Perl - 正则表达式

---

---

正则表达式是一串字符，用于定义您正在查看的模式或模式。Perl 中正则表达式的语法与您在其他支持正则表达式的程序（如sed、grep和awk）中找到的非常相似。

应用正则表达式的基本方法是使用模式绑定运算符 =~ 和!~。第一个运算符是测试和赋值运算符。

Perl 中有三个正则表达式运算符。

• 匹配正则表达式 - m//
• 替换正则表达式 - s///
• 转录正则表达式 - tr///

在每种情况下，正斜杠都充当您指定的正则表达式 (regex) 的分隔符。如果您习惯使用任何其他分隔符，则可以使用它代替正斜杠。

匹配运算符

匹配运算符 m// 用于将字符串或语句与正则表达式匹配。例如，要将字符序列“foo”与标量 $bar 匹配，您可以使用以下语句：

#!/usr/bin/perl

$bar = "This is foo and again foo";
if ($bar =~ /foo/) {
   print "First time is matching\n";
} else {
   print "First time is not matching\n";
}

$bar = "foo";
if ($bar =~ /foo/) {
   print "Second time is matching\n";
} else {
   print "Second time is not matching\n";
}

执行上述程序时，会产生以下结果：

First time is matching
Second time is matching

m// 实际上以与 q// 运算符系列相同的方式工作。您可以使用任何自然匹配字符的组合来充当表达式的分隔符。例如，m{}、m() 和 m>< 都是有效的。因此，上述示例可以改写如下：

#!/usr/bin/perl

$bar = "This is foo and again foo";
if ($bar =~ m[foo]) {
   print "First time is matching\n";
} else {
   print "First time is not matching\n";
}

$bar = "foo";
if ($bar =~ m{foo}) {
   print "Second time is matching\n";
} else {
   print "Second time is not matching\n";
}

如果分隔符是正斜杠，则可以省略 m，但对于所有其他分隔符，您必须使用 m 前缀。

请注意，整个匹配表达式（即 =~ 或 !~ 左侧的表达式和匹配运算符）如果表达式匹配，则在标量上下文中返回 true。因此，语句：

$true = ($foo =~ m/foo/);

如果 $foo 与正则表达式匹配，则将 $true 设置为 1，否则如果匹配失败则设置为 0。在列表上下文中，匹配返回任何分组表达式的内容。例如，在从时间字符串中提取小时、分钟和秒时，我们可以使用：

my ($hours, $minutes, $seconds) = ($time =~ m/(\d+):(\d+):(\d+)/);

匹配运算符修饰符

匹配运算符支持自己的修饰符集。/g 修饰符允许全局匹配。/i 修饰符将使匹配不区分大小写。以下是修饰符的完整列表

仅匹配一次

匹配运算符还有一个更简单的版本 - ?PATTERN? 运算符。这基本上与 m// 运算符相同，只是它在每次重置之间的每次调用中只匹配字符串中的一次。

例如，您可以使用它来获取列表中的第一个和最后一个元素：

#!/usr/bin/perl

@list = qw/food foosball subeo footnote terfoot canic footbrdige/;

foreach (@list) {
   $first = $1 if /(foo.*?)/;
   $last = $1 if /(foo.*)/;
}
print "First: $first, Last: $last\n";

执行上述程序时，会产生以下结果：

First: foo, Last: footbrdige

正则表达式变量

正则表达式变量包括$，它包含上次分组匹配匹配的内容；$&，它包含整个匹配字符串；$`，它包含匹配字符串之前的所有内容；以及$'，它包含匹配字符串之后的所有内容。以下代码演示了结果：

#!/usr/bin/perl

$string = "The food is in the salad bar";
$string =~ m/foo/;
print "Before: $`\n";
print "Matched: $&\n";
print "After: $'\n";

执行上述程序时，会产生以下结果：

Before: The
Matched: foo
After: d is in the salad bar

替换运算符

替换运算符 s/// 实际上只是匹配运算符的扩展，它允许您将匹配的文本替换为一些新文本。运算符的基本形式为：

s/PATTERN/REPLACEMENT/;

PATTERN 是我们要查找的文本的正则表达式。REPLACEMENT 是我们要用来替换找到的文本的文本或正则表达式的规范。例如，我们可以使用以下正则表达式将所有出现的dog替换为cat：

#/user/bin/perl

$string = "The cat sat on the mat";
$string =~ s/cat/dog/;

print "$string\n";

执行上述程序时，会产生以下结果：

The dog sat on the mat

替换运算符修饰符

以下是与替换运算符一起使用的所有修饰符的列表。

转换运算符

转换类似于但并不完全相同于替换的原理，但与替换不同，转换（或转录）不使用正则表达式进行其搜索和替换值。转换运算符为：

tr/SEARCHLIST/REPLACEMENTLIST/cds
y/SEARCHLIST/REPLACEMENTLIST/cds

转换将 SEARCHLIST 中所有出现的字符替换为 REPLACEMENTLIST 中相应的字符。例如，使用我们在本章中一直在使用的“The cat sat on the mat.” 字符串：

#/user/bin/perl

$string = 'The cat sat on the mat';
$string =~ tr/a/o/;

print "$string\n";

执行上述程序时，会产生以下结果：

The cot sot on the mot.

