perl语言——正则表达式

一、正则表达式

在perl里面正则表达式(regular expression)又叫模式(pattern)，用来匹配或者不匹配某个字符串的特征模板

二、几个正则中常用的符号

在介绍正则表达式的内容之前，先介绍几个符号。

元字符 . \ ()

perl里面的某些字符具有特殊含义，叫做元字符。比如：

点号. : 表示任意一个字符，不包括换行符
反斜杠 \ : 表示字符本身，忽略它的特殊含义。比如.就表示点号本身，而不是任意一个字符。
圆括号 () : 将模式分成一个个捕获组。
量词 + * ?

“+” ：表示匹配前面的条目一次或一次以上。

1
2
3

abc+  : 匹配字符c一次或者一次以上，可以匹配abc,abcc,abccc
ab[0-9]+ :匹配任意0到9的数字一次或一次以上，如 abc0 ,abc11,,
ab(cd)+  : 匹配组(cd)一次或一次以上，如abcd,abcdcd,abcdcdcd，，

“*” : 表示匹配前面条目0次或任意次
“?” ：表示匹配前面条目0次或1次
模式分组 ()

将模式分成多个捕获组，比如 “ ([a-z]+)([0-9]+.abc) “,将模式单独分出两个组。

在《perl语言入门》书中还讲到，可以利用刚刚从圆括号中匹配到的字符再次匹配。比如

$_ = "abba"  ## 正则表达式默认对变量 $_ 进行匹配
if( m/(.)\1/ ) { #  m// 是模式的界定符，下面讲
      # 这里会匹配 bb，\1 的意思是再次匹配第一个捕获组的内容，匹配了两次b
  print "ok\n";
}

## 如果存在多个圆括号，如何区分哪个括号是第几组？依次计算左括号的序号就可以
$_ = "yabba dabba doo"
if (m/y((.)(.)\3\2) d\1/){  # yabba dabba
  print "ok\n";
}

也可以将\1 \2写成 \g{1} \g{2}，含义一样，又不容易误解
4. **则一匹配 | **

要么匹配左边要么匹配右边
5. **字符集 [] **
存在[]中的一个字符

1 2	`[a-z] : 任意a到z的一个字符 [a-z0-9] ,[a-zA-Z],都可以`

字符集简写

\d : 表示一个数字
\s : 表示一个空格

脱字符 ^
脱字符用在字符集符号[]中，表示不包含这些内容。

[^a-z] :不包含a到z
[^\d] : 不包含数字 ， 等价于 [\D]
[^\s] : 不包含空格    等价于[\S]
[\d\D] : 匹配任意字符，包括换行符
[^\d\D] : 不匹配任何字符

三、用正则表达式进行匹配

1. 模式定界符 m//

前面程序中经常出现 m / 模式 /，其中// 就是模式的定界符，斜杠可以用其他符号，比如，#等 m## ,m*

2. 模式匹配修饰符

模式匹配修饰符(modifier)又叫标志（flag)，用在模式定界符后面，用来改变默认的匹配行为的。

/i ：大小写无关的匹配，这里的/i，/是m//中的/，如果是m##，那么就是#i
1
2
$_ = "ABC"; m/abc/i ; # 也能匹配成功
/s : 匹配任意字符

原来点号. 不能匹配换行符，现在也可以了
3. /x ：可以随便加入空白符

为了便于阅读，可以在模式中随便加空白符。但是这样的原先模式中存在的空白符就没用了，得换成\s形式
4. 还可以选择字符的解释方式 /a /u /l

但我不是很明白什么意思

这几种模式修饰符可以同时使用

3. 锚位

开头结尾定位^ $ \A \Z

perl5中

\A匹配字符串的绝对开头，这个字符串中间可能有换行符。\z（小写）匹配字符串的绝对末尾，\Z（大写）也是匹配字符串绝对末尾，但是可以允许后面有换行符。

^也是匹配字符串的开头，$匹配字符串的末尾。后面会讲可以用$和/m对多行内容进行匹配，这时^匹配一行开头，$匹配一行结尾。

单词定位 \b \b

1
2
3

$_ = "abc";
m/ \babc\b /x;  # 匹配单词abc,
m/ \bab\b /x;  # 匹配失败，没有ab的单词，只有abc

4. 匹配成功会返回1

可以作为if语句的判断条件，比如下一小节中的例子。

5. 绑定操作符 =~

前面的模式匹配都是自动匹配到默认变量$_上，现在可以指定要匹配的变量。

1
2
3

$str = "abc";
if($str =~ m/ \babc\b /x) # 匹配$str变量中的abc
{print "ok\n";}

6. 模式中内插

可以将模式内容先保存在某个变量里，然后用在模式定界符内

$str = "abc";
$pattern = "\babc\b";
if($str =~ m/$pattern/x)
{
  print "ok\n";
}

7. 捕获变量

捕获变量是用来保存捕获组中捕获到的内容。

默认的捕获变量

默认的捕获变量是$1,$2,这些，用来保存捕获组1，捕获组2，，中的内容，捕获组是第几个组是看左括号是第几个。

$str = "hello world";
if($str =~ m/ (\bhello\b)\s(\bworld\b) /x){
  print $1," ",$2;
  # 第一个捕获组得到的内容存在$1,第二个存在$2，
  # 打印输出 hello world
}

捕获变量的生存期

这些捕获变量能够保存到下次捕获成功，也就是说如果匹配失败，不会改变上次匹配成功捕获的内容。
3. 不捕获模式

如果不想捕获某个捕获组中的内容，在这个组的左括号后加?:

$str = "hello world";
if($str =~ m/ (?:\bhello\b)\s(\bworld\b) /x){
  print $1," ",$2;
  # 第一个捕获组不捕获,第二个捕获到world存在变量$1，
  # 打印输出 “world ”
  # 变量$2没有内容
}

4. 自己指定(命名)捕获变量 %+

perl5.10中增加了对捕获内容直接命名的方法，将捕获的内容存在一个哈希表中 %+,表中的键是认为设定的捕获变量，键对应的值是变量内容。

比如这样一个捕获组——(?PATTERN) ，其中LABEL是定义的变量名，PATTERN是捕获组内容

$str = "hello world";
if($str =~ m/ (?<var1>\bhello\b)\s(?<var2>\bworld\b) /x){
  print $+{var1}," ",$+{var2};
  # 第一个捕获组捕获hello保存在$var1,第二个捕获到world存在变量$var2，
  # 打印输出 “hello world”
}

8. 通用量词

1	`模式 m/a{5,10}/ 匹配5到10次字符a。`

9. 保存匹配的结果

在对文件中的行循环匹配的时候，有的时候能匹配到，有的时候匹配不到，如果匹配到就会更新捕获变量，$1,$2或者自己定义的哈希对（这些变量都是只读的）。但如果没匹配到，那么这些变量不会改变，但我们不知道他到底有没有匹配到，可能匹配到了，但他的值跟上一次匹配的一样，那么这些变量还是没变，那怎么办呢？

所以在每次匹配的时候将匹配到的值保存出来，下一次匹配之前再清空他。

$str = "hello world"；
push @res,($str =~ m/(hello)/);
print $res[0],"\n";
pop @res;
###也可以
$str =~ m/(hello)/;
$res[0] = $1;
print $res[0],"\n";
pop @res;

四、正则表达式处理文本

1. 用 s/// 进行替换

查找并替换

1
2
3

$str = "bob is a boy\n";
$str =~ s/bob/john/; # 匹配到bob，并用john替换
print $str; # john is a boy

/g进行全局替换，全部都替换

1
2
3

$str = "bob is a boy,bob is a student\n";
$str =~ s/bob/john/;
print $str; # john is a boy,bob is a student 只替换了一个john

而

1
2
3

$str = "bob is a boy,bob is a student\n";
$str =~ s/bob/john/g;
print $str; # john is a boy,john is a student 两个都替换

** 也可以 s###,等其他的定界符**

大小写转换
\U全部大写 \L全部小写

1
2
3

$str = "bob is a boy,bob is a student\n";
 $str =~ s/(bob)/\U$1/g; # 原子匹配到的结果还是默认存在$1,$2中
 print $str; # BOB is a boy,BOB is a student 大写

2. split操作符

split操作符，根据字符将字符串分成多组，返回一个数组保存结果

1
2
3

$str = "hello world";
@res = split " ",$str; # 以空格为界切分$str,数组@res保存结果
print $res[0],"\n"; # hello

split默认以空白符切分变量$_

1
2
3

$_str_ = "hello world";
@res = split; # 以空格为界切分$_,数组@res保存结果
print $res[0],"\n"; # hello

3. join函数

与split相反的作用，将多个字符串连接起来

 $str = "hello world";
@res = split " ",$str;
print $res[0],"\n";
$str =  join "+",@res;
print "$str\n";  # hello+world

** join函数连接的列表至少要有两个元素**

4. 列表上下文中的m//

如果m//使用的上下文是列表环境，那么m//将匹配到的所有内容返回成列表

 $str = "A good day";
my ($first,$second,$third) = $str =~ m/ (\S+)\s(\S+)\s(\S+) /x;
print "$first+$second+$third\n";
## 输出 A+good+day
## 将各个捕获组的内容保存到列表中的变量里

5. 跨行的模式匹配 /m

假如有一个文件program.log内容如下.

1
2
3

first line
second line
third line

读取文件内容并修改：

open CMD,"< command.log";
$line = join "",<CMD>; # 将文件的所有内容读取到一个变量里
#$line = <CMD>; # 这样写只能读取第一行内容
$line =~ s/^/command.log: /gm; #每一行加上文件名
print $line; # 输出修改后的内容
close CMD;
open CMD,"> com.log";
print CMD $line; # 将修改后的内容保存到另一个文件中
  ## print后的文件标识符和$line之间没有逗号
close $CMD;

输出：

1
2
3

command.log: first line
command.log: second line
command.log: third line

com.log文件的内容：

1
2
3

command.log: first line
command.log: second line
command.log: third line

如果不加\m，那么com.log中的内容为：

1
2
3

command.log: first line 
second line
third line

6. 一次更新多个文件 $^I变量**

对于一个文件command.log内容如下：

1
2
3

author: li
date: 123
phone: 123

我们想将author改成dong yk，日期设为当前日期，去掉phone那行。

脚本如下：

$time = localtime; #perl自己的函数，返回当前时间
print "$time\n";
$^I = ".dat";
while(<>) # 主程序一次读取、更行及输出一行
{
  s/^author:.*/author: dong yk/; # 替换
  s/^date:.*/date: $time/;
  s/^phone:.*\n//; # 删除，包括换行符
  print; # 钻石操作符把默认输出设定为打开的文件，print将输出内容写进文件
}

钻石操作符<>会读取命令行参数指定的文件的内容。**$^I变量和<>同时使用，**在<>打开文件的时候会将原来文件复制一份，这个文件以$^I变量内容为后缀。

必须要设置$^I变量，要不然print输出到控制台，因为<>读取的内容默认存在$_中，print默认输出$_的值

7. 从命令行直接编辑

假如有一个文件program.log内容如下.

1
2
3

first line
second line
third line

1	`perl -p -i.bak -w -e 's/line/LINE/' command.log`

program.log文件内容变成：

1
2
3

first LINE
second LINE
third LINE

-p : 让perl生成一段小程序

-i ：功能类似$^I变量，以自定义的后缀保存源文件，这里的是.bak后缀

-w：开启警告

-e ：告诉perl后面跟着可执行程序

script perl

IC perl

本博客所有文章除特别声明外，均采用 CC BY-SA 4.0 协议，转载请注明出处！

perl语言——输入与输出 Previous

Anaconda使用 Next