20-Perl 正则表达式

1.Perl 正则表达式
正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。
Perl语言的正则表达式功能非常强大，基本上是常用语言中最强大的，很多语言设计正则式支持的时候都参考Perl的正则表达式。
Perl的正则表达式的三种形式，分别是匹配，替换和转化:
匹配：m//（还可以简写为//，略去m）
替换：s///
转化：tr///
这三种形式一般都和 =~ 或 !~ 搭配使用， =~ 表示相匹配，!~ 表示不匹配。

2.匹配操作符
匹配操作符 m// 用于匹配一个字符串语句或者一个正则表达式。
例如，要匹配标量 $bar 中的 "run",代码如下所示：
#!/usr/bin/perl
$bar = "I am abc site. welcome to abc site.";
if ($bar =~ /run/){
print "第一次匹配\n";
}else{
print "第一次不匹配\n";
}
$bar = "run";
if ($bar =~ /run/){
print "第二次匹配\n";
}else{
print "第二次不匹配\n";
}
2.1 模式匹配修饰符
模式匹配有一些常用的修饰符，如下表所示：
修饰符 描述
i 忽略模式中的大小写
m 多行模式
o 仅赋值一次
s 单行模式，"."匹配"\n"（默认不匹配）
x 忽略模式中的空白
g 全局匹配
cg 全局匹配失败后，允许再次查找匹配串
2.2 正则表达式变量
perl处理完后会给匹配到的值存在三个特殊变量名:
$`: 匹配部分的前一部分字符串
$&: 匹配的字符串
$': 还没有匹配的剩余字符串
如果将这三个变量放在一起,你将得到原始字符串。
#!/usr/bin/perl
$string = "welcome to abc site.";
$string =~ m/run/;
print "匹配前的字符串: $`\n";
print "匹配的字符串: $&\n";
print "匹配后的字符串: $'\n";

3.替换操作符
替换操作符 s/// 是匹配操作符的扩展，使用新的字符串替换指定的字符串。
基本格式如下：s/PATTERN/REPLACEMENT/;
PATTERN 为匹配模式，REPLACEMENT 为替换的字符串。
例如我们将以下字符串的 "google" 替换为 "abc":
#!/usr/bin/perl
$string = "welcome to google site.";
$string =~ s/google/abc/;
print "$string\n";

3.1替换操作修饰符
替换操作修饰符如下表所示：
修饰符 描述
i 如果在修饰符中加上"i"，则正则将会取消大小写敏感性，即"a"和"A" 是一样的。
m 默认的正则开始"^"和结束"$"只是对于正则字符串如果在修饰符中加上"m"，那么开始和结束将会指字符串的每一行：每一行的开头就是"^"，结尾就是"$"。
o 表达式只执行一次。
s 如果在修饰符中加入"s"，那么默认的"."代表除了换行符以外的任何字符将会变成任意字符，也就是包括换行符！
x 如果加上该修饰符，表达式中的空白字符将会被忽略，除非它已经被转义。
g 替换所有匹配的字符串。
e 替换字符串作为表达式

4.转化操作符
基本格式如下：tr/PATTERN_old/PATTERN_new/;
以下实例将变量 $string 中的所有小写字母转化为大写字母：
#!/usr/bin/perl
$string = 'welcome to abc site.';
$string =~ tr/a-z/A-Z/;
print "$string\n";

4.1 转化操作符相关的修饰符：
修饰符 描述
c 转化所有未指定字符
d 删除所有指定字符
s 把多个相同的输出字符缩成一个
以下实例使用 /s 将变量 $string 重复的字符删除：
#!/usr/bin/perl
$string = 'welcome to abc site.';
$string =~ tr/a-z/A-Z/s;
print "$string\n";
4.2 更多实例：
$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。

5.更多正则表达式规则
表达式 描述
. 匹配除换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数
x+ 匹配 1 次或多次 x 字符串,但匹配可能的最少次数
.* 匹配 0 次或多次的任何字符
.+ 匹配 1 次或多次的任何字符
{m} 匹配刚好是 m 个 的指定字符串
{m,n} 匹配在 m个 以上 n个 以下 的指定字符串
{m,} 匹配 m个 以上 的指定字符串
[] 匹配符合 [] 内的字符
[^] 匹配不符合 [] 内的字符
[0-9] 匹配所有数字字符
[a-z] 匹配所有小写字母字符
[^0-9] 匹配所有非数字字符
[^a-z] 匹配所有非小写字母字符
^ 匹配字符开头的字符
$ 匹配字符结尾的字符
\d 匹配一个数字的字符,和 [0-9] 语法一样
\d+ 匹配多个数字字符串,和 [0-9]+ 语法一样
\D 非数字,其他同 \d
\D+ 非数字,其他同 \d+
\w 英文字母或数字的字符串,和 [a-zA-Z0-9_] 语法一样
\w+ 和 [a-zA-Z0-9_]+ 语法一样
\W 非英文字母或数字的字符串,和 [^a-zA-Z0-9_] 语法一样
\W+ 和 [^a-zA-Z0-9_]+ 语法一样
\s 空格,和 [\n\t\r\f] 语法一样
\s+ 和 [\n\t\r\f]+ 一样
\S 非空格,和 [^\n\t\r\f] 语法一样
\S+ 和 [^\n\t\r\f]+ 语法一样
\b 匹配以英文字母,数字为边界的字符串
\B 匹配不以英文字母,数值为边界的字符串
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) () 这个符号会记住所找寻到的字符串,是一个很实用的语法.第一个 () 内所找到的字符串变成 $1 这个变量或是 \1 变量,第二个 () 内所找到的字符串变成 $2 这个变量或是 \2 变量,以此类推下去.
/pattern/i i 这个参数表示忽略英文大小写,也就是在匹配字符串的时候,不考虑英文的大小写问题. \ 如果要在 pattern 模式中找寻一个特殊字符,如 "*",则要在这个字符前加上 \ 符号,这样才会让特殊字符失效