Perl中的模式比對學習筆記_perl

一、簡介
模式指在字串中尋找的特定序列的字元，由反斜線包含：/def/即模式def。其用法如結合函數split將字串用某模式分成多個單詞：@array = split(/ /, $line);

二、匹配操作符 =~、!~
=~檢驗匹配是否成功：$result = $var =~ /abc/;若在該字串中找到了該模式，則返回非零值，即true，不匹配則返回0，即false。!~則相反。這兩個操作符適於條件控制中，如：

複製代碼 代碼如下:

   if ($question =~ /please/) {
     print ("Thank you for being polite!\n");
   }
   else {
     print ("That was not very polite!\n");
   }

三、模式中的特殊字元
PERL在模式中支援一些特殊字元，可以起到一些特殊的作用。
1、字元 +
+意味著一個或多個相同的字元，如：/de+f/指def、deef、deeeeef等。它盡量匹配儘可能多的相同字元，如/ab+/在字串abbc中匹配的將是abb，而不是ab。當一行中各單詞間的空格多於一個時，可以如下分割：@array = split (/ +/, $line);
註：split函數每次遇到分割模式，總是開始一個新單詞，因此若$line以空格打頭，則@array的第一個元素即為空白元素。但其可以區分是否真有單詞，如若$line中只有空格，則@array則為空白數組。且上例中TAB字元被當作一個單詞。注意修正。
2、字元 []和[^]
   []意味著匹配一組字元中的一個，如/a[0123456789]c/將匹配a加數字加c的字串。與+聯合使用例：/d[eE]+f/匹配def、 dEf、deef、dEef、dEEEeeeEef等。^表示除其之外的所有字元，如：/d[^deE]f/匹配d加非e字元加f的字串。
3、字元 *和?
它們與+類似，區別在於*匹配0個、1個或多個相同字元，?匹配0個或1個該字元。如/de*f/匹配df、def、deeeef等；/de?f/匹配df或def。
4、逸出字元
如果你想在模式中包含通常被看作特殊意義的字元，須在其前加斜線"\"。如：/\*+/中\*即表示字元*，而不是上面提到的一個或多個字元的含義。斜線的表示為/\\/。在PERL5中可用字元對\Q和\E來轉義。
5、匹配任意字母或數字
上面提到模式/a[0123456789]c/匹配字母a加任一數字加c的字串，另一種表示方法為：/a[0-9]c/，類似的，[a-z]表示任意小寫字母，[A-Z]表示任意大寫字母。任意大小寫字母、數位表示方法為：/[0-9a-zA-Z]/。
6、錨模式
錨 描述
^ 或 \A 僅匹配串首
$ 或 \Z 僅匹配串尾
\b 匹配單詞邊界
\B 單詞內部匹配
例1：/^def/只匹配以def打頭的字串，/$def/只匹配以def結尾的字串，結合起來的/^def$/只匹配字串def(?)。\A和\Z在多行匹配時與^和$不同。
   例2：檢驗變數名的類型：

複製代碼 代碼如下:

     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在單詞邊界匹配：/\bdef/匹配def和defghi等以def打頭的單詞，但不匹配abcdef。/def\b/匹配def和 abcdef等以def結尾的單詞，但不匹配defghi，/\bdef\b/只匹配字串def。注意：/\bdef/可匹配$defghi，因為$並不被看作是單詞的部分。
例4：\B在單詞內部匹配：/\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、模式中的變數替換 
   將句子分成單詞：
     $pattern = "[\\t ]+";
     @words = split(/$pattern/, $line);
8、字元範圍轉義
逸出字元 描述 範圍
\d 任一數字 [0-9]
\D 除數字外的任一字元  [^0-9]
\w 任意單詞字元 [_0-9a-zA-Z]
\W 任意非單詞字元 [^_0-9a-zA-Z]
\s 空白 [ \r\t\n\f]
\S 非空白 [^ \r\t\n\f]
   例：/[\da-z]/匹配任一數字或小寫字母。
9、匹配任一字元 
   字元"."匹配除換行外的所有字元，通常與*合用。
10、匹配指定數目的字元 
   字元對{}指定所匹配字元的出現次數。如：/de{1,3}f/匹配def,deef和deeef；/de{3}f/匹配deeef；/de{3,}f/匹配不少於3個e在d和f之間；/de{0,3}f/匹配不多於3個e在d和f之間。
11、指定選項 
   字元"|"指定兩個或多個選擇來匹配模式。如：/def|ghi/匹配def或ghi。
   例：檢驗數字表示合法性
   if ($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+$ 匹配十進位數字，^-?0[xX][\da-fa-F]+$ 匹配十六進位數字。
12、模式的部分重用
當模式中匹配相同的部分出現多次時，可用括弧括起來，用\n來多次引用，以簡化運算式：/\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}/ 不同於/(\d{2})([\W])\1\2\1/ ，後者只匹配形如17-17-17的字串，而不匹配17-05-91等。
13、轉義和特定字元的執行次序 
   象操作符一樣，轉義和特定字元也有執行次序：
特殊字元 描述
() 模式記憶體
+ * ? {} 出現次數
^ $ \b \B 錨
| 選項
14、指定模式定界符
預設的，模式定界符為反斜線/，但其可用字母m自行指定，如：
     m!/u/jqpublic/perl/prog1! 等價於/\/u\/jqpublic\/perl\/prog1/
註：當用字母'作為定界符時，不做變數替換；當用特殊字元作為定界符時，其轉義功能或特殊功能即不能使用。
15、模式次序變數
在模式比對後調用重用部分的結果可用變數$n，全部的結果用變數$&。

