Perl - 正则表达式
正则表达式是定义您正在查看的一个或多个模式的字符串。 Perl 中正则表达式的语法与其他正则表达式中的语法非常相似。支持程序，例如 sed、grep 和 awk。
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///
- 音译正则表达式 - tr///
每种情况下的正斜杠都充当您指定的正则表达式 (regex) 的分隔符。 如果您对任何其他分隔符感到满意，那么您可以使用正斜杠代替。
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，您可以使用如下语句 −
#!/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// 实际上与 q// 运算符系列的工作方式相同。您可以使用自然匹配字符的任意组合作为表达式的分隔符。 例如，m{}、m() 和 m>< 都是有效的。 所以上面的例子可以重写如下 −
#!/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，您可以从 m// 中省略 m，但对于所有其他分隔符，您必须使用 m 前缀。
请注意，如果表达式匹配，则整个匹配表达式（即 =~ 或 !~ 左侧的表达式和匹配运算符）返回 true（在标量上下文中）。 因此声明 −
$true = ($foo =~ m/foo/);
如果 $foo 匹配正则表达式，则将 $true 设置为 1，如果匹配失败，则设置为 0。 在列表上下文中，匹配返回任何分组表达式的内容。 例如，当从时间字符串中提取小时、分钟和秒时，我们可以使用 −
my ($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一组修饰符。 /g 修饰符允许全局匹配。 /i 修饰符将使匹配不区分大小写。 这是修饰符的完整列表
| 序号 | 修饰符 & 说明 |
|---|---|
| 1 | i 使匹配不区分大小写。 |
| 2 | m 指定如果字符串具有换行符或回车符，则 ^ 和 $ 运算符现在将匹配换行符边界，而不是字符串边界。 |
| 3 | o 仅对表达式求值一次。 |
| 4 | s A允许使用 . 匹配换行符。 |
| 5 | x 为了清晰起见，允许您在表达式中使用空格。 |
| 6 | g 全局查找所有匹配项。 |
| 7 | cg 即使全局匹配失败，也允许搜索继续。 |
只匹配一次
还有一个更简单的匹配运算符 - ?PATTERN? 操作员。 这与 m// 运算符基本相同，只是它在每次重置调用之间仅在您正在搜索的字符串中匹配一次。
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: $last\n";
执行上述程序时，会产生以下结果 −
First: foo, Last: footbrdige
正则表达式变量
正则表达式变量包括$，它包含最后匹配的分组匹配； $&，包含整个匹配的字符串； $`，包含匹配字符串之前的所有内容； 和 $'，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。 算子的基本形式是 −
s/PATTERN/REPLACEMENT/;
PATTERN 是我们正在寻找的文本的正则表达式。 REPLACEMENT 是我们想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
这里是替换运算符使用的所有修饰符的列表。
| 序号 | 修饰符 & 说明 |
|---|---|
| 1 | i 使匹配不区分大小写。 |
| 2 | m 指定如果字符串具有换行符或回车符，则 ^ 和 $ 运算符现在将匹配换行符边界，而不是字符串边界。 |
| 3 | o 仅对表达式求值一次。 |
| 4 | s 允许使用 . 匹配换行符。 |
| 5 | x 为了清晰起见，允许您在表达式中使用空格。 |
| 6 | g 用替换文本替换所有出现的找到的表达式。 |
| 7 | e 像 Perl 语句一样评估替换，并将其返回值用作替换文本。 |
Translation 运算符
Translation 与替换原则相似但不相同，但与替换不同，Translation（或音译）不使用正则表达式来搜索替换值。 Translation 运算符是 −
tr/SEARCHLIST/REPLACEMENTLIST/cds y/SEARCHLIST/REPLACEMENTLIST/cds
翻译将 SEARCHLIST 中所有出现的字符替换为 REPLACEMENTLIST 中的相应字符。 例如，使用"The cat sat on the mat."。 我们在本章中使用的字符串 −
#/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 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/;
Translation 运算符修饰符
以下是与 Translation 相关的运算符列表。
| 序号 | 修饰符 & 说明 |
|---|---|
| 1 | c 补充搜索列表。 |
