Perl - 正则表达式

---

正则表达式是定义您正在查看的一个或多个模式的字符串。Perl 中正则表达式的语法与其他正则表达式支持程序（例如sed、grep和awk ）中的语法非常相似。

应用正则表达式的基本方法是使用模式绑定运算符 =~ 和! ～。第一个运算符是测试和赋值运算符。

Perl 中有三个正则表达式运算符。

• 匹配正则表达式 - m//
• 替换正则表达式 - s///
• 音译正则表达式 - tr///

每种情况下的正斜杠都充当您指定的正则表达式 (regex) 的分隔符。如果您对任何其他分隔符感到满意，那么您可以使用它来代替正斜杠。

匹配运算符

匹配运算符 m// 用于将字符串或语句与正则表达式匹配。例如，要将字符序列“foo”与标量 $bar 进行匹配，您可以使用如下语句 -

#!/usr/bin/perl

$bar = "This is foo and again foo";
if ($bar =~ /foo/) {
   print "First time is matching\n";
} else {
   print "First time is not matching\n";
}

$bar = "foo";
if ($bar =~ /foo/) {
   print "Second time is matching\n";
} else {
   print "Second time is not matching\n";
}

当执行上面的程序时，它会产生以下结果 -

First time is matching
Second time is matching

m// 实际上与 q// 运算符系列的工作方式相同。您可以使用自然匹配字符的任意组合来充当表达式的分隔符。例如，m{}、m() 和 m>< 都是有效的。所以上面的例子可以重写如下 -

#!/usr/bin/perl

$bar = "This is foo and again foo";
if ($bar =~ m[foo]) {
   print "First time is matching\n";
} else {
   print "First time is not matching\n";
}

$bar = "foo";
if ($bar =~ m{foo}) {
   print "Second time is matching\n";
} else {
   print "Second time is not matching\n";
}

如果分隔符是正斜杠，则可以从 m// 中省略 m，但对于所有其他分隔符，必须使用 m 前缀。

请注意，如果表达式匹配，则整个匹配表达式（即 =~ 或 !~ 左侧的表达式以及匹配运算符）将返回 true（在标量上下文中）。因此声明 -

$true = ($foo =~ m/foo/);

如果 $foo 与正则表达式匹配，则将 $true 设置为 1；如果匹配失败，则将 $true 设置为 0。在列表上下文中，匹配返回任何分组表达式的内容。例如，当从时间字符串中提取小时、分钟和秒时，我们可以使用 -

my ($hours, $minutes, $seconds) = ($time =~ m/(\d+):(\d+):(\d+)/);

匹配运算符修饰符

匹配运算符支持其自己的一组修饰符。/g 修饰符允许全局匹配。/i 修饰符将使匹配不区分大小写。这是修饰符的完整列表

仅匹配一次

还有一个更简单版本的匹配运算符 - ?PATTERN? 操作员。这基本上与 m// 运算符相同，只是它在每次调用重置之间搜索的字符串中仅匹配一次。

例如，您可以使用它来获取列表中的第一个和最后一个元素 -

#!/usr/bin/perl

@list = qw/food foosball subeo footnote terfoot canic footbrdige/;

foreach (@list) {
   $first = $1 if /(foo.*?)/;
   $last = $1 if /(foo.*)/;
}
print "First: $first, Last: $last\n";

当执行上面的程序时，它会产生以下结果 -

First: foo, Last: footbrdige

正则表达式变量

正则表达式变量包括$，它包含最后一个分组匹配匹配的内容；$&，包含整个匹配的字符串；$`，包含匹配字符串之前的所有内容；和$'，其中包含匹配字符串之后的所有内容。以下代码演示了结果 -

#!/usr/bin/perl

$string = "The food is in the salad bar";
$string =~ m/foo/;
print "Before: $`\n";
print "Matched: $&\n";
print "After: $'\n";

当执行上面的程序时，它会产生以下结果 -

Before: The
Matched: foo
After: d is in the salad bar

替换运算符

替换运算符 s/// 实际上只是匹配运算符的扩展，它允许您用一些新文本替换匹配的文本。运算符的基本形式是 -

s/PATTERN/REPLACEMENT/;

PATTERN 是我们正在查找的文本的正则表达式。REPLACMENT 是我们想要用来替换找到的文本的文本或正则表达式的规范。例如，我们可以使用以下正则表达式将所有出现的狗替换为猫-

#/user/bin/perl

$string = "The cat sat on the mat";
$string =~ s/cat/dog/;

print "$string\n";

当执行上面的程序时，它会产生以下结果 -

The dog sat on the mat

替换运算符修饰符

以下是与替换运算符一起使用的所有修饰符的列表。

翻译操作员

翻译与替换原则类似但不相同，但与替换不同的是，翻译（或音译）不使用正则表达式来搜索替换值。翻译运算符是 -

tr/SEARCHLIST/REPLACEMENTLIST/cds
y/SEARCHLIST/REPLACEMENTLIST/cds

翻译会将 SEARCHLIST 中出现的所有字符替换为 REPLACMENTLIST 中相应的字符。例如，使用“猫坐在垫子上”。我们在本章中使用的字符串 -

#/user/bin/perl

$string = 'The cat sat on the mat';
$string =~ tr/a/o/;

print "$string\n";

当执行上面的程序时，它会产生以下结果 -

The cot sot on the mot.

