perl正则表达式第二周笔记

1.使用正则表达式修改文本

1.使用正则表达式修改文本

正则表达式的功能不只有查询，还可以对文本进行修改，例如替换

$var=~m/regex/i                             
$var=~s/regex/replacement/i

Replacement两侧的斜杠相当于双引号，也就是说replacement中可以有$1，$2这样的变量来代表前面匹配到的内容

用$var=~s/regex/replacement/可以改变$var中的文本，如果没有匹配成功，就不会有文本的替换

$var=Jeff frield;
$var=~s/Jeff/Jeffery/;
$var=Jeffery frield

可是如果在运行$var=~s/Jeff/Jeffery/一次，就会得到：

$var=Jefferyery fried;

因为Jeff始终被匹配，所以替换始终会发生。

要避免这样的情况，我们必须要把匹配条件说的再具体一些。

匹配的是Jeff这个单词，而不是这四个字母，所以我们用：

$var=~s/\bJeff\b/Jeffery/

这样子第二次运行$var=~s/\bJeff\b/Jeffery/就不会再改变文本了

1.1例子一公函生成器

设想有一个公函系统，它包含很多公函魔板，其中一些标记，对每一封具体的公函来说，标记部分的值都有所不同

例如：

尊敬的=FIRST=,

恭喜您！获得了=TRINKET=！完全免费！您还想为=FAMILY=家获得更多的=TRINKEY=吗？告诉你=FULL=，你可以的！

然后设置三个变量：

$given="王";
$family="小明";
$prize="10000克拉的钻石";

然后我们就可以为语句的模板填写内容：

$letter=~s/=FIRST=/$family/g;
$letter=~s/=FAMILY=/$given/g;
$letter=~s/=FULL=/$given $family/g;
$letter=~s/=TRINKET=/价值连城$prize/g;

g是全局替换的修饰符，他告诉s///在一次匹配替换成功以后继续下一次，直到匹配不成功为止，从而达到全部相关文本都被替换的效果

结果：

尊敬的 小明，

恭喜您！获得了 价值连城10000克拉的钻石！完全免费！您还想为王家获得更多的价值连城10000克拉的钻石吗？告诉你王小明，你可以的！

1.2 例子二修整数字格式

有时候因为计算机内部表示浮点的原理，输出来的数字是9.05000000372272，可是我们其实只需要保留小数点后三位就可以了

要求就是：保留小数点后两位，如果第三位不为0，也要保留，例如12.3750000000392会变成12.375,37.500会变成37.50.

$num=~s/(\.\d\d[1-9]?)\d*/$1/;

用环视功能为数值添加逗号

大的数值，为了方便读懂，通常在其间加入逗号。

Print "the US population is $pop\n"；

会输出the US population is 298444215,但298,444,215会更加顺眼。

我们应该从数字的右边开始，每次数三个数字如果左边还有数字，就加入一个逗号。

这是直观的想法，但是正则表达式是从左到右去处理文本的。

逗号应该加在”左边有数字，右边数字的个数正好是3的倍数的位置“。

对于这样的任务，我们用环视功能来实现。

环视结构不匹配任何字符，只匹配文本中特定的位置。这个特性其实我们前面已经见过很多次，例如\b、^、$等，都是匹配一个位置，但环视比它们更加通用，因为它匹配的位置是你自己定义的。

顺序环视：从左到右查看文本，尝试匹配正则表达式。肯定型顺序环视用(?=……)来表示，例如(?=\d)，表示如果当前位置右边的字符是数字则匹配成功

逆序环视：从右到左查看文本，尝试匹配正则表达式。肯定型逆序环视用(?<=……)来表示，例如(?<=\d)，表示如果当前位置左边字符是数字则匹配成功（也就是紧跟在数字后面的位置）。

环视正则表达式在匹配的时候不会“占用”字符，只是匹配位置。

用Jeffery匹配by Jeffery friedl，匹配到是Jeffery这几个字符之前的位置

把环视结构和真正匹配的字符结合起来使用，我们能匹配到更加精准的内容，例如：

(?=Jeffery)Jeff

能匹配到by Jeffery friedl

不能匹配by Jefferson

(?=Jeffery)Jeff ;Jeff(?=ery)

Jeff(?=Jeffery)不能够匹配以上例子，而是匹配后面紧跟Jeffery的Jeff，例如JeffJeffery

1.3例子三effs=》Jeff’s

把Jeffs换成Jeff’s

s/Jeffs/Jeff’s/
s/\bJeffs\b/Jeff’ s/
s/\b(Jeff)(s)\b/$1’$2/

s/\bJeff(?=s\b)/Jeff’/

环视只是匹配一个位置，它的好处是容许我们在匹配Jeff前先检查整个Jeffs

s/(?<=\bJeff)(?=s\b)/’/
s/(?=s\b)(?<=\bJeff)/’/

用顺序环视和逆序环视找到了一个精确的位置，因为找的只是位置，所以条件循序调换了也没有影响。

1.4例子四回到逗号

“左边有数字，右边数字的个数正好是3的倍数”。

第一个要求用逆序环视就能够满足，左边有数字，(?<=\d)

第二个要求：3位数字可以表示成\d\d\d，然后可以用(\d\d\d)+表示3的若干倍

最后再加上$来确保这些数字后面不存在其他字符，以保证这样的结果“正好”在最后3位数字之后结束

$pop=~s/(?<=\d)(?=(\d\d\d)+$)/,/g;
Print"The US population is $pop\n";

298,444,215

试想，如果不加$，会有什么后果？

$pop=~s/(?<=\d)(?=(\d\d\d)+)/,/g;

2,9,8,4,4,4,215

而且这里括住\d\d\d的括号，其实我们只是用来使得+可以作用于这个括号，并没有使用它的捕获功能，所以可以写成非捕获型括号:(?:......)

$pop=~s/(?<=\d)(?=(?:\d\d\d)+$)/,/g;

否定环视

现在，我们又希望把这个插入逗号的正则表达式应用到很长的字符串汇中，例如

$text="The population of 299444215 is growing"

这样子s/(?<=\d)(?=(\d\d\d)+$)/,/g;就不管用了，因为数字之后不是结尾，所以匹配不成功

解决方法：可以把$换成\b，尽管\b被称为单词分隔符，但是对于perl来说，匹配单词的\w是[a-zA-Z0-9]，把数字也包括进去了，所以这是广义的单词

注意到这里，\b的意思就是，在此位置的一侧是单词，另外一侧不是

环视也有相关的概念，前面我们说的(?=)、(?<=)都叫做肯定顺序环视和肯定逆序环视。因为他们成功的条件是子表达式在这些位置能够匹配

另外还有否定顺序环视(?!)和否定逆序环视(?<!)，他们成功条件是子表达式无法匹配

类型	正则表达式	匹配成功的条件
肯定顺序环视	(?=)	子表达式能够匹配右侧文本
肯定逆序环视	(?<=)	子表达式能够匹配左侧文本
否定顺序环视	(?!)	子表达式不能够匹配右侧文本
否定逆序环视	(?	子表达式不能够匹配左侧文本

这样，其实\b就是(?<!\w)(?=\w)|(?<=\w)(?!\w)

s/(?<=\d)(?=(\d\d\d)+(?!\d)/,/g;

不是所有的宿主语言都支持逆序环视

那么我们可以这样子写，这样就没有用到逆序环视

s/(\d)(?=(\d\d\d)+$)/$1,/g;

如果连顺序环视都不用呢？

s/(\d)((\d\d\d)+\b)/$1,$2/g;

可以吗？

答案是不可以，结果是298,444215

因为g这个修饰符规定，下一次匹配是在这一次匹配的终点开始的。但是在第一次匹配时，(\d\d\d)+\b已经匹配了444215，所以g的下一次匹配开始是在5的后面

解决方法是在perl中加个while循环，重复匹配，而不是迭代匹配

2.正则表达式使用注意事项

在某种特定的宿主语言或工具软件中使用正则表达式时，主要有3个问题需要注意

1.支持的元字符，以及这些元字符的意义，这通常称为正则表达式的“流派”

2.正则表达式与语言工具的“交互方式”。譬如如何进行正则表达式的操作，容许进行哪些操作，以及这些操作的目标文本类型

3.正则表达式引擎如何将表达式应用到文本

由于正则表达式的漫长的发展史，众多程序员，新的程序又形成自己的流派，所以就成了巨大的迷局。

直到1986年，POSIX（一系列标准）诞生，它是标准化的尝试，试图把缠绕不清的正则表达式各个流派标准化，用同一套规则来实现正则表达式。它把各种常见的流派分为两大类：

Basic Regular Expressions(BREs)和Extended Regular Expressions(EREs)

POSIX程序必须支持其中任意一种