複製代碼 代碼如下:

     $string = "This string contains the number 25.11.";
     $string =~ /-?(\d+)\.?(\d+)/; # 匹配結果為25.11
     $integerpart = $1; # now $integerpart = 25
     $decimalpart = $2; # now $decimalpart = 11
     $totalpart = $&; # now totalpart = 25.11

四、模式比對選項
選項 描述
g 匹配所有可能的模式
i 忽略大小寫
m 將串視為多行
o 只賦值一次
s 將串視為單行
x 忽略模式中的空白

1、匹配所有可能的模式(g選項) 

複製代碼 代碼如下:

   @matches = "balata" =~ /.a/g; # now @matches = ("ba", "la", "ta")
   匹配的迴圈：
   while ("balata" =~ /.a/g) {
     $match = $&;
     print ("$match\n");
   }

   結果為：

複製代碼 代碼如下:

     ba
     la
     ta

   當使用了選項g時，可用函數pos來控制下次匹配的位移：

複製代碼 代碼如下:

     $offset = pos($string);
     pos($string) = $newoffset;

2、忽略大小寫(i選項)例 
   /de/i 匹配de,dE,De和DE。
3、將字串看作多行(m選項) 
   在此情況下，^符號匹配字串的起始或新的一行的起始；$符號匹配任意行的末尾。
4、只執行一次變數替換例 

複製代碼 代碼如下:

   $var = 1;
   $line = ;
   while ($var < 10) {
     $result = $line =~ /$var/o;
     $line = ;
     $var++;
   }

   每次均匹配/1/。
5、將字串看作單行例 
   /a.*bc/s匹配字串axxxxx \nxxxxbc，但/a.*bc/則不匹配該字串。
6、在模式中忽略空格 
   /\d{2} ([\W]) \d{2} \1 \d{2}/x等價於/\d{2}([\W])\d{2}\1\d{2}/。

五、替換操作符 
   文法為s/pattern/replacement/，其效果為將字串中與pattern匹配的部分換成replacement。如：
  

複製代碼 代碼如下:

   $string = "abc123def";
   $string =~ s/123/456/; # now $string = "abc456def";

   在替換部分可使用模式次序變數$n，如s/(\d+)/[$1]/，但在替換部分不支援模式的特殊字元，如{},*,+等，如s/abc/[def]/將把abc替換為[def]。
替換操作符的選項如下表：
選項 描述
g 改變模式中的所有匹配
i 忽略模式中的大小寫
e 替換字串作為運算式
m 將待匹配串視為多行
o 僅賦值一次
s 將待匹配串視為單行
x 忽略模式中的空白
   註：e選項把替換部分的字串看作運算式，在替換之前先計算其值，如：

複製代碼 代碼如下:

     $string = "0abc1";
     $string =~ s/[a-zA-Z]+/$& x 2/e; # now $string = "0abcabc1"

六、翻譯操作符 
   這是另一種替換方式，文法如：tr/string1/string2/。同樣，string2為替換部分，但其效果是把string1中的第一個字元替換為string2中的第一個字元，把string1中的第二個字元替換為string2中的第二個字元，依此類推。如：
     $string = "abcdefghicba";
     $string =~ tr/abc/def/; # now string = "defdefghifed"
   當string1比string2長時，其多餘字元替換為string2的最後一個字元；當string1中同一個字元出現多次時，將使用第一個替換字元。
   翻譯操作符的選項如下：
選項 描述
c 翻譯所有未指定字元
d 刪除所有指定字元
s 把多個相同的輸出字元縮成一個
   如$string =~ tr/\d/ /c;把所有非數字字元替換為空白格。$string =~ tr/\t //d；刪除tab和空格；  $string =~ tr/0-9/ /cs；把數字間的其它字元替換為一個空格。

七、擴充模式比對 
   PERL支援PERL4和標準UNIX模式比對操作所沒有的一些模式比對能力。其文法為：(?pattern)，其中c是一個字元，pattern是起作用的模式或子模式。
1、不存貯括弧內的匹配內容
   在PERL的模式中，括弧內的子模式將存貯在記憶體中，此功能即取消存貯該括弧內的匹配內容，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、內嵌模式選項
   通常模式選項置於其後，有四個選項：i、m、s、x可以內嵌使用，文法為：/(?option)pattern/，等價於/pattern/option。
3、肯定的和否定的預見匹配
   肯定的預見匹配文法為/pattern(?=string)/，其意義為匹配後面為string的模式，相反的，(?!string)意義為匹配後面非string的模式，如：
  

