perlRegex第二周筆記

標籤：

1.使用Regex修改文本 1.使用Regex修改文本

Regex的功能不只有查詢，還可以對文本進行修改，例如替換

$var=~m/regex/i                             
$var=~s/regex/replacement/i

Replacement兩側的斜杠相當於雙引號，也就是說replacement中可以有$1，$2這樣的變數來代表前面匹配到的內容
用$var=~s/regex/replacement/可以改變$var中的文本，如果沒有匹配成功，就不會有文本的替換

$var=Jeff frield;
$var=~s/Jeff/Jeffery/;
$var=Jeffery frield

可是如果在運行$var=~s/Jeff/Jeffery/一次，就會得到：

$var=Jefferyery fried;

因為Jeff始終被匹配，所以替換始終會發生。
要避免這樣的情況，我們必須要把匹配條件說的再具體一些。
匹配的是Jeff這個單詞，而不是這四個字母，所以我們用：

$var=~s/\bJeff\b/Jeffery/

這樣子第二次運行$var=~s/\bJeff\b/Jeffery/就不會再改變文本了

1.1例子一公函產生器

設想有一個公函系統，它包含很多公函魔板，其中一些標記，對每一封具體的公函來說，標記部分的值都有所不同
例如：
尊敬的=FIRST=,
恭喜您！獲得了=TRINKET=！完全免費！您還想為=FAMILY=家獲得更多的=TRINKEY=嗎？告訴你=FULL=，你可以的！

然後設定三個變數：

$given="王";
$family="小明";
$prize="10000克拉的鑽石";

然後我們就可以為語句的模板填寫內容：

$letter=~s/=FIRST=/$family/g;
$letter=~s/=FAMILY=/$given/g;
$letter=~s/=FULL=/$given $family/g;
$letter=~s/=TRINKET=/價值連城$prize/g;

g是全域替換的修飾符，他告訴s///在一次匹配替換成功以後繼續下一次，直到匹配不成功為止，從而達到全部相關文本都被替換的效果
結果：
尊敬的 小明，
恭喜您！獲得了 價值連城10000克拉的鑽石！完全免費！您還想為王家獲得更多的價值連城10000克拉的鑽石嗎？告訴你王小明，你可以的！

1.2 例子二修整數字格式

有時候因為電腦內部表示浮點的原理，輸出來的數字是9.05000000372272，可是我們其實只需要保留小數點後三位就可以了
要求就是：保留小數點後兩位，如果第三位不為0，也要保留，例如12.3750000000392會變成12.375,37.500會變成37.50.

$num=~s/(\.\d\d[1-9]?)\d*/$1/;

用環視功能為數值添加逗號
大的數值，為了方便讀懂，通常在其間加入逗號。

Print "the US population is $pop\n"；

會輸出the US population is 298444215,但298,444,215會更加順眼。

我們應該從數位右邊開始，每次數三個數字如果左邊還有數字，就加入一個逗號。
這是直觀的想法，但是Regex是從左至右去處理文本的。
逗號應該加在”左邊有數字，右邊數位個數正好是3的倍數的位置“。
對於這樣的任務，我們用環視功能來實現。
環視結構不匹配任何字元，只匹配文本中特定的位置。這個特性其實我們前面已經見過很多次，例如\b、^、$等，都是匹配一個位置，但環視比它們更加通用，因為它匹配的位置是你自己定義的。

順序環視：從左至右查看文本，嘗試匹配Regex。肯定型順序環視用(?=……)來表示，例如(?=\d)，表示如果當前位置右邊的字元是數字則匹配成功
逆序環視：從右至左查看文本，嘗試匹配Regex。肯定型逆序環視用(?<=……)來表示，例如(?<=\d)，表示如果當前位置左邊字元是數字則匹配成功（也就是緊跟在數字後面的位置）。

環視Regex在匹配的時候不會“佔用”字元，只是匹配位置。
用Jeffery匹配by Jeffery friedl，匹配到是Jeffery這幾個字元之前的位置

把環視結構和真正匹配的字元結合起來使用，我們能匹配到更加精準的內容，例如：
(?=Jeffery)Jeff
能匹配到by Jeffery friedl
不能匹配by Jefferson

(?=Jeffery)Jeff ;Jeff(?=ery)
Jeff(?=Jeffery)不能夠匹配以上例子，而是匹配後面緊跟Jeffery的Jeff，例如JeffJeffery

