是另一种替换方式，语法如：tr/string1/string2/。同样，string2为替换部分，但其效果是把string1中的第一个字符替换为string2中的第一个字符，把string1中的第二个字符替换为string2中的第二个字符，依此类推。如：
$string = "abcdefghicba";
$string =~ tr/abc/def/; # now string = "defdefghifed"
当string1比string2长时，其多余字符替换为string2的最后一个字符；当string1中同一个字符出现多次时，将使用第一个替换字符。
翻译操作符的选项如下：
选项 描述
c 翻译所有未指定字符
d 删除所有指定字符
s 把多个相同的输出字符缩成一个
如$string =~ tr/\d/ /c;把所有非数字字符替换为空格。$string =~ tr/\t //d；删除tab和空格； $string =~ tr/0-9/ /cs；把数字间的其它字符替换为一个空格。
七、扩展模式匹配
PERL支持PERL4和标准UNIX模式匹配操作所没有的一些模式匹配能力。其语法为：(?pattern)，其中c是一个字符，pattern是起作用的模式或子模式。
1、不存贮括号内的匹配内容
在PERL的模式中，括号内的子模式将存贮在内存中，此功能即取消存贮该括号内的匹配内容，如/(?:a|b|c)(d|e)f\1/中的\1表示已匹配的d或e，而不是a或b或c。
2、内嵌模式选项
通常模式选项置于其后，有四个选项：i、m、s、x可以内嵌使用，语法为：/(?option)pattern/，等价于/pattern/option。
3、肯定的和否定的预见匹配
肯定的预见匹配语法为/pattern(?=string)/，其意义为匹配后面为string的模式，相反的，(?!string)意义为匹配后面非string的模式，如：
$string = "25abc8";
$string =~ /abc(?=[0-9])/;
$matched = $&; # $&为已匹配的模式，此处为abc，而不是abc8
4、模式注释
PERL5中可以在模式中用?#来加注释，如：
if ($string =~ /(?i)[a-z]{2,3}(?# match two or three alphabetic characters)/ {
...
}
现以简表总结如下：
一 文字处理模式中,/pattern/常用到的语法
/pattern/
结果
.
除了换行字符\n外,找寻只有一个字符的字符串
x?
找寻0个或是1个x字符
x*
找寻0个或是0个以上的x字符
.*
找寻0个或是0个以上的任何字符
x+
找寻0个或是1个以上的x字符
.+
找寻1个或是1个以上的任何字符
{m}
找寻刚好是m个个数指定的字符
{m,n}
找寻在m个数个数以上,n个个数以下指定的字符
{m,}
找寻m个个数以上指定的字符
[]
找寻符合[]内的字符
[^]
找寻不符合[]内的字符
[0-9]
找寻符合0到9的任何一个字符
[a-z]
找寻符合a到z的任何一个字符
[^0-9]
找寻不符合0到9的任何一个字符
[^a-z]
找寻不符合a到z的任何一个字符
^
找寻字符开头的字符
$
找寻字符结尾的字符
\d
找寻一个digit(数字)的字符,和[0-9]语法一样
\d+
找寻一个digit(数字)以上的字符串,和[0-9]+语法一样
\D
找寻一个non-digit(非数字)的字符,和[^0-9]语法一样
\D+
找寻一个non-digit(非数字)以上的字符,和[^0-9]+语法一样
\w
找寻一个英文字母或是数值的字符,和[a-zA-Z0-9]语法一样
\w+
找寻一个以上英文字母或是数值的字符,和[a-zA-Z0-9]+语法一样
\W
找寻一个非英文字母,数值的字符,和[^a-zA-Z0-9]语法一样
\W+
找寻一个以上非英文字母,数值的字符,和[^a-zA-Z0-9]+语法一样
\s
找寻一个空白的字符,和[\n\t\r\f]一样
\s+
找寻一个以上空白的字符,和[\n\t\r\f]+一样
\S
找寻一个非空白的字符,和[^\n\t\r\f]一样
\S+
找寻一个以上非空白的字符,和[^\n\t\r\f]+一样
\b
找寻一个不以英文字母,数值为边界的字符串
\B
找寻一个以英文字母,数值为边界的字符串
a|b|c
找到符合a字符或是b字符或是c字符的字符串
abc
找到一个含有abc的字符串
(pattern)
()这个符号是会记忆所找寻到的字符,是一个很实用的语法
第一个()内所找到的字符串变成$1这个变量或是\1变量
第二个()内所找到的字符串变成$2这个变量或是\2变量
以此类推,笔者会在下一小节中详细介绍它的用法
/pattern/i
i这个参数是代表忽略英文大小写的意思,也就是在找寻字符 串的时候,不会去考虑英文的大小写
\
如果要在pattern模式中找寻一个有特殊的意义的字符,要在 这个字符前加上\这个符号,这样才会让这个特殊字符失效
二 文字处理模式(Regular Expression)的简单范例
看了上一小节文字处理模(Regular Expression)之的,初学者对于这个语法的应用可能还不是很清楚,所以笔者会在这一小节中,举出一些在文字处理模式中常用的范例给大家看看:
范例
说明
/perl/
找到含有perl的字符串
/^perl/
找到开头是perl的字符串
/perl$/
找到结尾是perl的字符串
/c|g|i/
找到含有c或g或i的字符串
/cg{2,4}i/
找到c后面跟着2个到4个g,再跟着i的字符串
/cg{2,}i/
找到c后面跟着2个以上g,再跟着i的字符串
/cg{2}i/
找到c后面跟着2个g,再跟着i的字符串
/cg*i/
找到c后面跟着0个或多个g,再跟着i的字符串,如同/cg{0,1}i/
/cg+i/
找到c后面跟着一个以上g,再跟着c的字符串,如同/cg{1,}i/
/cg?i/
找到c后面跟着0个或是一个g,再跟着c的字符串,如同/cg{0,1}i/
/c.i/
找到c后面跟着一个任意字符,再跟着i的字符串
/c..i/
找到c后面跟着二个任意字符,再跟着i的字符串
/[cgi]/
找到符合有这三个字符任意一个的字符串
/[^cgi]/
找到没有这三个字符中任意一个的字符串
/\d/
找寻符合数值的字符串
可以使用/\d+/来表示一个或是多个数值的字符串
/\D/
找寻符合不是数值的字符串
可以使用/\D+/来表示一个或是更多个非数值的字符串
/\w/
找寻符合英文字母,数值的字符串
可以使用/\w+/来表示一个或是更多个英文字母,数值的字符串
/\W/
找寻符合非英文字母,数值字符的字符串
可以使用/\W+/来表示一个或是更多个非英文字母,数值的字符串
/\s/
找寻符合空白的字符串
可以使用/\s+/来表示一个或是更多个空白字符的字符串
/\S/
找寻符合不是空白的字符串
可以使用/\S+/来表示一个或是更多不是空白的字符的字符串
/\*/
找寻符合*这个符号的字符串,因为*在文字处理模式中有它的特殊意思,所以要在这个特殊符号前加上\这个符号,这样才会让这个特殊字符失效
/abc/i
找寻符合abc的字符串而且不考虑这些符合字符串的大小写
三 文字处理模式(Regular Expresion)相关的运算符及函数
在perl程序写作中常会用到=~和!~这两个运算符及s和t这二个函数来和文字处理模式/pattern/搭配而成一个运算式,如果能够活用这些指令的 话,就可以很。轻易地来处理一些字符串,当然在CGI程序设计中了就更能得心应手了。现在就让作者来介绍这些运算符及函数的用法:
