9 Perl 中的正則表達式
正則表達式的三種形式
正則表達式中的常用模式
正則表達式的 8 大原則
正則表達式是 Perl 語言的一大特色,也是 Perl 程序中的一點難點,不過如果大家能夠很好的掌握他,就可以輕易地用正則表達式來完成字符串處理的任務,當然在 CGI 程序設計中就更能得心應手了。下面我們列出一些正則表達式書寫時的一些基本語法規則。
--------------------------------------------------------------------------------
9.1 正則表達式的三種形式
首先我們應該知道 Perl 程序中,正則表達式有三種存在形式,他們分別是:
匹配:m/<regexp>;/ (還可以簡寫爲 /<regexp>;/ ,略去 m)
替換:s/<pattern>;/<replacement>;/
轉化:tr/<pattern>;/<replacemnt>;/
這三種形式一般都和 =~ 或 !~ 搭配使用(其中 "=~" 表示相匹配,在整條語句中讀作 does,"!~" 表示不匹配,在整條語句中讀作 doesn't),並在左側有待處理的標量變量。如果沒有該變量和 =~ !~ 操作符,則默認爲處理 $_ 變量中的內容。舉例如下:
$str = "I love Perl";
$str =~ m/Perl/; # 表示如果在 $str 中發現 "Perl" 字符串,則返回 "1" 否則返回 "0"。
$str =~ s/Perl/BASH/; # 表示將變量 $str 中的 "Perl" 字符串替換爲 "BASH",如果發生此替換則返回 "1",否則返回 "0"。
$str !~ tr/A-Z/a-z/; # 表示將變量 $str 中的所有大寫字母轉化爲小寫字母,如果轉化發生了則返回 "0",否則返回 "1"。
另外還有:
foreach (@array) { s/a/b/; } # 此處每次循環將從 @array 數組中取出一個元素存放在 $_ 變量中,並對 $_ 進行替換處理。
while (<FILE>;) { print if (m/error/); } # 這一句稍微複雜一些,他將打印 FILE 文件中所有包含 error 字符串的行。
Perl 的正則表達式中如果出現 () ,則發生匹配或替換後 () 內的模式被 Perl 解釋器自動依次賦給系統 $1, $2 ...... 請看下面的例子:
$string = "I love perl";
$string =~ s/(love)/<$1>;/; # 此時 $1 = "love",並且該替換的結果是將 $string 變爲 "I <love>; perl"
$string = "i love perl";
$string =~ s/(i)(.*)(perl)/<$3>;$2<$1>;/; # 這裏 $1 = "i",$2 = " love ",$3 = "perl",並且替換後 $string 變爲 "<perl>; love <i>;"
替換操作 s/<pattern>;/<replacement>;/ 還可以在末尾加上 e 或 g 參數,他們的含義分別爲:
s/<pattern>;/<replacement>;/g 表示把待處理字符串中所有符合 <pattern>; 的模式全部替換爲 <replacement>; 字符串,而不是隻替換第一個出現的模式。
s/<pattern>;/<replacement>;/e 表示將把 <replacemnet>; 部分當作一個運算符,這個參數用的不多。
比如下面的例子:
$string = "i:love:perl";
$string =~ s/:/*/; #此時 $string="i*love:perl";
$string = "i:love:perl";
$string =~ s/:/*/g; #此時 $string="i*love*perl";
$string =~ tr/*/ /; #此時 $string="i love perl";
$string = "www22cgi44";
$string =~ s/(\d+)/$1*2/e; # (/d+)代表 $string 中的一個或多個數字字符,將這些數字字符執行 *2 的操作,因此最後 $string 變成了 "www44cgi88"。
下面給出一個完整的例子:
#!/usr/bin/perl
print"請輸入一個字符串!\n";
$string = <STDIN>;; # <STIDN>;代表標準輸入,會讓使用者輸入一字符串
chop($string); # 將$string最後一個換行的字符\n刪除掉
if($string =~ /perl/){
print("輸入的字符串中有 perl 這個字符串!\n";
}
如果輸入的字符串含有 perl 這個字符串的話,就會顯示後面的提示信息。
9.2 正則表達式中的常用模式
下面是正則表達式中的一些常用模式。
/pattern/ 結果
. 匹配除換行符以外的所有字符
x? 匹配 0 次或一次 x 字符串
x* 匹配 0 次或多次 x 字符串,但匹配可能的最少次數
x+ 匹配 1 次或多次 x 字符串,但匹配可能的最少次數
.* 匹配 0 次或一次的任何字符
.+ 匹配 1 次或多次的任何字符
{m} 匹配剛好是 m 個 的指定字符串
{m,n} 匹配在 m個 以上 n個 以下 的指定字符串
{m,} 匹配 m個 以上 的指定字符串
[] 匹配符合 [] 內的字符
[^] 匹配不符合 [] 內的字符
[0-9] 匹配所有數字字符
[a-z] 匹配所有小寫字母字符
[^0-9] 匹配所有非數字字符
[^a-z] 匹配所有非小寫字母字符
^ 匹配字符開頭的字符
$ 匹配字符結尾的字符
\d 匹配一個數字的字符,和 [0-9] 語法一樣
\d+ 匹配多個數字字符串,和 [0-9]+ 語法一樣
\D 非數字,其他同 \d
\D+ 非數字,其他同 \d+
\w 英文字母或數字的字符串,和 [a-zA-Z0-9] 語法一樣
\w+ 和 [a-zA-Z0-9]+ 語法一樣
\W 非英文字母或數字的字符串,和 [^a-zA-Z0-9] 語法一樣
\W+ 和 [^a-zA-Z0-9]+ 語法一樣
\s 空格,和 [\n\t\r\f] 語法一樣
\s+ 和 [\n\t\r\f]+ 一樣
\S 非空格,和 [^\n\t\r\f] 語法一樣
\S+ 和 [^\n\t\r\f]+ 語法一樣
\b 匹配以英文字母,數字爲邊界的字符串
\B 匹配不以英文字母,數值爲邊界的字符串
a|b|c 匹配符合a字符 或是b字符 或是c字符 的字符串
abc 匹配含有 abc 的字符串
(pattern) () 這個符號會記住所找尋到的字符串,是一個很實用的語法。第一個 () 內所找到的字符串變成 $1 這個變量或是 \1 變量,第二個 () 內所找到的字符串變成 $2 這個變量或是 \2 變量,以此類推下去。
/pattern/i i 這個參數表示忽略英文大小寫,也就是在匹配字符串的時候,不考慮英文的大小寫問題。
\ 如果要在 pattern 模式中找尋一個特殊字符,如 "*",則要在這個字符前加上 \ 符號,這樣纔會讓特殊字符失效
下面給出一些例子:
範例 說明
/perl/ 找到含有 perl 的字符串
/^perl/ 找到開頭是 perl 的字符串
/perl$/ 找到結尾是 perl 的字符串
/c|g|i/ 找到含有 c 或 g 或 i 的字符串
/cg{2,4}i/ 找到 c 後面跟着 2個到 4個 g ,再跟着 i 的字符串
/cg{2,}i/ 找到 c 後面跟着 2個以上 g ,再跟着 i 的字符串
/cg{2}i/ 找到 c 後面跟着 2個 g,再跟着 i 的字符串
/cg*i/ 找到 c 後面跟着 0個或多個 g ,再跟着 i 的字符串,如同/cg{0,1}i/
/cg+i/ 找到 c 後面跟着一個以上 g,再跟着 i 的字符串,如同/cg{1,}i/
/cg?i/ 找到 c 後面跟着 0個或是 1個 g ,再跟着 i 的字符串,如同/cg{0,1}i/
/c.i/ 找到 c 後面跟着一個任意字符,再跟着 i 的字符串
/c..i/ 找到 c 後面跟着二個任意字符,再跟着 i 的字符串
/[cgi]/ 找到符合有這三個字符任意一個的字符串
/[^cgi]/ 找到沒有這三個字符中任意一個的字符串
/\d/ 找尋符合數字的字符,可以使用/\d+/來表示一個或是多個數字組成的字符串
/\D/ 找尋符合不是數字的字符,可以使用/\D+/來表示一個或是更多個非數字組成的字符串
/\*/ 找尋符合 * 這個字符,因爲 * 在常規表達式中有它的特殊意思,所以要在這個特殊符號前加上 \ 符號,這樣纔會讓這個特殊字符失效
/abc/i 找尋符合 abc 的字符串而且不考慮這些字符串的大小寫
9.3 正則表達式的八大原則