也可以使用标准的 Perl 范围，允许您通过字母或数值指定字符范围。要更改字符串的大小写，您可以使用以下语法代替uc函数。

$string =~ tr/a-z/A-Z/;

转换运算符修饰符

以下是与转换相关的运算符列表。

/d 修饰符删除与 SEARCHLIST 匹配但 REPLACEMENTLIST 中没有相应条目的字符。例如：

#!/usr/bin/perl 

$string = 'the cat sat on the mat.';
$string =~ tr/a-z/b/d;

print "$string\n";

执行上述程序时，会产生以下结果：

b b   b.

最后一个修饰符 /s 删除了被替换的字符的重复序列，因此：

#!/usr/bin/perl

$string = 'food';
$string = 'food';
$string =~ tr/a-z/a-z/s;

print "$string\n";

执行上述程序时，会产生以下结果：

fod

更复杂的正则表达式

您不仅可以匹配固定字符串。实际上，您可以使用更复杂的正则表达式匹配几乎任何您能想到的东西。这是一个快速备忘单：

下表列出了 Python 中可用的正则表达式语法。

^ 元字符匹配字符串的开头，而 $ 元字符匹配字符串的结尾。以下是一些简短的示例。

# nothing in the string (start and end are adjacent)
/^$/   

# a three digits, each followed by a whitespace
# character (eg "3 4 5 ")
/(\d\s) {3}/  

# matches a string in which every
# odd-numbered letter is a (eg "abacadaf")
/(a.)+/  

# string starts with one or more digits
/^\d+/

# string that ends with one or more digits
/\d+$/

让我们看另一个例子。

#!/usr/bin/perl

$string = "Cats go Catatonic\nWhen given Catnip";
($start) = ($string =~ /\A(.*?) /);
@lines = $string =~ /^(.*?) /gm;
print "First word: $start\n","Line starts: @lines\n";

执行上述程序时，会产生以下结果：

First word: Cats
Line starts: Cats When

匹配边界

\b 在任何单词边界处匹配，由 \w 类和 \W 类之间的差异定义。因为 \w 包括单词的字符，而 \W 包括相反的字符，所以这通常意味着单词的终止。\B 断言匹配任何不是单词边界的位置。例如：

/\bcat\b/ # Matches 'the cat sat' but not 'cat on the mat'
/\Bcat\B/ # Matches 'verification' but not 'the cat on the mat'
/\bcat\B/ # Matches 'catatonic' but not 'polecat'
/\Bcat\b/ # Matches 'polecat' but not 'catatonic'

选择备选方案

| 字符就像 Perl 中的标准或按位 OR。它在正则表达式或组中指定备选匹配。例如，要在表达式中匹配“cat”或“dog”，您可以使用：

if ($string =~ /cat|dog/)

您可以将表达式的各个元素组合在一起以支持复杂的匹配。搜索两个人的姓名可以通过两个单独的测试来实现，如下所示：

if (($string =~ /Martin Brown/) ||  ($string =~ /Sharon Brown/))

This could be written as follows

if ($string =~ /(Martin|Sharon) Brown/)

分组匹配

从正则表达式的角度来看，两者之间没有区别，也许除了前者稍微更清晰之外。

$string =~ /(\S+)\s+(\S+)/;

and 

$string =~ /\S+\s+\S+/;

但是，分组的好处是它允许我们从正则表达式中提取序列。分组按其在原始表达式中出现的顺序返回为列表。例如，在以下片段中，我们从字符串中提取了小时、分钟和秒。

my ($hours, $minutes, $seconds) = ($time =~ m/(\d+):(\d+):(\d+)/);

除了这种直接方法之外，匹配的组也存在于特殊的 $x 变量中，其中 x 是正则表达式中组的编号。因此，我们可以将前面的示例改写如下：

#!/usr/bin/perl

$time = "12:05:30";

$time =~ m/(\d+):(\d+):(\d+)/;
my ($hours, $minutes, $seconds) = ($1, $2, $3);

print "Hours : $hours, Minutes: $minutes, Second: $seconds\n";

执行上述程序时，会产生以下结果：

Hours : 12, Minutes: 05, Second: 30

当组用于替换表达式时，$x 语法可以在替换文本中使用。因此，我们可以使用以下方法重新格式化日期字符串：

#!/usr/bin/perl

$date = '03/26/1999';
$date =~ s#(\d+)/(\d+)/(\d+)#$3/$1/$2#;

print "$date\n";

执行上述程序时，会产生以下结果：

1999/03/26

\G 断言

\G 断言允许您从上次匹配发生的位置继续搜索。例如，在以下代码中，我们使用了 \G，以便我们可以搜索到正确的位置，然后提取一些信息，而无需创建更复杂、单个的正则表达式：

#!/usr/bin/perl

$string = "The time is: 12:31:02 on 4/12/00";

$string =~ /:\s+/g;
($time) = ($string =~ /\G(\d+:\d+:\d+)/);
$string =~ /.+\s+/g;
($date) = ($string =~ m{\G(\d+/\d+/\d+)});

print "Time: $time, Date: $date\n";

执行上述程序时，会产生以下结果：

Time: 12:31:02, Date: 4/12/00

\G 断言实际上只是 pos 函数的元字符等效项，因此在正则表达式调用之间，您可以继续使用 pos，甚至可以通过将 pos 用作 lvalue 子程序来修改 pos 的值（以及 \G）。

正则表达式示例

文字字符

字符类

特殊字符类

重复情况

非贪婪重复

这将匹配最少的重复次数 -

使用括号进行分组

反向引用

这将再次匹配先前匹配的组 -

备选方案

锚点

这需要指定匹配位置。

带括号的特殊语法