perl學習（3）Regex

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