还可以使用标准 Perl 范围，允许您通过字母或数值指定字符范围。要更改字符串的大小写，您可以使用以下语法代替uc函数。

$string =~ tr/a-z/A-Z/;

翻译运算符修饰符

以下是与翻译相关的运算符列表。

/d 修饰符删除与 SEARCHLIST 匹配但在 REPLACMENTLIST 中没有相应条目的字符。例如 -

#!/usr/bin/perl 

$string = 'the cat sat on the mat.';
$string =~ tr/a-z/b/d;

print "$string\n";

当执行上面的程序时，它会产生以下结果 -

b b   b.

最后一个修饰符 /s 删除了被替换的重复字符序列，因此 -

#!/usr/bin/perl

$string = 'food';
$string = 'food';
$string =~ tr/a-z/a-z/s;

print "$string\n";

当执行上面的程序时，它会产生以下结果 -

fod

更复杂的正则表达式

您不仅需要匹配固定字符串。事实上，您可以通过使用更复杂的正则表达式来匹配您想要的任何内容。这是一个快速备忘单 -

下表列出了 Python 中可用的正则表达式语法。

^ 元字符匹配字符串的开头，$ 元符号匹配字符串的结尾。以下是一些简短的示例。

# nothing in the string (start and end are adjacent)
/^$/   

# a three digits, each followed by a whitespace
# character (eg "3 4 5 ")
/(\d\s) {3}/  

# matches a string in which every
# odd-numbered letter is a (eg "abacadaf")
/(a.)+/  

# string starts with one or more digits
/^\d+/

# string that ends with one or more digits
/\d+$/

让我们看另一个例子。

#!/usr/bin/perl

$string = "Cats go Catatonic\nWhen given Catnip";
($start) = ($string =~ /\A(.*?) /);
@lines = $string =~ /^(.*?) /gm;
print "First word: $start\n","Line starts: @lines\n";

当执行上面的程序时，它会产生以下结果 -

First word: Cats
Line starts: Cats When

匹配边界

\ b匹配任何单词边界，由 \w 类和 \W 类之间的差异定义。因为 \w 包含单词的字符，而 \W 则相反，因此这通常意味着单词的终止。\B断言匹配任何不是字边界的位置。例如 -

/\bcat\b/ # Matches 'the cat sat' but not 'cat on the mat'
/\Bcat\B/ # Matches 'verification' but not 'the cat on the mat'
/\bcat\B/ # Matches 'catatonic' but not 'polecat'
/\Bcat\b/ # Matches 'polecat' but not 'catatonic'

选择替代方案

| 的 | 字符就像 Perl 中的标准或按位 OR。它指定正则表达式或组中的备用匹配项。例如，要匹配表达式中的“cat”或“dog”，您可以使用以下命令 -

if ($string =~ /cat|dog/)

您可以将表达式的各个元素组合在一起以支持复杂的匹配。搜索两个人的名字可以通过两个单独的测试来实现，如下所示 -

if (($string =~ /Martin Brown/) ||  ($string =~ /Sharon Brown/))

This could be written as follows

if ($string =~ /(Martin|Sharon) Brown/)

分组匹配

从正则表达式的角度来看，两者没有区别，只是前者可能稍微清晰一些。

$string =~ /(\S+)\s+(\S+)/;

and 

$string =~ /\S+\s+\S+/;

然而，分组的好处是它允许我们从正则表达式中提取序列。分组按照它们在原始中出现的顺序作为列表返回。例如，在下面的片段中，我们从字符串中取出了小时、分钟和秒。

my ($hours, $minutes, $seconds) = ($time =~ m/(\d+):(\d+):(\d+)/);

除了这种直接方法之外，匹配组也可以在特殊的 $x 变量中使用，其中 x 是正则表达式中组的编号。因此，我们可以将前面的示例重写如下 -

#!/usr/bin/perl

$time = "12:05:30";

$time =~ m/(\d+):(\d+):(\d+)/;
my ($hours, $minutes, $seconds) = ($1, $2, $3);

print "Hours : $hours, Minutes: $minutes, Second: $seconds\n";

当执行上面的程序时，它会产生以下结果 -

Hours : 12, Minutes: 05, Second: 30

当在替换表达式中使用组时，可以在替换文本中使用 $x 语法。因此，我们可以使用这个重新格式化日期字符串 -

#!/usr/bin/perl

$date = '03/26/1999';
$date =~ s#(\d+)/(\d+)/(\d+)#$3/$1/$2#;

print "$date\n";

当执行上面的程序时，它会产生以下结果 -

1999/03/26

\G 断言

\G 断言允许您从上次匹配发生的位置继续搜索。例如，在下面的代码中，我们使用 \G 以便我们可以搜索到正确的位置，然后提取一些信息，而无需创建更复杂的单个正则表达式 -

#!/usr/bin/perl

$string = "The time is: 12:31:02 on 4/12/00";

$string =~ /:\s+/g;
($time) = ($string =~ /\G(\d+:\d+:\d+)/);
$string =~ /.+\s+/g;
($date) = ($string =~ m{\G(\d+/\d+/\d+)});

print "Time: $time, Date: $date\n";

当执行上面的程序时，它会产生以下结果 -

Time: 12:31:02, Date: 4/12/00

\G 断言实际上只是 pos 函数的元符号等价物，因此在正则表达式调用之间您可以继续使用 pos，甚至通过使用 pos 作为左值子例程来修改 pos 的值（因此 \G）。

正则表达式示例

文字字符

字符类

特殊字符类

重复案例

非贪婪重复

这匹配最小的重复次数 -

用括号分组

反向引用

这再次匹配之前匹配的组 -

备择方案

锚

这就需要指定匹配位置。

带括号的特殊语法