1.3例子三effs=》Jeff’s

把Jeffs換成Jeff’s

s/Jeffs/Jeff’s/
s/\bJeffs\b/Jeff’ s/
s/\b(Jeff)(s)\b/$1’$2/

s/\bJeff(?=s\b)/Jeff’/

環視只是匹配一個位置，它的好處是容許我們在匹配Jeff前先檢查整個Jeffs

s/(?<=\bJeff)(?=s\b)/’/
s/(?=s\b)(?<=\bJeff)/’/

用順序環視和逆序環視找到了一個精確的位置，因為找的只是位置，所以條件循序調換了也沒有影響。

1.4例子四回到逗號

“左邊有數字，右邊數位個數正好是3的倍數”。
第一個要求用逆序環視就能夠滿足，左邊有數字，(?<=\d)
第二個要求：3位元字可以表示成\d\d\d，然後可以用(\d\d\d)+表示3的若干倍
最後再加上$來確保這些數字後面不存在其他字元，以保證這樣的結果“正好”在最後3位元字之後結束

$pop=~s/(?<=\d)(?=(\d\d\d)+$)/,/g;
Print"The US population is $pop\n";

298,444,215

試想，如果不加$，會有什麼後果？

$pop=~s/(?<=\d)(?=(\d\d\d)+)/,/g;

2,9,8,4,4,4,215
而且這裡括住\d\d\d的括弧，其實我們只是用來使得+可以作用於這個括弧，並沒有使用它的捕獲功能，所以可以寫成非捕獲型括弧:(?:......)

$pop=~s/(?<=\d)(?=(?:\d\d\d)+$)/,/g;

否定環視
現在，我們又希望把這個插入逗號的Regex應用到很長的字串匯中，例如

$text="The population of 299444215 is growing"

這樣子s/(?<=\d)(?=(\d\d\d)+$)/,/g;就不管用了，因為數字之後不是結尾，所以匹配不成功
解決方案：可以把$換成\b，儘管\b被稱為單詞分隔字元，但是對於perl來說，匹配單詞的\w是[a-zA-Z0-9]，把數字也包括進去了，所以這是廣義的單詞
注意到這裡，\b的意思就是，在此位置的一側是單詞，另外一側不是

環視也有相關的概念，前面我們說的(?=)、(?<=)都叫做肯定順序環視和肯定逆序環視。因為他們成功的條件是子運算式在這些位置能夠匹配
另外還有否定順序環視(?!)和否定逆序環視(?<!)，他們成功條件是子運算式無法匹配

類型	Regex	匹配成功的條件
肯定順序環視	(?=)	子運算式能夠匹配右側文本
肯定逆序環視	(?<=)	子運算式能夠匹配左側文本
否定順序環視	(?!)	子運算式不能夠匹配右側文本
否定逆序環視	(?	子運算式不能夠匹配左側文本

這樣，其實\b就是(?<!\w)(?=\w)|(?<=\w)(?!\w)

s/(?<=\d)(?=(\d\d\d)+(?!\d)/,/g;

不是所有的宿主語言都支援逆序環視
那麼我們可以這樣子寫，這樣就沒有用到逆序環視

s/(\d)(?=(\d\d\d)+$)/$1,/g;

如果連順序環視都不用呢？

s/(\d)((\d\d\d)+\b)/$1,$2/g;

可以嗎？

答案是不可以，結果是298,444215
因為g這個修飾符規定，下一次匹配是在這一次匹配的終點開始的。但是在第一次匹配時，(\d\d\d)+\b已經匹配了444215，所以g的下一次匹配開始是在5的後面
解決方案是在perl中加個while迴圈，重複匹配，而不是迭代匹配

2.Regex使用注意事項

在某種特定的宿主語言或工具軟體中使用Regex時，主要有3個問題需要注意
1.支援的元字元，以及這些元字元的意義，這通常稱為Regex的“流派”
2.Regex與語言工具的“互動方式”。譬如如何進行Regex的操作，容許進行哪些操作，以及這些操作的目標文本類型
3.Regex引擎如何將運算式應用到文本

由於Regex的漫長的發展史，眾多程式員，新的程式又形成自己的流派，所以就成了巨大的迷局。
直到1986年，POSIX（一系列標準）誕生，它是標準化的嘗試，試圖把纏繞不清的Regex各個流派標準化，用同一套規則來實現Regex。它把各種常見的流派分為兩大類：
Basic Regular Expressions(BREs)和Extended Regular Expressions(EREs)
POSIX程式必須支援其中任意一種

perlRegex第二周筆記