複製代碼 代碼如下:

  $string = "25abc8";
     $string =~ /abc(?=[0-9])/;
     $matched = $&; # $&為已匹配的模式，此處為abc，而不是abc8

4、模式注釋
   PERL5中可以在模式中用?#來加註釋，如：

複製代碼 代碼如下:

     if ($string =~ /(?i)[a-z]{2,3}(?# match two or three alphabetic characters)/ {
       ...
     }

現以簡表總結如下：
一 文文書處理模式中,/pattern/常用到的文法
/pattern/
結果
.
除了換行字元\n外,找尋只有一個字元的字串
x?
找尋0個或是1個x字元
x*
找尋0個或是0個以上的x字元
.*
找尋0個或是0個以上的任何字元
x+
找尋0個或是1個以上的x字元
.+
找尋1個或是1個以上的任何字元
{m}
找尋剛好是m個個數指定的字元
{m,n}
找尋在m個數個數以上,n個個數以下指定的字元
{m,}
找尋m個個數以上指定的字元
[]
找尋符合[]內的字元
[^]
找尋不符合[]內的字元
[0-9]
找尋符合0到9的任何一個字元
[a-z]
找尋符合a到z的任何一個字元
[^0-9]
找尋不符合0到9的任何一個字元
[^a-z]
找尋不符合a到z的任何一個字元
^
找尋字元開頭的字元
$
找尋字元結尾的字元
\d
找尋一個digit(數字)的字元,和[0-9]文法一樣
\d+
找尋一個digit(數字)以上的字串,和[0-9]+文法一樣
\D
找尋一個non-digit(非數字)的字元,和[^0-9]文法一樣
\D+
找尋一個non-digit(非數字)以上的字元,和[^0-9]+文法一樣
\w
找尋一個英文字母或是數值的字元,和[a-zA-Z0-9]文法一樣
\w+
找尋一個以上英文字母或是數值的字元,和[a-zA-Z0-9]+文法一樣
\W
找尋一個非英文字母,數值的字元,和[^a-zA-Z0-9]文法一樣
\W+
找尋一個以上非英文字母,數值的字元,和[^a-zA-Z0-9]+文法一樣
\s
找尋一個空白的字元,和[\n\t\r\f]一樣
\s+
找尋一個以上空白的字元,和[\n\t\r\f]+一樣
\S
找尋一個非空白的字元,和[^\n\t\r\f]一樣
\S+
找尋一個以上非空白的字元,和[^\n\t\r\f]+一樣
\b
找尋一個不以英文字母,數值為邊界的字串
\B
找尋一個以英文字母,數值為邊界的字串
a|b|c
找到符合a字元或是b字元或是c字元的字串
abc
找到一個含有abc的字串
(pattern)
()這個符號是會記憶所找尋到的字元,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,筆者會在下一小節中詳細介紹它的用法
/pattern/i
i這個參數是代表忽略英文大小寫意思,也就是在找尋字元 串的時候,不會去考慮英文的大小寫
\
如果要在pattern模式中找尋一個有特殊的意義的字元,要在 這個字元前加上\這個符號,這樣才會讓這個特殊字元失效

二 文文書處理模式(Regular Expression)的簡單範例
    看了上一小節文文書處理模(Regular Expression)之的,初學者對於這個文法的應用可能還不是很清楚,所以筆者會在這一小節中,舉出一些在文文書處理模式中常用的範例給大家看看:
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c的字串,如同/cg{1,}i/
/cg?i/
找到c後面跟著0個或是一個g,再跟著c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/
找尋符合數值的字串
可以使用/\d+/來表示一個或是多個數值的字串
/\D/
找尋符合不是數值的字串
可以使用/\D+/來表示一個或是更多個非數值的字串
/\w/
找尋符合英文字母,數值的字串
可以使用/\w+/來表示一個或是更多個英文字母,數值的字串
/\W/
找尋符合非英文字母,數值字元的字串
可以使用/\W+/來表示一個或是更多個非英文字母,數值的字串
/\s/
找尋符合空白的字串
可以使用/\s+/來表示一個或是更多個空白字元的字串
/\S/
找尋符合不是空白的字串
可以使用/\S+/來表示一個或是更多不是空白的字元的字串
/\*/
找尋符合*這個符號的字串,因為*在文文書處理模式中有它的特殊意思,所以要在這個特殊符號前加上\這個符號,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符合字串的大小寫
三 文文書處理模式(Regular Expresion)相關的運算子及函數
    在perl程式寫作中常會用到=~和!~這兩個運算子及s和t這二個函數來和文文書處理模式/pattern/搭配而成一個運算式,如果能夠活用這些指令的 話,就可以很。輕易地來處理一些字串,當然在CGI程式設計中了就更能得心應手了。現在就讓作者來介紹這些運算子及函數的用法: