PERL学习之模式匹配

PERL学习之模式匹配

一、简介
  
模式指在字符串中寻找的特定序列的字符，由反斜线包含：/def/即模式def。

其用法如结合函数split将字符串用某模式分成多个单词：@array =
split(/ /, $line);

二、匹配 *** 作符 =~、!~
   =~检验匹配是否成功：$result
= $var =~ /abc/;若在该字符串中找到了该模式，则返回非零值，即true，不匹配则返回0，即false。

!~则相反。

  
这两个 *** 作符适于条件控制中，如：
   if ($question =~ /please/) {
     print ("Thank you
for being polite!\n");
   }
   else {
     print ("That was not very
polite!\n");
   }

三、模式中的特殊字符
  
PERL在模式中支持一些特殊字符，可以起到一些特殊的作用。

1、字符 +
  
+意味着一个或多个相同的字符，如：/de+f/指def、deef、deeeeef等。

它尽量匹配尽可能多的相同字符，如/ab+/在字符串abbc中匹配的将是abb，而不是ab。

  
当一行中各单词间的空格多于一个时，可以如下分割：
     @array = split (/ +/, $line);
  
注：split函数每次遇到分割模式，总是开始一个新单词，因此若$line以空格打头，则@array的第一个元素即为空元素。

但其可以区分是否真有单词，如若$line中只有空格，则@array则为空数组。

且上例中TAB字符被当作一个单词。

注意修正。

2、字符 []和[^]
  
[]意味着匹配一组字符中的一个，如/a[0123456789]c/将匹配a加数字加c的字符串。

与+联合使用例：/d[eE]+f/匹配def、dEf、deef、dEdf、dEEEeeeEef等。

^表示除其之外的所有字符，如：/d[^deE]f/匹配d加非e字符加f的字符串。

3、字符 *和?
  
它们与+类似，区别在于*匹配0个、1个或多个相同字符，?匹配0个或1个该字符。

如/de*f/匹配df、def、deeeef等；/de?f/匹配df或def。

4、转义字符
  
如果你想在模式中包含通常被看作特殊意义的字符，须在其前加斜线"\"。

如：/\*+/中\*即表示字符*，而不是上面提到的一个或多个字符的含义。

斜线的表示为/\\/。

在PERL5中可用字符对\Q和\E来转义。

5、匹配任意字母或数字
  
上面提到模式/a[0123456789]c/匹配字母a加任意数字加c的字符串，另一种表示方法为：/a[0-9]c/，类似的，[a-z]表示任意小写字母，[A-Z]表示任意大写字母。

任意大小写字母、数字的表示方法为：/[0-9a-zA-Z]/。

6、锚模式

锚 描述 ^ 或 \A 仅匹配串首 $ 或 \Z 仅匹配串尾 \b 匹配单词边界 \B 单词内部匹配

例1：/^def/只匹配以def打头的字符串，/$def/只匹配以def结尾的字符串，结合起来的/^def$/只匹配字符串def(?)。

\A和\Z在多行匹配时与^和$不同。

  
例2：检验变量名的类型：
     if ($varname =~ /^\$[A-Za-z][_0-9a-zA-Z]*$/) {
      
print ("$varname is a legal scalar variable\n");
     } elsif ($varname =~
/^@[A-Za-z][_0-9a-zA-Z]*$/) {
       print ("$varname is a legal array
variable\n");
     } elsif ($varname =~ /^[A-Za-z][_0-9a-zA-Z]*$/)
{
       print ("$varname is a legal file variable\n");
     } else
{
       print ("I don't understand what $varname is.\n");
    }
  
例3：\b在单词边界匹配：/\bdef/匹配def和defghi等以def打头的单词，但不匹配abcdef。

/def\b/匹配def和abcdef等以def结尾的单词，但不匹配defghi，/\bdef\b/只匹配字符串def。

注意：/\bdef/可匹配$defghi，因为$并不被看作是单词的部分。

  
例4：\B在单词内部匹配：/\Bdef/匹配abcdef等，但不匹配def；/def\B/匹配defghi等；/\Bdef\B/匹配cdefg、abcdefghi等，但不匹配def,defghi,abcdef。

7、模式中的变量替换
   将句子分成单词：
     $pattern = "[\\t
]+";
     @words = split(/$pattern/, $line);
8、字符范围转义

E 转义字符 描述 范围 \d 任意数字 [0-9] \D 除数字外的任意字符 [^0-9] \w 任意单词字符 [_0-9a-zA-Z] \W 任意非单词字符 [^_0-9a-zA-Z] \s 空白 [ \r\t\n\f] \S 非空白 [^
\r\t\n\f]

例：/[\da-z]/匹配任意数字或小写字母。

9、匹配任意字符
  
字符"."匹配除换行外的所有字符，通常与*合用。

10、匹配指定数目的字符
  
字符对{}指定所匹配字符的出现次数。

如：/de{1,3}f/匹配def,deef和deeef；/de{3}f/匹配deeef；/de{3,}f/匹配不少于3个e在d和f之间；/de{0,3}f/匹配不多于3个e在d和f之间。

11、指定选项
   字符"|"指定两个或多个选择来匹配模式。

如：/def|ghi/匹配def或ghi。

  
例：检验数字表示合法性
   if ($number =~ /^-?\d+$|^-?0[xX][\da-fa-F]+$/) {
     print
("$number is a legal integer.\n");
   } else {
     print ("$number is not
a legal integer.\n");
   }
   其中 ^-?\d+$ 匹配十进制数字，^-?0[xX][\da-fa-F]+$
匹配十六进制数字。

12、模式的部分重用
  
当模式中匹配相同的部分出现多次时，可用括号括起来，用\n来多次引用，以简化表达式：
/\d{2}([\W])\d{2}\1\d{2}/
匹配：
     12-05-92
     26.11.87
     07 04 92等
  
注意：/\d{2}([\W])\d{2}\1\d{2}/ 不同于/(\d{2})([\W])\1\2\1/
，后者只匹配形如17-17-17的字符串，而不匹配17-05-91等。

13、转义和特定字符的执行次序
   象 *** 作符一样，转义和特定字符也有执行次序：

特殊字符 描述 () 模式内存 + * ? {} 出现次数 ^ $ \b \B 锚 | 选项

14、指定模式定界符
   缺省的，模式定界符为反斜线/，但其可用字母m自行指定，如：
    
m!/u/jqpublic/perl/prog1! 等价于/\/u\/jqpublic\/perl\/prog1/
  
注：当用字母'作为定界符时，不做变量替换；当用特殊字符作为定界符时，其转义功能或特殊功能即不能使用。

15、模式次序变量
  
在模式匹配后调用重用部分的结果可用变量$n，全部的结果用变量$&。

     $string = "This string contains
the number 25.11.";
     $string =~ /-?(\d+)\.?(\d+)/; # 匹配结果为25.11
    
$integerpart = $1; # now $integerpart = 25
     $decimalpart = $2; # now
$decimalpart = 11
     $totalpart = $&; # now totalpart = 25.11

四、模式匹配选项

选项 描述 g 匹配所有可能的模式 i 忽略大小写 m 将串视为多行 o 只赋值一次 s 将串视为单行 x 忽略模式中的空白

1、匹配所有可能的模式(g选项)
   @matches = "balata" =~ /.a/g;
# now @matches = ("ba", "la", "ta")
   匹配的循环：
   while ("balata" =~ /.a/g)
{
     $match = $&;
     print ("$match\n");
   }
  
结果为：
     ba
     la
     ta
   当使用了选项g时，可用函数pos来控制下次匹配的偏移：
    
$offset = pos($string);
     pos($string) = $newoffset;
2、忽略大小写(i选项)例
   /de/i 匹配de,dE,De和DE。