如果在 Unix 中曾經使用過 sed、awk、grep 這些命令的話,相信對於 Perl 語言中的正則表達式(Regular Expression)不會感到陌生。Perl 語言由於有這個功能,所以對字符串的處理能力非常強。在Perl語言的程序中,經常可以看到正則表達式的運用,在 CGI 程序設計中也不例外。
正則表達式是初學 Perl 的難點所在,不過只要一旦掌握其語法,你就可以擁有幾乎無限的模式匹配能力,而且 Perl 編程的大部分工作都是掌握常規表達式。下面給大家介紹幾條正則表達式使用過程中的 8 大原則。
正則表達式在對付數據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:正則表達式有三種不同形式(匹配(m/ /),替換(s/ / /eg)和轉換(tr/ / /))。
· 原則2:正則表達式僅對標量進行匹配( $scalar =~ m/a/; 可以工作; @array =~ m/a/ 將把@array作爲標量對待,因此可能不會成功)。
· 原則3:正則表達式匹配一個給定模式的最早的可能匹配。缺省時,僅匹配或替換正則表達式一次( $a = 'string string2'; $a =~ s/string/ /; 導致 $a = 'string 2')。
· 原則4:正則表達式能夠處理雙引號所能處理的任意和全部字符( $a =~ m/$varb/ 在匹配前把varb擴展爲變量;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:正則表達式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$1/ 則“調換”這兩個單詞。
· 原則6:正則表達式的核心能力在於通配符和多重匹配運算符以及它們如何操作。$a =~ m/\w+/ 匹配一個或多個單詞字符;$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符集合,Perl使用 "|" 來增加靈活性。如果輸入 m/(cat|dog)/ 則相當於“匹配字符串 cat 或者 dog。
· 原則8:Perl用 (?..) 語法給正則表達式提供擴展功能。(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 中查找子串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。
roby 回覆於:2003-09-11 15:19:39
good
簡潔明瞭
但是原文中
\w 英文字母或數字的字符串,和 [a-zA-Z0-9] 語法一樣
這好象錯了吧
我記得應該還包括下劃線,也就是[a-zA-Z_0-9]
/cg*i/ 找到 c 後面跟着 0個或多個 g ,再跟着 i 的字符串,如同/cg{0,1}i/
這句也筆誤了
應該是
/cg*i/ 找到 c 後面跟着 0個或多個 g ,再跟着 i 的字符串,如同/cg{0,}i/
呵呵
原文的顏色有點刺眼
deathcult 回覆於:2003-09-11 17:00:22
是的,你說的對 :)
多謝補充!
gunguymadman007 回覆於:2003-12-01 10:42:06
8錯 樓主真是好銀啊
gunguymadman007 回覆於:2003-12-01 10:43:57
引用:原帖由 "deathcult" 發表:
.* 匹配 0 次或一次的任何字符
應該是匹配0次或多次的任何字符吧 :)
release 回覆於:2003-12-01 18:54:26
引用:原帖由 "gunguymadman007"]Ω檬瞧ヅ?或多次的任何字符吧 :)
版主,是這樣嗎?
發表:
gunguymadman007 回覆於:2003-12-01 21:28:00
引用:原帖由 "release" 發表:
版主,是這樣嗎?
look
引用:原帖由 "deathcult" 發表:
$string =~ s/(i)(.*)(perl)/<$3>;$2<$1>;/; # 這裏 $1 = "i",$2 = " love ",$3 = "perl",並且替換後 $string 變爲 "<perl>; love <i>;"
偶以前也是經常用/(.*)^D$/來匹配任何以^D結尾的東東啊
release 回覆於:2003-12-01 23:58:33
引用:原帖由 "gunguymadman007"]家鄖耙彩薔?S?/(.*)^D$/來匹配任何以^D結尾的東東啊
你好象不對呀!
