Perl - 正則表示式

---

---

正則表示式是一串字元，用於定義您正在檢視的模式或模式。Perl 中正則表示式的語法與您在其他支援正則表示式的程式（如sed、grep和awk）中找到的非常相似。

應用正則表示式的基本方法是使用模式繫結運算子 =~ 和!~。第一個運算子是測試和賦值運算子。

Perl 中有三個正則表示式運算子。

• 匹配正則表示式 - m//
• 替換正則表示式 - s///
• 轉錄正則表示式 - tr///

在每種情況下，正斜槓都充當您指定的正則表示式 (regex) 的分隔符。如果您習慣使用任何其他分隔符，則可以使用它代替正斜槓。

匹配運算子

匹配運算子 m// 用於將字串或語句與正則表示式匹配。例如，要將字元序列“foo”與標量 $bar 匹配，您可以使用以下語句：

#!/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";
}

執行上述程式時，會產生以下結果：

First time is matching
Second time is matching

m// 實際上以與 q// 運算子系列相同的方式工作。您可以使用任何自然匹配字元的組合來充當表示式的分隔符。例如，m{}、m() 和 m>< 都是有效的。因此，上述示例可以改寫如下：

#!/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";
}

如果分隔符是正斜槓，則可以省略 m，但對於所有其他分隔符，您必須使用 m 字首。

請注意，整個匹配表示式（即 =~ 或 !~ 左側的表示式和匹配運算子）如果表示式匹配，則在標量上下文中返回 true。因此，語句：

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

如果 $foo 與正則表示式匹配，則將 $true 設定為 1，否則如果匹配失敗則設定為 0。在列表上下文中，匹配返回任何分組表示式的內容。例如，在從時間字串中提取小時、分鐘和秒時，我們可以使用：

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

匹配運算子修飾符

匹配運算子支援自己的修飾符集。/g 修飾符允許全域性匹配。/i 修飾符將使匹配不區分大小寫。以下是修飾符的完整列表

僅匹配一次

匹配運算子還有一個更簡單的版本 - ?PATTERN? 運算子。這基本上與 m// 運算子相同，只是它在每次重置之間的每次呼叫中只匹配字串中的一次。

例如，您可以使用它來獲取列表中的第一個和最後一個元素：

#!/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";

執行上述程式時，會產生以下結果：

First: foo, Last: footbrdige

正則表示式變數

正則表示式變數包括$，它包含上次分組匹配匹配的內容；$&，它包含整個匹配字串；$`，它包含匹配字串之前的所有內容；以及$'，它包含匹配字串之後的所有內容。以下程式碼演示了結果：

#!/usr/bin/perl

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

執行上述程式時，會產生以下結果：

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

替換運算子

替換運算子 s/// 實際上只是匹配運算子的擴充套件，它允許您將匹配的文字替換為一些新文字。運算子的基本形式為：

s/PATTERN/REPLACEMENT/;

PATTERN 是我們要查詢的文字的正則表示式。REPLACEMENT 是我們要用來替換找到的文字的文字或正則表示式的規範。例如，我們可以使用以下正則表示式將所有出現的dog替換為cat：

#/user/bin/perl

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

print "$string\n";

執行上述程式時，會產生以下結果：

The dog sat on the mat

替換運算子修飾符

以下是與替換運算子一起使用的所有修飾符的列表。

轉換運算子

轉換類似於但並不完全相同於替換的原理，但與替換不同，轉換（或轉錄）不使用正則表示式進行其搜尋和替換值。轉換運算子為：

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

轉換將 SEARCHLIST 中所有出現的字元替換為 REPLACEMENTLIST 中相應的字元。例如，使用我們在本章中一直在使用的“The cat sat on the mat.” 字串：

#/user/bin/perl

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

print "$string\n";

執行上述程式時，會產生以下結果：

The cot sot on the mot.

也可以使用標準的 Perl 範圍，允許您透過字母或數值指定字元範圍。要更改字串的大小寫，您可以使用以下語法代替uc函式。

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

轉換運算子修飾符

以下是與轉換相關的運算子列表。

/d 修飾符刪除與 SEARCHLIST 匹配但 REPLACEMENTLIST 中沒有相應條目的字元。例如：

#!/usr/bin/perl 

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

print "$string\n";

執行上述程式時，會產生以下結果：

b b   b.

最後一個修飾符 /s 刪除了被替換的字元的重複序列，因此：

#!/usr/bin/perl

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

print "$string\n";

執行上述程式時，會產生以下結果：

fod

更復雜的正則表示式

您不僅可以匹配固定字串。實際上，您可以使用更復雜的正則表示式匹配幾乎任何您能想到的東西。這是一個快速備忘單：

下表列出了 Python 中可用的正則表示式語法。

^ 元字元匹配字串的開頭，而 $ 元字元匹配字串的結尾。以下是一些簡短的示例。

# 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+$/

讓我們看另一個例子。

#!/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";

執行上述程式時，會產生以下結果：

First word: Cats
Line starts: Cats When

匹配邊界

\b 在任何單詞邊界處匹配，由 \w 類和 \W 類之間的差異定義。因為 \w 包括單詞的字元，而 \W 包括相反的字元，所以這通常意味著單詞的終止。\B 斷言匹配任何不是單詞邊界的位置。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'

選擇備選方案

| 字元就像 Perl 中的標準或按位 OR。它在正則表示式或組中指定備選匹配。例如，要在表示式中匹配“cat”或“dog”，您可以使用：

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

您可以將表示式的各個元素組合在一起以支援複雜的匹配。搜尋兩個人的姓名可以透過兩個單獨的測試來實現，如下所示：

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

This could be written as follows

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

分組匹配

從正則表示式的角度來看，兩者之間沒有區別，也許除了前者稍微更清晰之外。

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

and 

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

但是，分組的好處是它允許我們從正則表示式中提取序列。分組按其在原始表示式中出現的順序返回為列表。例如，在以下片段中，我們從字串中提取了小時、分鐘和秒。

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

除了這種直接方法之外，匹配的組也存在於特殊的 $x 變數中，其中 x 是正則表示式中組的編號。因此，我們可以將前面的示例改寫如下：

#!/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";

執行上述程式時，會產生以下結果：

Hours : 12, Minutes: 05, Second: 30

當組用於替換表示式時，$x 語法可以在替換文字中使用。因此，我們可以使用以下方法重新格式化日期字串：

#!/usr/bin/perl

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

print "$date\n";

執行上述程式時，會產生以下結果：

1999/03/26

\G 斷言

\G 斷言允許您從上次匹配發生的位置繼續搜尋。例如，在以下程式碼中，我們使用了 \G，以便我們可以搜尋到正確的位置，然後提取一些資訊，而無需建立更復雜、單個的正則表示式：

#!/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";

執行上述程式時，會產生以下結果：

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

\G 斷言實際上只是 pos 函式的元字元等效項，因此在正則表示式呼叫之間，您可以繼續使用 pos，甚至可以透過將 pos 用作 lvalue 子程式來修改 pos 的值（以及 \G）。

正則表示式示例

文字字元

字元類

特殊字元類

重複情況

非貪婪重複

這將匹配最少的重複次數 -

使用括號進行分組

反向引用

這將再次匹配先前匹配的組 -

備選方案

錨點

這需要指定匹配位置。

帶括號的特殊語法