3、将字符串看作多行(m选项)
  
在此情况下，^符号匹配字符串的起始或新的一行的起始；$符号匹配任意行的末尾。

4、只执行一次变量替换例

   $var = 1;
   $line = <STDIN>;
   while ($var < 10) {

     $result = $line =~ /$var/o;
     $line = <STDIN>;
    
$var++;
   }
   每次均匹配/1/。

5、将字符串看作单行例
  
/a.*bc/s匹配字符串axxxxx \nxxxxbc，但/a.*bc/则不匹配该字符串。

6、在模式中忽略空格
   /\d{2} ([\W]) \d{2} \1
\d{2}/x等价于/\d{2}([\W])\d{2}\1\d{2}/。

五、替换 *** 作符
  
语法为s/pattern/replacement/，其效果为将字符串中与pattern匹配的部分换成replacement。

如：
     $string
= "abc123def";
     $string =~ s/123/456/; # now $string = "abc456def";
  
在替换部分可使用模式次序变量$n，如s/(\d+)/[$1]/，但在替换部分不支持模式的特殊字符，如{},*,+等，如s/abc/[def]/将把abc替换为[def]。

  
替换 *** 作符的选项如下表：

选项 描述 g 改变模式中的所有匹配 i 忽略模式中的大小写 e 替换字符串作为表达式 m 将待匹配串视为多行 o 仅赋值一次 s 将待匹配串视为单行 x 忽略模式中的空白

注：e选项把替换部分的字符串看作表达式，在替换之前先计算其值，如：
     $string = "0abc1";
    
$string =~ s/[a-zA-Z]+/$& x 2/e; # now $string = "0abcabc1"

六、翻译 *** 作符
  
这是另一种替换方式，语法如：tr/string1/string2/。

同样，string2为替换部分，但其效果是把string1中的第一个字符替换为string2中的第一个字符，把string1中的第二个字符替换为string2中的第二个字符，依此类推。

如：
    
$string = "abcdefghicba";
     $string =~ tr/abc/def/; # now string =
"defdefghifed"
  
当string1比string2长时，其多余字符替换为string2的最后一个字符；当string1中同一个字符出现多次时，将使用第一个替换字符。

  
翻译 *** 作符的选项如下：

选项 描述 c 翻译所有未指定字符 d 删除所有指定字符 s 把多个相同的输出字符缩成一个

如$string =~ tr/\d/ /c;把所有非数字字符替换为空格。

$string =~ tr/\t //d；删除tab和空格； 
$string =~ tr/0-9/ /cs；把数字间的其它字符替换为一个空格。

七、扩展模式匹配

  
PERL支持PERL4和标准UNIX模式匹配 *** 作所没有的一些模式匹配能力。

其语法为：(?<c>pattern)，其中c是一个字符，pattern是起作用的模式或子模式。

1、不存贮括号内的匹配内容
  
在PERL的模式中，括号内的子模式将存贮在内存中，此功能即取消存贮该括号内的匹配内容，如/(?:a|b|c)(d|e)f\1/中的\1表示已匹配的d或e，而不是a或b或c。

2、内嵌模式选项
  
通常模式选项置于其后，有四个选项：i、m、s、x可以内嵌使用，语法为：/(?option)pattern/，等价于/pattern/option。

3、肯定的和否定的预见匹配
  
肯定的预见匹配语法为/pattern(?=string)/，其意义为匹配后面为string的模式，相反的，(?!string)意义为匹配后面非string的模式，如：
    
$string = "25abc8";
     $string =~ /abc(?=[0-9])/;
     $matched =
$&; # $&为已匹配的模式，此处为abc，而不是abc8
4、模式注释
  
PERL5中可以在模式中用?#来加注释，如：
     if ($string =~ /(?i)[a-z]{2,3}(?# match two or
three alphabetic characters)/ {
       ...
     }