請看這個腳本:
#!/usr/bin/perl -w
while (1) {
chomp($a=<>;);
exit if ( $a =~ /a+/);
if ( $a =~ /(.*)^D$/ ) {
print "ok\n";
}else {
print "undo\n";
}
}
輸入頭個字母是a的時候推出,我輸入wfD還是undo,
這個腳本我也有個疑問: 我輸入a怎麼會推出,不是a後面要跟至少一個字符的嗎。我錯了請兄弟指正:)
發表:
release 回覆於:2003-12-02 00:04:46
還有不懂的,
.* 匹配0或多次任何字符。
一個*就行了,幹嘛還要加個.
gunguymadman007 回覆於:2003-12-02 09:45:17
引用:原帖由 "release" 發表:
你好象不對呀!
請看這個腳本:
#!/usr/bin/perl -w
while (1) {
chomp($a=<>;);
exit if ( $a =~ /a+/);
if ( $a =~ /(.*)^D$/ ) {
print "ok\n";
}else {
print "undo\n";
}
}
輸入頭個?.........
bash-2.05$ perl pl test
^[J^^^[J^^^Daaaaaaaaa
######################
^[J^^^[J^^^[J^^^[J^^^Dbbbbbbbbbbbbbb
######################
bash-2.05$ more pl
#!/usr/bin/perl
open (RENAMEFILE,"$ARGV[0]")||die "can't open:$!\n";
while (<RENAMEFILE>;)
{
if (/(.*)D(.*)/)
#{s/D$/L/;}
{ print $_,"\n";
print "######################\n";}
}
close RENAMEFILE;
bash-2.05$ more test
aaaaaa
bbbbbb
^[J^^^[J^^^Daaaaaaaaa
ccccc
dddd
^[J^^^[J^^^[J^^^[J^^^Dbbbbbbbbbbbbbb
...
aaaaaa
bbbbbb
^L
gunguymadman007 回覆於:2003-12-02 09:48:35
我先是用(/(.*)^D/) 相應的test也以^D結尾 ; 後來(/(.*)D(.*)/) test對應的加了aaaaaaaaaaaa和bbbbbbbbbbbb,都行的 :(
你把正則表達式和通配符搞混了
webyuhang 回覆於:2006-12-07 13:35:33
精彩,正在學習perl
weismart 回覆於:2007-06-14 10:15:18
[u][color=Red]還有不懂的,
.* 匹配0或多次任何字符。
一個*就行了,幹嘛還要加個. [/color][/u]
“*"是個“量化”標示。就好比數學上
“2”個“1”=1X2
“3”個“4”=4X3
光有* 不能表達出0個或多個 “什麼東東”。同樣 ? + 也是這個道理。
[ 本帖最後由 weismart 於 2007-6-14 10:42 編輯 ]
hutule110 回覆於:2007-06-14 11:22:32
呵呵,樓主總結的真好
Lonki 回覆於:2007-09-21 18:55:29
引用:原帖由 gunguymadman007 於 2003-12-1 21:28 發表 [url=http://bbs.chinaunix.net/redirect.php?goto=findpost&pid=1420080&ptid=159388]
look
偶以前也是經常用/(.*)^D$/來匹配任何以^D結尾的東東啊
^不轉???
D結尾的用/D$/即可
另外, Perl正則默認是貪婪匹配
.*?表示非貪婪匹配
for example:
$str = 'ChinaUnix';
$str = /(a.*)/; ### $1 = 'aUnix'
$str = /(a.*?)/; ### $1 = 'a'
對於.+?也如此
$str = 'ChinaUnix';
$str = /(a.+)/; ### $1 = 'aUnix'
$str = /(a.+?)/; ### $1 = 'aU'
qtsh 回覆於:2007-10-23 10:05:39
我測試了以下代碼:
#!/usr/bin/perl
$year="x\x4\sf\a\f\baf\fax";
$year=~s/\\x/\%/g;
print $year."\n";
結果爲:
xsf
af
ax
很難理解呀,以上替換不是將串中的“\x”替換爲"%"麼,結果跟想像的差別很大以,哪位大蝦給解釋一下。
socyno 回覆於:2007-11-05 22:02:17
引用:原帖由 qtsh 於 2007-10-23 10:05 發表 [url=http://bbs.chinaunix.net/redirect.php?goto=findpost&pid=7497493&ptid=159388]
我測試了以下代碼:
#!/usr/bin/perl
$year="x\x4\sf\a\f\baf\fax";
$year=~s/\\x/\%/g;
print $year."\n";
結果爲:
xsf
af
ax
很難理解呀,以上替換不是將串中的“\x”替換爲"%"麼,結果 ...
在字符串中\必須以\\的方式纔會有效,否則被視爲字符轉義符,
因此 $year="x\x4\sf\a\f\baf\fax"; 這一句應該不要你想像的結果,
你的意思應該是
$year="x\\x4\\sf\\a\\f\\baf\\fax";
open2open2 回覆於:2008-07-07 14:42:10
LZ不錯
這個風頁我收藏了
別攔我啊!:em03:
yifangyou 回覆於:2008-07-21 16:48:28
謝謝樓主介紹,我在linux下最喜歡用grep:mrgreen:
小漁村 回覆於:2008-07-21 20:38:00
引用:$string = "www22cgi44";
$string =~ s/(\d+)/$1*2/e; # (/d+)代表 $string 中的一個或多個數字字符,將這些數字字符執行 *2 的操作,因此最後 $string 變成了 "www44cgi88"。
#!/usr/bin/perl
$string = "www22cgi44";
$string =~ s/(\d+)/$1*2/e;
print $string."\n";
結果是:www44cgi44
[ 本帖最後由 小漁村 於 2008-7-21 20:39 編輯 ]
hotsnow 回覆於:2008-12-24 16:33:39
x* 匹配 0 次或多次 x 字符串,但匹配可能的最少次數
x+ 匹配 1 次或多次 x 字符串,但匹配可能的最少次數
.* 匹配 0 次或一次的任何字符
.+ 匹配 1 次或多次的任何字符
這裏是有問題的。
在perl裏 * 表示零個或多個, + 表示一個或多個。
要匹配最少的次數需要在 * 或 + 後面加 ? 號。
例如:
$ perl -We '$string="kkbbba"; print "$1" if $string =~ /kk(b*)/'
bbb
$
上面的 b* 匹配了儘可能多的 b,即貪婪
$ perl -We '$string="kkbbba"; print "$1" if $string =~ /kk(b*?)/'
$
上面 b*? 最小匹配是零個b,非貪婪。所以輸出是空
chinatzbcn 回覆於:2008-12-31 09:16:53
又熟悉了一遍,Thanks.
itian 回覆於:2008-12-31 17:06:39
xuexi
gqkkk 回覆於:2009-01-22 15:25:42
引用:原帖由 小漁村 於 2008-7-21 20:38 發表 [url=http://bbs.chinaunix.net/redirect.php?goto=findpost&pid=8875773&ptid=159388]
#!/usr/bin/perl
$string = "www22cgi44";
$string =~ s/(\d+)/$1*2/e;
print $string."\n";
結果是:www44cgi44
$string =~ s/(\d+)/$1*2/e[color=Red]g[/color];
ynchnluiti 回覆於:2009-01-22 15:32:20
引用:原帖由 gqkkk 於 2009-1-22 15:25 發表 [url=http://bbs.chinaunix.net/redirect.php?goto=findpost&pid=9983442&ptid=159388]
$string =~ s/(\d+)/$1*2/eg;
正確:em25:
aple_smx 回覆於:2009-02-16 09:28:43
學習,正好想自己總結一個,:mrgreen:
coneagoe 回覆於:2009-02-24 08:27:54
mark一下
sun.os 回覆於:2009-03-12 11:21:21
it seems wrong:
$string = "www22cgi44";
$string =~ s/(\d+)/$1*2/e; # (/d+)代表 $string 中的一個或多個數字字符,將這些數字字符執行 *2 的操作,因此最後 $string 變成了 "www44cgi88"。
the right result:
www44cgi44.