Perl入门Perl的正則表達式
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Perl入门Perl的正則表達式相关的知识,希望对你有一定的参考价值。
正則表達式是Perl语言的特色。主要的语法不是非常难,可是编写一个符合需求、高效的正則表達式。还是有一些挑战的。
Perl的三种匹配模式
1.查找
语法:m/正則表達式内容/;
作用:查找匹配内容中是否包括"正則表達式内容",假设包括返回1,否则返回0;
#!user/bin/env perl -w #1... $str1 = "i like perl"; $result1 = ($str1 =~ m/perl/); print "$result1 $str1\n";
2.替换
语法:s/正則表達式内容/替换内容/;
作用:查找匹配内容中是否包括"正則表達式内容",假设包括,使用"替换内容"替换。返回1,否则。返回0;
补充:正常情况下,假设匹配内容包括多个可匹配项,此语法仅仅会匹配第一个。然后替换返回。
1.【真正表达式内容】能够使用()进行包括。这样做。能够在【替换内容】中使用$1,$2...进行引用,1、2为括号的顺序
2.Perl提供模式修饰词。
修饰词相同适用于查找模式。
在替换语法后面加入g。表示替换全部匹配项
在替换语法后面加入e。表示替换内容须要先进行计算后再进行替换操作
在替换语法后面加入i。表示忽略大写和小写
在替换语法后面加入s或m。
表示同意存在换行符(\n)
#2... 使用love替换like $str2 = "i like perl like i"; $result2 = ($str2 =~ s/like/love/); print "$result2 $str2\n"; #2...1 使用g替换全部like $str2_1 = "i like perl like i"; $result2_1 = ($str2_1 =~ s/like/love/g); print "$result2_1 $str2_1\n"; #2...2 使用e告诉perl替换内容要先计算在替换 $str2_2 = "you should pay \$22 for this mechine!"; $result2_2 = ($str2_2 =~ s/(22)/$1*2/e); print "$result2_2 $str2_2\n";
3.转换
语法:tr/匹配内容集合/替换内容集合/;
作用:首先,匹配内容集合中元素会和替换集合中元素一一相应起来。然后运行匹配操作,匹配上的内容使用相应的退换集合中内容进行替换,返回转换元素个数.
补充:
转换模式不能使用正則表達式和变量替换。
假设【匹配内容集合】元素个数比【替换内容集合】元素多,多出的元素都会相应到【替换内容集合】的最后一个元素。
假设【匹配内容集合】元素个数比【替换内容集合】元素少,忽略【替换内容集合】中多余的元素
#3... 将小写转换成大写 $str3 = "abcdefghijklmnopqrstuvwxyz"; $result3 = ($str3 =~ tr/a-z/A-Z/); print "$result3 $str3\n"; #3...1 匹配内容集合元素多于替换内容集合元素 $str3_1 = "abcdefghijklmnopqrstuvwxyz"; $result3_1 = ($str3_1 =~ tr/a-z/A-Y/); print "$result3_1 $str3_1\n"; #3...2 匹配内容集合元素少于替换内容集合元素 $str3_2 = "abcdefghijklmnopqrstuvwxyz"; $result3_2 = ($str3_2 =~ tr/a-y/A-Z/); print "$result3_2 $str3_2\n";
运算结果为
1 i like perl 1 i love perl like i 2 i love perl love i 1 you should pay $44 for this mechine! 26 ABCDEFGHIJKLMNOPQRSTUVWXYZ 26 ABCDEFGHIJKLMNOPQRSTUVWXYY 25 ABCDEFGHIJKLMNOPQRSTUVWXYz
Perl的绑定操作符
上面的样例中已经使用了"=~"绑定操作符。绑定操作符的作用就是将【须要匹配的内容】和【匹配模式】绑定。然后进行计算。
绑定操作符有:
=~ : 英文【does】 表示满足匹配模式
!~ : 英文【doesnt】表示不满足匹配模式
正則表達式的元字符
元字符是正則表達式组成的基本元素。(以下这个表是从资料里面copy来的.手打累死的说)
字符 | 描写叙述 |
\ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 后向引用、或一个八进制转义符。比如。‘n‘ 匹配字符 "n"。‘\n‘ 匹配一个换行符。序列 ‘\\‘ 匹配 "\" 而 "\(" 则匹配 "("。 |
^ | 匹配输入字符串的開始位置。假设设置了 RegExp 对象的 Multiline 属性,^ 也匹配 ‘\n‘ 或 ‘\r‘ 之后的位置。 |
$ | 匹配输入字符串的结束位置。假设设置了RegExp 对象的 Multiline 属性,$ 也匹配 ‘\n‘ 或 ‘\r‘ 之前的位置。 |
* | 匹配前面的子表达式零次或多次。比如,zo* 能匹配 "z" 以及 "zoo"。 * 等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次。比如,‘zo+‘ 能匹配 "zo" 以及 "zoo"。但不能匹配 "z"。 + 等价于 {1,}。 |
? | 匹配前面的子表达式零次或一次。比如,"do(es)?" 能够匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。 |
{n} | n 是一个非负整数。 匹配确定的 n 次。 比如,‘o{2}‘ 不能匹配 "Bob" 中的 ‘o‘。可是能匹配 "food" 中的两个 o。 |
{n,} | n 是一个非负整数。至少匹配n 次。比如,‘o{2,}‘ 不能匹配 "Bob" 中的 ‘o‘,但能匹配 "foooood" 中的全部 o。‘o{1,}‘ 等价于 ‘o+‘。‘o{0,}‘ 则等价于 ‘o*‘。 |
{n,m} | m 和 n 均为非负整数,当中n <= m。最少匹配 n 次且最多匹配 m 次。 刘, "o{1,3}" 将匹配 "fooooood" 中的前三个 o。‘o{0,1}‘ 等价于 ‘o? ‘。 请注意在逗号和两个数之间不能有空格。 |
? | 当该字符紧跟在不论什么一个其它限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。比如,对于字符串 "oooo",‘o+?‘ 将匹配单个 "o",而 ‘o+‘ 将匹配全部 ‘o‘。 |
. | 匹配除 "\n" 之外的不论什么单个字符。 要匹配包含 ‘\n‘ 在内的不论什么字符,请使用象 ‘[.\n]‘ 的模式。 |
(pattern) | 匹配pattern 并获取这一匹配。所获取的匹配能够从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合。在Visual Basic Scripting Edition 中则使用 $0…$9 属性。 要匹配圆括号字符,请使用 ‘\(‘ 或 ‘\)‘。 |
(?:pattern) | 匹配 pattern 但不获取匹配结果。也就是说这是一个非获取匹配。不进行存储供以后使用。 这在使用 "或" 字符 (|) 来组合一个模式的各个部分是非常实用。 比如。 ‘industr(? :y|ies) 就是一个比 ‘industry|industries‘ 更简略的表达式。 |
(?=pattern) | 正向预查,在不论什么匹配 pattern 的字符串開始处匹配查找字符串。 这是一个非获取匹配。也就是说,该匹配不须要获取供以后使用。比如, ‘Windows (? =95|98|NT|2000)‘ 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后马上開始下一次匹配的搜索,而不是从包括预查的字符之后開始。 |
(? !pattern) |
负向预查,在不论什么不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串開始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不须要获取供以后使用。 比如‘Windows (? !95|98|NT|2000)‘ 能匹配 "Windows 3.1" 中的 "Windows",但不能匹配 "Windows 2000" 中的 "Windows"。 预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后马上開始下一次匹配的搜索,而不是从包括预查的字符之后開始 |
x|y | 匹配 x 或 y。 比如,‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)ood‘ 则匹配 "zood" 或 "food"。 |
[xyz] | 字符集合。匹配所包括的随意一个字符。 比如, ‘[abc]‘ 能够匹配 "plain" 中的 ‘a‘。 |
[^xyz] | 负值字符集合。 匹配未包括的随意字符。 比如。 ‘[^abc]‘ 能够匹配 "plain" 中的‘p‘。 |
[a-z] | 字符范围。匹配指定范围内的随意字符。比如,‘[a-z]‘ 能够匹配 ‘a‘ 到 ‘z‘ 范围内的随意小写字母字符。 |
[^a-z] | 负值字符范围。匹配不论什么不在指定范围内的随意字符。比如,‘[^a-z]‘ 能够匹配不论什么不在 ‘a‘ 到 ‘z‘ 范围内的随意字符。 |
\b | 匹配一个单词边界。也就是指单词和空格间的位置。比如, ‘er\b‘ 能够匹配"never" 中的 ‘er‘。但不能匹配 "verb" 中的 ‘er‘。 |
\B | 匹配非单词边界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘,但不能匹配 "never" 中的 ‘er‘。 |
\cx | 匹配由x指明的控制字符。比如, \cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之中的一个。否则,将 c 视为一个原义的 ‘c‘ 字符。 |
\d | 匹配一个数字字符。等价于 [0-9]。 |
\D | 匹配一个非数字字符。 等价于 [^0-9]。 |
\f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
\n | 匹配一个换行符。 等价于 \x0a 和 \cJ。 |
\r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
\s | 匹配不论什么空白字符,包含空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
\S | 匹配不论什么非空白字符。等价于 [^ \f\n\r\t\v]。 |
\t | 匹配一个制表符。 等价于 \x09 和 \cI。 |
\v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
\w | 匹配包含下划线的不论什么单词字符。等价于‘[A-Za-z0-9_]‘。 |
\W | 匹配不论什么非单词字符。 等价于 ‘[^A-Za-z0-9_]‘。 |
\xn | 匹配 n。当中 n 为十六进制转义值。 十六进制转义值必须为确定的两个数字长。 比如。 ‘\x41‘ 匹配 "A"。 ‘\x041‘ 则等价于 ‘\x04‘ & "1"。正則表達式中能够使用 ASCII 编码。. |
\num | 匹配 num。当中 num 是一个正整数。对所获取的匹配的引用。 比如。‘(.)\1‘ 匹配两个连续的同样字符。 |
\n | 标识一个八进制转义值或一个后向引用。假设 \n 之前至少 n 个获取的子表达式。则 n 为后向引用。否则。假设 n 为八进制数字 (0-7)。则 n 为一个八进制转义值。 |
\nm | 标识一个八进制转义值或一个后向引用。 假设 \nm 之前至少有is preceded by at least nm 个获取得子表达式,则 nm 为后向引用。假设 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的后向引用。假设前面的条件都不满足。若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。 |
\nml | 假设 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。 |
\un | 匹配 n,当中 n 是一个用四个十六进制数字表示的 Unicode 字符。比如, \u00A9 匹配版权符号 (?)。 |
利用上述元字符,能够组合出全部想要的匹配模式。以下介绍几个经常使用的正則表達式.
原载地址:http://lifesinger.3322.org/myblog/?
p=185
匹配中文字符的正則表達式: [\u4e00-\u9fa5]
评注:匹配中文还真是个头疼的事。有了这个表达式就好办了匹配双字节字符(包含汉字在内):[^\x00-\xff]
评注:能够用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1)匹配空白行的正則表達式:\n\s*\r
评注:能够用来删除空白行匹配html标记的正則表達式:<(\S*?)[^>]*>.*?
</\1>|<.*?
/>
评注:网上流传的版本号太糟糕。上面这个也只能匹配部分。对于复杂的嵌套标记依然无能为力匹配首尾空白字符的正則表達式:^\s*|\s*$
评注:能够用来删除行首行尾的空白字符(包含空格、制表符、换页符等等),很实用的表达式匹配Email地址的正則表達式:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注:表单验证时非常有用匹配网址URL的正則表達式:[a-zA-z]+://[^\s]*
评注:网上流传的版本号功能非常有限,上面这个基本能够满足需求匹配帐号是否合法(字母开头,同意5-16字节。同意字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注:表单验证时非常有用匹配国内电话号码:\d{3}-\d{8}|\d{4}-\d{7}
评注:匹配形式如 0511-4405222 或 021-87888822匹配腾讯QQ号:[1-9][0-9]{4,}
评注:腾讯QQ号从10000開始匹配中国邮政编码:[1-9]\d{5}(?
!\d)
评注:中国邮政编码为6位数字匹配身份证:\d{15}|\d{18}
评注:中国的身份证为15位或18位匹配ip地址:\d+\.\d+\.\d+\.\d+
评注:提取ip地址时实用匹配特定数字:
^[1-9]\d*$ //匹配正整数
^-[1-9]\d*$ //匹配负整数
^-?[1-9]\d*$ //匹配整数
^[1-9]\d*|0$ //匹配非负整数(正整数 + 0)
^-[1-9]\d*|0$ //匹配非正整数(负整数 + 0)
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?
\.0+|0)$ //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ //匹配非负浮点数(正浮点数 + 0)
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ //匹配非正浮点数(负浮点数 + 0)
评注:处理大量数据时实用,详细应用时注意修正匹配特定字符串:
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
以上是关于Perl入门Perl的正則表達式的主要内容,如果未能解决你的问题,请参考以下文章
Python - 连续替换(replace)的正則表達式(re)