perl编程：正则匹配

Posted 2021-04-17 螺旋儿

perl 是生信常用的编程语言之一，最大的亮点是正则匹配和哈希。

正则匹配是per编程中非常强大的一项应用，简单的一行代码，就可以实现对字符串的灵活处理。

本文结合日常的工作学习，介绍下正则匹配在perl中的常见使用技巧。

基本规则

正则匹配，是一种常见处理字符串的方法，在大部分编程语言中都有，并且规则大同小异。

• 基本格式

正则匹配有三种基本格式，如下：

匹配： m// ，通常简写为// ；

替换： s/// ；

转换： tr/// 。

　　替换和转换首先对前一个// 中的内容进行匹配定位，然后用后面一个//中的内容进行替换或者转换。

• 通配符

. 可以匹配任何单个字符，但不可以是换行符“/n” ；

* 表示匹配前面一个字符或者字符串的n倍，n可以为0,1,2...；

？表示匹配前面字符串0次或者一次；

+ 表示匹配前面字符串一次及以上。

　　可见 * ， ？ 和 + 不能独立使用，前面需要有字符串，字符串可以是由一个及以上的字符组成。

• 锚定符

^ 或 \A ，匹配串首，出现在匹配开头；

$ 或 \Z ，匹配串尾，出现在匹配结尾。

• 转义字符

\d 匹配任意数字，同[0-9]

\D 匹配除数字外的任意字符，同[^0-9]

\w 匹配任意单词字符，同[_0-9a-zA-Z]

\W 匹配任意非单词字符，同[^_0-9a-zA-Z]

\s 匹配空白，同[ \r\t\n\f]

\S 匹配非空白，同[^ \r\t\n\f]

应用实例

下面结合工作学习中最常用的一些操作，来介绍下perl 中正则匹配的应用。

• 应用1，分割字符串。

分割字符串生成数组是正则最常见的应用。在下面的代码中，首先将默认变量$_，也就是"aa bb cc dd ee"以空格为分割符进行分割，并生成数组，然后将第2个和第4个元素分别赋值给变量$str1和$str2。

$_ = "aa bb cc dd ee" ; 
my ($str1, $str2) = (split /\s+/,$_)[1,3] ;   
print "$str1\t$str2\n" ;

bb dd

下面的例子中，将变量$str中的每个字符进行切割并赋值给数组@arr，数组中的每一个元素是一个字符。

my $str = "a123bc" ; 
my @arr = (split //,$str) ;
print “@arr\n” ;

a 1 2 3 b c

• 应用2，特殊行的处理。

在读取处理文件时，通常会跳过一些空行或者有特殊字符（例如#）的行。下面的例子中在读取文件时，去掉了只有空格的行和以“#” 开头的行，然后输出其余的行。

open IN,$infile || die $! ; 
while (<IN>) {
    next if (/^\s+$/) ;
    next if (/^#/) ; 
    print $_ ; 
}
close IN; 

• 应用3，统计字符出现的次数。

统计一个字符串中特定字符或字符串的出现次数有多种方法，下面是与正则有关的几种方法。

　　1) tr///，转换，只能用于统计单个字符出现的次数。转换多个字符时，会返回转换的次数，而不是某个特定字符（串）的出现次数。

下面例子$n1统计了字符串 “aabbccbbaa” 中 “a” 出现的次数，而$n2统计了字符串中 “a” 或者 “b” 出现的次数，而不是 “ab” 出现的次数。

my $ss = "aabbccbbaa" ;
my $n1 = $ss =~ tr/a/a/;
my $n2 = $ss =~ tr/ab/ab/ ; 
print "$n1\t$n2\n" ;

4   8

　　2）s///g , 全局替换，可以用替换相同字符串的方法来统计特殊字符的出现次数。

下面的例子中，$n1和$n2分别统计了字符串$ss中“a” 和“ab”出现的次数。

my $n1 = $ss =~ s/a/a/g ;   
my $n2 = $ss =~ s/ab/ab/g ;
print "a:$n1\tab:$n2\n" ;

a:4　　ab:1

　　3）匹配并累加，首先全局匹配，然后累加匹配次数，下面两种表达的效果是一样的，第二种方法更简洁一点。

my ($tmp,$cc) = (0,0) ;
if( $tmp = () = ($ss =~ /a/g ) ) {
    $cc += $tmp;
}
print "a: $cc\n" ;

a: 4

my $n = 0 ;
$n += ( () = $ss =~ /a/g );
print "a:$n\n";

a: 4

• 应用4，字符串替换。

字符串全局替换也是常见的应用，在下面的例子中，首先将字符串“a bc de”中的空格替换为下划线，另外的操作是将空格进行了删除。没错，s/// 不仅可以做匹配替换，还可以做匹配删除。

my ($ss1,$ss2) = ("a bc de") x 2 ;
$ss1 =~ s/\s+/_/g ;
$ss2 =~ s/\s+//g ;
print "$ss1\t$ss2\n" ;

a_bc_de 　abcde

• 应用5，抓取字符串。

抓取字符这一功能非常强大，可以变着花样写正则匹配，输出你想要的结果。下面的例子是抓取了变量$str中前三个连续的字母组合，同是匹配连续的字母，用了三种表达方式，好玩吧。

my $str = "ab12cd34ef56" ;
my ($s1,$s2,$s3) = $str =~ /^([^\d]+)\d+([a-z]+)\d+(\D+)\d+/ ;
print "$s1\t$s2\t$s3\n" ;

ab cd ef

• 应用6，用于编写流程脚本。

在分析数据时，通常要分步骤处理，所以需要设定$Step 选项，如下代码。注意在这里每一步骤都需要判断是否执行，所以需要连续用if，而不是用elsif 或者 else。另外，需要处理的步骤数目最好不要超过10，否则会出现一些不预期的运行结果。例如，如果设定$Step = 13,则会运行Step 1，Step 3 和Step 13.

if ($Step =~ /1/) {
    print STDERR "Step 1 is running...\n";
    # scripts for Step 1
}
if ($Step =~ /2/) {
    print STDERR "Step 2 is running...\n";
    # scripts for Step 2 
}

总之，正则匹配是perl的一大神器，功能强大，应用广泛。灵活使用正则匹配，你会发现原来perl也能做这么多事情，并且只用几行代码就可以搞定。快去玩吧~ 

PS： 封面代码 ☟ 欲知详情请测试。

my $today = "\\/\_\\/" ;
print "Today is a $today day!\n\n" ;
$today =~ s/\\\//\/\\/g ;
print "Today is a $today day!\n" ;

__ End __  

☺   ☺☺  ☺ ☺ ☺ ☺☺☺  ☺