正则表达式

October 26, 2013 @ 10:06 AM

正则表达式比此处所介绍的主题要大得多,确信你理解了这些概念。对于教程, 可以参阅 perlrequickperlretut。而权威的文档,则能够参阅 perlre

匹配和替换返回数量

m//s/// 操作符分别返回匹配或替换的数目。你既可以直接使用该数目, 也可以检查其真值。

if ( $str =~ /Diggle|Shelley/ ) {
    print "We found Pete or Steve!\n";
}

if ( my $n = ($str =~ s/this/that/g) ) {
    print qq{Replaced $n occurrence(s) of "this"\n};
}

不要在未检查匹配成功的情况下使用捕获变量

除非匹配成功,捕获变量 $1 等是无效的,并且它们不会被清理。

# BAD: Not checked, but at least it "works".
my $str = 'Perl 101 rocks.';
$str =~ /(\d+)/;
print "Number: $1"; # Prints "Number: 101";

# WORSE: Not checked, and the result is not what you'd expect
$str =~ /(Python|Ruby)/;
print "Language: $1"; # Prints "Language: 101";

你必须检查匹配的返回值:

# GOOD: Check the results
my $str = 'Perl 101 rocks.';
if ( $str =~ /(\d+)/ ) {
    print "Number: $1"; # Prints "Number: 101";
}

if ( $str =~ /(Python|Ruby)/ ) {
    print "Language: $1"; # Never gets here
}

常用匹配选项

/i:不区分大小写

/g:匹配多次

$var = "match match match";

while ($var =~ /match/g) { $a++; }
print "$a\n"; # prints 3

$a = 0;
$a++ foreach ($var =~ /match/g);
print "$a\n"; # prints 3

/m:更改 ^$ 的意义

正常情况下,^ 意为字符串的开头,而 $ 为字符串的结尾。/m 使它们分别意为行首和行尾。

$str = "one\ntwo\nthree";
@a = $str =~ /^\w+/g;  # @a = ("one");
@b = $str =~ /^\w+/gm; # @b = ("one","two","three")

不管是否有 /m,使用 \A\z 来匹配字符串的开头和结尾。\Z 除了会忽略最后的换行之外,与 \z 相同,

/s:使 . 也匹配换行

$str = "one\ntwo\nthree\n";
$str =~ /^(.{8})/s;
print $1; # prints "one\ntwo\n"

捕获变量 $1 及之友

捕获括号对的内容被存储到数字变量中。括号从左到右分配:

my $str = "abc";
$str =~ /(((a)(b))(c))/;
print "1: $1 2: $2 3: $3 4: $4 5: $5\n";
# prints: 1: abc 2: ab 3: a 4: b 5: c

捕获括号及变量的数目没有上限。

利用 ?: 避免捕获

如果括号后紧接着 ?:,那么该分组不会被捕获。在你不想保存匹配的内容时 会有用:

my $str = "abc";
$str =~ /(?:a(b)c)/;
print "$1\n"; # prints "b"

利用 /x 选项使正则表达式更易读

如果你在使用正则表达式时玩了些花样,那么为它写注释。你可以使用 /x 选项达到目的。

丑陋的庞然大物:

my ($num) = $ARGV[0] =~ m/^\+?((?:(?<!\+)-)?(?:\d*.)?\d+)$/x;

使用 /x 允许的空白和注释更可读:

my ($num) =
    $ARGV[0] =~ m/^ \+?        # An optional plus sign, to be discarded
                (              # Capture...
                (?:(?<!\+)-)?  # a negative sign, if there's no plus behind it,
                (?:\d*.)?      # an optional number, followed by a point if a decimal,
                \d+            # then any number of numbers.
                )$/x;

除非被转义,空白和注释将被去除。

利用 \Q\E 自动引起正则表达式

这会自动转义正则表达式的元字符。不会转义 $ 符号。

my $num = '3.1415';
print "ok 1\n" if $num =~ /\Q3.14\E/;
$num = '3X1415';
print "ok 2\n" if $num =~ /\Q3.14\E/;
print "ok 3\n" if $num =~ /3.14/;

输出:

ok 1
ok 3

s/// 使用 /e 选项来执行代码

这将允许任意代码替换正则表达式中的字符串。

my $str = "AbCdE\n";
$str =~ s/(\w)/lc $1/eg;
print $str; # prints "abcde"

必要时使用 $1 及之友。

了解何时使用 study

study 在多数情况下都无用。它所做的是创建一个每个单字节字符首次出现在字符串中 的位置的表。这意味着如果你有 1,000 个字符长的字符串,你要寻找由一个常量字符开头 的各种字符串,匹配器可以立即跳转到正确的位置。例如:

"This is a very long [... 900 characters skipped...] string that I have here,
ending at position 1000"

现在,如果你要匹配正则表达式 /Icky/,匹配器将试图寻找第一个匹配的字母 I。在 找到它之前得扫描前面的 900+ 个字符。但 study 创建了一个 256 个字节第一次出现 的地方的表。所以扫描器能够立即跳转到那个位置来开始匹配。

译注:这里没有考虑到多字节字符。

使用 re => debug 调试正则表达式

-Mre=debug