Perl中的Regex介紹_perl

感謝AKA及作者。

Perl 中的Regex
Regex的三種形式

Regex中的常用模式

Regex的 8 大原則  

    　　Regex是 Perl 語言的一大特色，也是 Perl 程式中的一點痛點，不過如果大家能夠很好的掌握他，就可以輕易地用Regex來完成字串處理的任務，當然在 CGI 程式設計中就更能得心應手了。下面我們列出一些Regex書寫時的一些基本文法規則。

9.1 Regex的三種形式
首先我們應該知道 Perl 程式中，Regex有三種存在形式，他們分別是：

匹配：m/<regexp>;/ （還可以簡寫為 /<regexp>;/ ，略去 m）

替換：s/<pattern>;/<replacement>;/

轉化：tr/<pattern>;/<replacemnt>;/

這三種形式一般都和 =~ 或 !~ 搭配使用（其中 "=~" 表示相匹配，在整條語句中讀作 does，"!~" 表示不匹配，在整條語句中讀作 doesn't），並在左側有待處理的標量變數。如果沒有該變數和 =~ !~ 操作符，則預設為處理 $_ 變數中的內容。舉例如下：

$str = "I love Perl";
$str =~ m/Perl/; # 表示如果在 $str 中發現 "Perl" 字串，則返回 "1" 否則返回 "0"。
$str =~ s/Perl/BASH/; # 表示將變數 $str 中的 "Perl" 字串替換為 "BASH"，如果發生此替換則返回 "1"，否則返回 "0"。
$str !~ tr/A-Z/a-z/; # 表示將變數 $str 中的所有大寫字母轉化為小寫字母，如果轉化發生了則返回 "0"，否則返回 "1"。

另外還有：

foreach (@array) { s/a/b/; } # 此處每次迴圈將從 @array 數組中取出一個元素存放在 $_ 變數中，並對 $_ 進行替換處理。
while (<FILE>;) { print if (m/error/); } # 這一句稍微複雜一些，他將列印 FILE 檔案中所有包含 error 字串的行。

Perl 的Regex中如果出現 () ，則發生匹配或替換後 () 內的模式被 Perl 解譯器自動依次賦給系統 $1, $2 ...... 請看下面的例子：

$string = "I love perl";
$string =~ s/(love)/<$1>;/; # 此時 $1 = "love"，並且該替換的結果是將 $string 變為 "I <love>; perl"
$string = "i love perl";
$string =~ s/(i)(.*)(perl)/<$3>;$2<$1>;/; # 這裡 $1 = "i"，$2 = " love "，$3 = "perl"，並且替換後 $string 變為 "<perl>; love <i>;"

替換操作 s/<pattern>;/<replacement>;/ 還可以在末尾加上 e 或 g 參數，他們的含義分別為：

s/<pattern>;/<replacement>;/g 表示把待處理字串中所有符合 <pattern>; 的模式全部替換為 <replacement>; 字串，而不是只替換第一個出現的模式。
s/<pattern>;/<replacement>;/e 表示將把 <replacemnet>; 部分當作一個運算子，這個參數用的不多。

比如下面的例子：

$string = "i:love:perl";
$string =~ s/:/*/; #此時 $string="i*love:perl";
$string = "i:love:perl";
$string =~ s/:/*/g; #此時 $string="i*love*perl";
$string =~ tr/*/ /; #此時 $string="i love perl";
$string = "www22cgi44";
$string =~ s/(\d+)/$1*2/e; # (/d+)代表 $string 中的一個或多個數字字元，將這些數字字元執行 *2 的操作，因此最後 $string 變成了 "www44cgi88"。

下面給出一個完整的例子：

#!/usr/bin/perl

print"請輸入一個字串!\n";
$string = <STDIN>;; # <STIDN>;代表標準輸入，會讓使用者輸入一字串
chop($string); # 將$string最後一個換行的字元\n刪除掉
if($string =~ /perl/){
　　print("輸入的字串中有 perl 這個字串!\n";
}

如果輸入的字串含有 perl 這個字串的話，就會顯示後面的提示資訊。

 

9.2 Regex中的常用模式
下面是Regex中的一些常用模式。

/pattern/  結果 
. 匹配除分行符號以外的所有字元
x? 匹配 0 次或一次 x 字串
x* 匹配 0 次或多次 x 字串，但匹配可能的最少次數
x+ 匹配 1 次或多次 x 字串，但匹配可能的最少次數
.* 匹配 0 次或一次的任何字元
.+ 匹配 1 次或多次的任何字元
{m} 匹配剛好是 m 個 的指定字串
{m,n} 匹配在 m個 以上 n個 以下 的指定字串
{m,} 匹配 m個 以上 的指定字串
[] 匹配符合 [] 內的字元
[^] 匹配不符合 [] 內的字元
[0-9] 匹配所有數字字元
[a-z] 匹配所有小寫字母字元
[^0-9] 匹配所有非數字字元
[^a-z] 匹配所有非小寫字母字元
^ 匹配字元開頭的字元
$ 匹配字元結尾的字元
\d 匹配一個數位字元，和 [0-9] 文法一樣
\d+ 匹配多個數字字串，和 [0-9]+ 文法一樣
\D 非數字，其他同 \d
\D+ 非數字，其他同 \d+
\w 英文字母或數位字串，和 [a-zA-Z0-9] 文法一樣
\w+ 和 [a-zA-Z0-9]+ 文法一樣
\W 非英文字母或數位字串，和 [^a-zA-Z0-9] 文法一樣
\W+ 和 [^a-zA-Z0-9]+ 文法一樣
\s 空格，和 [\n\t\r\f] 文法一樣
\s+ 和 [\n\t\r\f]+ 一樣
\S 非空格，和 [^\n\t\r\f] 文法一樣
\S+ 和 [^\n\t\r\f]+ 文法一樣
\b 匹配以英文字母,數字為邊界的字串
\B 匹配不以英文字母,數值為邊界的字串
a|b|c 匹配符合a字元 或是b字元 或是c字元 的字串
abc 匹配含有 abc 的字串
(pattern) () 這個符號會記住所找尋到的字串，是一個很實用的文法。第一個 () 內所找到的字串變成 $1 這個變數或是 \1 變數，第二個 () 內所找到的字串變成 $2 這個變數或是 \2 變數，以此類推下去。 
/pattern/i i 這個參數表示忽略英文大小寫，也就是在匹配字串的時候，不考慮英文的大小寫問題。
\ 如果要在 pattern 模式中找尋一個特殊字元，如 "*"，則要在這個字元前加上 \ 符號，這樣才會讓特殊字元失效
 

下面給出一些例子：   

範例 說明
/perl/ 找到含有 perl 的字串
/^perl/ 找到開頭是 perl 的字串
/perl$/ 找到結尾是 perl 的字串
/c|g|i/ 找到含有 c 或 g 或 i 的字串
/cg{2,4}i/ 找到 c 後面跟著 2個到 4個 g ，再跟著 i 的字串
/cg{2,}i/ 找到 c 後面跟著 2個以上 g ，再跟著 i 的字串
/cg{2}i/ 找到 c 後面跟著 2個 g，再跟著 i 的字串
/cg*i/ 找到 c 後面跟著 0個或多個 g ，再跟著 i 的字串，如同/cg{0,1}i/
/cg+i/ 找到 c 後面跟著一個以上 g，再跟著 i 的字串，如同/cg{1,}i/
/cg?i/ 找到 c 後面跟著 0個或是 1個 g ，再跟著 i 的字串，如同/cg{0,1}i/
/c.i/ 找到 c 後面跟著一個任一字元，再跟著 i 的字串
/c..i/ 找到 c 後面跟著二個任一字元，再跟著 i 的字串
/[cgi]/ 找到符合有這三個字元任意一個的字串
/[^cgi]/ 找到沒有這三個字元中任意一個的字串
/\d/ 找尋符合數位字元，可以使用/\d+/來表示一個或是多個數字組成的字串
/\D/ 找尋符合不是數位字元，可以使用/\D+/來表示一個或是更多個非數字組成的字串
/\*/ 找尋符合 * 這個字元，因為 * 在常規運算式中有它的特殊意思，所以要在這個特殊符號前加上 \ 符號，這樣才會讓這個特殊字元失效
/abc/i 找尋符合 abc 的字串而且不考慮這些字串的大小寫

 

9.3 Regex的八大原則
　　如果在 Unix 中曾經使用過 sed、awk、grep 這些命令的話，相信對於 Perl 語言中的Regex(Regular Expression)不會感到陌生。Perl 語言由於有這個功能，所以對字串的處理能力非常強。在Perl語言的程式中，經常可以看到Regex的運用，在 CGI 程式設計中也不例外。

　　Regex是初學 Perl 的痛點所在，不過只要一旦掌握其文法，你就可以擁有幾乎無限的模式比對能力，而且 Perl 編程的大部分工作都是掌握常規運算式。下面給大家介紹幾條Regex使用過程中的 8 大原則。

　　Regex在對付資料的戰鬥中可形成龐大的聯盟——這常常是一場戰爭。我們要記住下面八條原則：

· 原則1：Regex有三種不同形式(匹配(m/ /)，替換(s/ / /eg)和轉換(tr/ / /))。

· 原則2：Regex僅對標量進行匹配( $scalar =~ m/a/; 可以工作; @array =~ m/a/ 將把@array作為標量對待，因此可能不會成功)。

· 原則3：Regex匹配一個給定模式的最早的可能匹配。預設時，僅匹配或替換Regex一次( $a = 'string string2'; $a =~ s/string/ /; 導致 $a = 'string 2')。

· 原則4：Regex能夠處理雙引號所能處理的任意和全部字元( $a =~ m/$varb/ 在匹配前把varb擴充為變數；如果 $varb = 'a' $a = 'as'，$a =~ s/$varb/ /; 等價於 $a =~ s/a/ /; ，執行結果使 $a = " s" )。

· 原則5：Regex在求值過程中產生兩種情況：結果狀態和反向引用： $a=~ m/pattern/ 表示 $a 中是否有子串 pattern 出現，$a =~ s/(word1)(word2)/$2$1/ 則“調換”這兩個單詞。

· 原則6：Regex的核心能力在於萬用字元和多重匹配運算子以及它們如何操作。$a =~ m/\w+/ 匹配一個或多個單詞字元；$a =~ m/\d/" 匹配零個或多個數字。

· 原則7：如果欲匹配不止一個字元集合，Perl使用 "|" 來增加靈活性。如果輸入 m/(cat|dog)/ 則相當於“匹配字串 cat 或者 dog。

· 原則8：Perl用 (?..) 文法給Regex提供擴充功能。（這一點請同學們課後看相關資料）

想要學習所有這些原則？我建議大家先從簡單的開始，並且不斷的嘗試和實驗。實際上如果學會了 $a =~ m/ERROR/ 是在 $a 中尋找子串ERROR，那麼你就已經比在 C 這樣的低層語言中得到了更大的處理能力。

補充：

good
簡潔明了
但是原文中
\w 英文字母或數位字串，和 [a-zA-Z0-9] 文法一樣 
這好象錯了吧
我記得應該還包括底線,也就是[a-zA-Z_0-9]

/cg*i/ 找到 c 後面跟著 0個或多個 g ，再跟著 i 的字串，如同/cg{0,1}i/ 
這句也筆誤了
應該是
/cg*i/ 找到 c 後面跟著 0個或多個 g ，再跟著 i 的字串，如同/cg{0,}i/