Regex。所謂Regex,是由斜杠圈起的一組字元集合。它們可用於在文本中匹配指定模
式,並進行相應替換操作。一直以來,Perl 都因為其優秀的模式比對機制而聞名於世。
表2-2 一些Regex元字元
元字元 |
表達含義 |
^ |
匹配行首 |
$ |
匹配行尾 |
a.c |
匹配一個a,後面任意單個字元,再後面是一個c 的情況 |
[abc] |
匹配a 或者b 或者c 的情況 |
[^abc] |
匹配字元既不是a 又不是b 也不是c 的情況 |
[0-9] |
匹配位於0 到9 之間的單個數字 |
ab*c |
匹配一個a 後面跟0 到多個b,最後是一個c 的情況 |
ab+c |
匹配一個a 後面跟1 到多個b,最後是一個c 的情況 |
ab?c |
匹配一個a 後面跟0 到1 個b,最後是一個c 的情況 |
(ab)+c |
匹配1 到多個ab 後面跟著1 個c 的情況 |
(ab)(c) |
捕獲ab 並將其值賦予變數$1,同時捕獲c 值並賦予$2 |
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:
1、匹配:m/<regexp>;/ (還可以簡寫為 /<regexp>;/ ,略去 m)
2、替換:s/<pattern>;/<replacement>;/
3、轉化:tr/<pattern>;/<replacemnt>;/
三種形式對應的範例:
#!/usr/bin/perl
$mystring = "I am love perl!";
print("給定的字串為:$mystring\n");
if($mystring =~ m/perl/){
print("給定的字串中有 perl 這個字串!\n");
}
$mystring =~ s/perl/best/;
print("替換過後的字串為:$mystring\n");
$mystring =~ tr/a-z/A-Z/;
print("轉換過後的字串為:$mystring\n");
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
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