| 2 | d 删除找到但未替换的字符。 |
| 3 | s 压缩重复的替换字符。 |
/d 修饰符删除与 SEARCHLIST 匹配但在 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 删除被替换的重复字符序列，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
您不必只匹配固定字符串。 事实上，通过使用更复杂的正则表达式，您几乎可以匹配任何您梦寐以求的东西。 这是一个清单 −
下表列出了 Python 中可用的正则表达式语法。
| 序号 | 匹配 & 说明 |
|---|---|
| 1 | ^ 匹配行首。 |
| 2 | $ 匹配行尾。 |
| 3 | . 匹配除换行符以外的任何单个字符。 使用 m 选项也可以匹配换行符。 |
| 4 | [...] 匹配括号中的任何单个字符。 |
| 5 | [^...] 匹配任何不在括号中的单个字符。 |
| 6 | * 匹配 0 次或多次出现的前面表达式。 |
| 7 | + 匹配 1 次或多次出现的前面表达式。 |
| 8 | ? 匹配 0 或 1 次出现的前面表达式。 |
| 9 | { n} 精确匹配前面表达式的 n 次出现。 |
| 10 | { n,} 匹配 n 次或多次出现的前面表达式。 |
| 11 | { n, m} 匹配至少 n 次和最多 m 次出现的前面表达式。 |
| 12 | a| b 匹配 a 或 b。 |
| 13 | \w 匹配单词字符。 |
| 14 | \W 匹配非单词字符。 |
| 15 | \s 匹配空格。 等价于 [\t\n\r\f]。 |
| 16 | \S 匹配非空白。 |
| 17 | \d 匹配数字。 相当于 [0-9]。 |
| 18 | \D 匹配非数字。 |
| 19 | \A 匹配字符串的开头。 |
| 20 | \Z 匹配字符串的结尾。 如果存在换行符，它将在换行符之前匹配。 |
| 21 | \z 匹配字符串的结尾。 |
| 22 | \G 匹配最后一次匹配结束的点。 |
| 23 | \b 在括号外匹配单词边界。 在括号内时匹配退格 (0x08)。 |
| 24 | \B 匹配非单词边界。 |
| 25 | \n, \t, etc. 匹配换行符、回车符、制表符等。 |
| 26 | \1...\9 匹配第 n 个分组的子表达式。 |
| 27 | \10 如果已经匹配，则匹配第 n 个分组子表达式。 否则指字符代码的八进制表示。 |
| 28 | [aeiou] 匹配给定集中的单个字符 |
| 29 | [^aeiou] 匹配给定集合之外的单个字符 |
^ 元字符匹配字符串的开头，$ 元符号匹配字符串的结尾。 这里有一些简短的例子。
# 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: $start\n","Line starts: @lines\n";
执行上述程序时，会产生以下结果 −
First word: Cats Line starts: Cats When
匹配边界
\b 匹配任何单词边界，由 \w 类和 \W 类之间的差异定义。 因为 \w 包含一个单词的字符，而 \W 相反，这通常意味着一个单词的终止。 \B 断言匹配任何不是单词边界的位置。 例如 −
/\bcat\b/ # Matches 'the cat sat' but not 'cat on the mat' /\Bcat\B/ # Matches 'verification' but not 'the cat on the mat' /\bcat\B/ # Matches 'catatonic' but not 'polecat' /\Bcat\b/ # Matches 'polecat' but not 'catatonic'
选择备选方案
该 | 字符就像 Perl 中的标准或按位或。 它指定正则表达式或组中的备用匹配项。 例如，要匹配表达式中的"cat"或"dog"，您可以使用 −
if ($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。 搜索两个人的名字可以通过两个单独的测试来实现，像这样 −
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，也许前者更清晰一些。
$string =~ /(\S+)\s+(\S+)/; and $string =~ /\S+\s+\S+/;
但是，分组的好处是它允许我们从正则表达式中提取序列。 分组按照它们在原始中出现的顺序作为列表返回。 例如，在下面的片段中，我们从字符串中提取了小时、分钟和秒。
my ($hours, $minutes, $seconds) = ($time =~ m/(\d+):(\d+):(\d+)/);
除了这种直接方法，匹配的组也可以在特殊的 $x 变量中使用，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
在替换表达式中使用组时，可以在替换文本中使用 $x 语法。 因此，我们可以使用这个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 断言允许您从最后一次匹配发生的点继续搜索。 例如，在下面的代码中，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，而无需创建更复杂的单个正则表达式 −
#!/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: $date\n";
执行上述程序时，会产生以下结果 −
Time: 12:31:02, Date: 4/12/00
\G 断言实际上只是 pos 函数的元符号等价物，因此在正则表达式调用之间您可以继续使用 pos，甚至可以通过使用 pos 作为左值子例程来修改 pos 的值（以及因此 \G）。
正则表达式示例
文字字符
| 序号 | 示例与说明 |
|---|---|
| 1 | Perl 匹配"Perl"。 |
字符类
| 序号 | 示例与说明 |
|---|---|
| 1 | [Pp]ython 匹配"Python"或"python" |
| 2 | rub[ye] 匹配"ruby"或"rube" |
| 3 | [aeiou] 匹配任何一个小写元音 |
| 4 | [0-9] 匹配任何数字； 与 [0123456789] 相同 |
| 5 | [a-z] 匹配任何小写 ASCII 字母 |
| 6 | [A-Z] 匹配任何大写的 ASCII 字母 |
| 7 | [a-zA-Z0-9] 匹配以上任何一项 |
| 8 | [^aeiou] 匹配除小写元音以外的任何内容 |
| 9 | [^0-9] 匹配除数字以外的任何内容 |
特殊字符类
| 序号 | 示例与说明 |
|---|---|
| 1 | . 匹配除换行符以外的任何字符 |
| 2 | \d 匹配一个数字：[0-9] |
| 3 | \D 匹配非数字: [^0-9] |
| 4 | \s 匹配一个空白字符: [ \t\r\n\f] |
| 5 | \S 匹配非空白字符: [^ \t\r\n\f] |
| 6 | \w 匹配单个单词字符: [A-Za-z0-9_] |
| 7 | \W 匹配非单词字符: [^A-Za-z0-9_] |
重复案例
| 序号 | 示例与说明 |
|---|---|
| 1 | ruby? 匹配"rub"或"ruby"：y 是可选的 |
| 2 | ruby* 匹配 "rub" 加上 0 个或多个 ys |
| 3 | ruby+ 匹配 "rub" 加上 1 个或多个 ys |
| 4 | \d{3} 精确匹配 3 位数字 |
| 5 | \d{3,} 匹配 3 个或更多数字 |
| 6. | \d{3,5} 匹配 3、4 或 5 位数字 |
非贪婪重复
这匹配最少的重复次数 −
| 序号 | 示例与说明 |
|---|---|
| 1 | <.*> 贪婪重复：匹配 "<python>perl>" |
| 2 | <.*?> 非贪婪重复：匹配 "<python>" in "<python>perl>" |
用括号分组
| 序号 | 示例与说明 |
|---|---|
| 1 | \D\d+ 无分组：+ 重复 \d |
| 2 | (\D\d)+ 分组：+ 重复 \D\d 对 |
| 3 | ([Pp]ython(, )?)+ 匹配"Python"、"Python、python、python"等。 |
反向引用
这将再次匹配之前匹配的组 −
| 序号 | 示例与说明 |
|---|---|
| 1 | ([Pp])ython&\1ails 与 python&pails 或 Python&Pails 匹配 |
| 2 | (['"])[^\1]*\1 单引号或双引号字符串。 \1 匹配第一组匹配的任何内容。 \2 匹配第二组匹配的任何内容，等等。 |
替代
| 序号 | 示例与说明 |
|---|---|
| 1 | python|perl 匹配"python"或"perl" |
| 2 | rub(y|le)) 匹配 "ruby" 或 "ruble" |
| 3 | Python(!+|\?) "Python"后跟一个或多个！ 还是一个? |
锚点
这需要指定匹配位置。
| 序号 | 示例与说明 |
|---|---|
| 1 | ^Python 匹配字符串或内部行开头的"Python" |
| 2 | Python$ 匹配字符串或行末尾的"Python" |
| 3 | \APython 匹配字符串开头的"Python" |
| 4 | Python\Z 匹配字符串末尾的"Python" |
| 5 | \bPython\b 在单词边界匹配"Python" |
| 6 | \brub\B \B 是非单词边界：匹配"rube"和"ruby"中的"rub"，但不是单独匹配 |
| 7 | Python(?=!) 匹配"Python"，如果后跟一个感叹号 |
| 8 | Python(?!!) 匹配"Python"，如果后面没有感叹号 |
带括号的特殊语法
| 序号 | 示例与说明 |
|---|---|
| 1 | R(?#comment) 匹配"R"。 其余的都是注释 |
| 2 | R(?i)uby 匹配"uby"时不区分大小写 |
| 3 | R(?i:uby) 和上面一样 |
| 4 | rub(?:y|le)) 仅分组而不创建 \1 反向引用 |
