Perl语言学习(五)Perl正则表达式

1、Perl正则表达式简介

• 正则表达式的起源

  • 1956年，论文《神经网络事件的表示法》首次提出“正则集的代数”表达式

  • 英文名：regular expression

  • Ken Thompson将正则表达式引入Unix

  • 此后广泛应用于Unix或者类Unix工具中

  • 主流操作系统、主流开发语言都嵌入了正则表达式

• 正则表达式的定义

  • 正则表达式，就是用某种模式去匹配一类字符串的一个公式
  image.png

  • 给定一个正则表达式和另一个字符串，我们可以达到如下的目的：

    • 给定的字符串是否符合正则表达式的过滤逻辑（称作为“匹配”）

    • 可以通过正则表达式，从字符串中获取我们想要的特定部分

• 常用工具中的正则表达式

  • 记事本中的正则表达式：查找、替换实际上就是正则表达式

  • World中正则表达式：查找、替换

  • Vi中的正则表达式：查找、替换

  • 正则表达式无处不在

    • 不同环境中所支持的功能可能不太一样

      
      image.png

• 正则表达式的特点

  • 灵活性、逻辑性和功能性非常的强

  • 主要应用对象是文本

  • 可以迅速的用极简单的方式达到字符串的复杂控制

  • 对于刚接触的人来说。比较晦涩难懂

2、Perl正则表达式的应用

• 正则表达式的语法

  • 一个正则表达式也称为一个模式

  • 简单模式

    • 如果模式匹配的对象是$_，把模式写在斜线/中

    • 能匹配上，返回值为1，否则为0

    • $_ = "hello World"; if(/"World"/) {printf"It matched"};

    • 如果匹配项本身含有斜线，使用反斜线

  • Unicode属性

    • 利用字符的属性进行匹配

    • \p{属性名}表示该属性的模式

    • 匹配空格，使用Space属性：\p{Space}

    • 匹配数字，使用Digit属性：\p{Digit}

    • 匹配十六进制数，使用Hex属性：\p{Hex}

    • 也可以使用\P来表示匹配不包含属性的部分，\P{属性}，同不匹配不一样

  • 模式分组

    • 利用小括号来进行字符串的分组

    • 括号、反斜线、数字编号可以组成捕获组的模式

    • 括号内的内容作为元字符，用反斜线后面加数字表示再此匹配

    • 反斜线也不一定在括号后面

    • /(world)\3/表示匹配：worldworldworldworld

    • 择一匹配，使用竖线|表示匹配时候的”或“

    • /(hello|world)/表示匹配“hello”或“world"

• 正则表达式的应用场合

  • 针对所有的字符串处理，如特定字符串、重复、计数、统计等

  • 电话号码匹配

  • 姓名，邮箱匹配

3、Perl正则表达式和元字符

• 正则表达式中的元字符

  • 元字符是一种特殊字符

  • 起通配作用

  • 在他们前面加上反斜杠\，这些元字符就会失去其特殊含义

• 元字符列表

  • 字符类：单字符与数字

    
    image.png

  • 字符类：空白字符

    
    image.png

  • 字符类：锚定字符

    
    image.png

  • 字符类：重复字符

    
    image.png

  • 字符类：替换字符

    
    image.png

  • 字符类：其他字符

    
    image.png

• 元字符的优先级

  • 当模式中包含多种元字符时，根据优先级顺序来判断匹配量

    
    image.png

4、Perl正则表达式的形式

• 模式匹配

  • 得到“是否匹配”的结果，无其他操作

  • 形式为：m/<regexp>/; 或者/<regexp>/; 或者m?<regexp>?

  • 同匹配操作符一起，用来判断是否匹配后面的字符串

  • 匹配的表达式中，括号部分的匹配项用$标号表示

  • 匹配上，返回值为1，否则为0

  • $test = "China"; $target = ".*ina"; $test =~ m/$target/ ##该表达式的返回值为1

   $string = "This string contains the number 25.11";
   $test = $string =~ /?(\d+)\.?(\d+)/;
   print $string."\n";    ## This string contains the number 25.11
   print $test."\n";   ## 1
   $a = $1;
   $b = $2;
   ​
   print $a."\n";   ## 25
   print $b."\n";   ## 11
  

  • 模式匹配的选项：

    
    image.png

• 模式替换

  • 替换操作，返回值为布尔值

  • 形式为：s/<regexp>/<replacement>; 或者s?<regexp>?<replacement>

  • 同匹配操作符一起，修改被替换的部分

  • 不支持替换成特殊字符

  • 模式替换的选项

    
    image.png

    $var = "0abc1";
    $var =~ s/[a-zA-Z]+/3*2/e;
    print $var."\n";   ## 061
    ​
    $var =~ s/[a-zA-Z]+/3*2/;
    print $var."\n";   ## 03*21
    

• 模式转化

  • 同模式替换类似，用以弥补模式替换的不足

  • 形式为：tr/<regexp>/<replacement>; 或则tr?<regexp>?<replacement>

  • 将string1中的字符依次，逐个替换为string2的字符

  • 返回值为替换的字符数

    $var = "abcdfghicba";
    print $var."\n";   ## abcdfghicba
    $result = $var =~ tr/abc/def/; 
    print $var."\n";   ## defdfghifed
    print $result."\n";   ## 6
    print "------------------------\n";
    

  • 模式转换的特殊功能

    • 大小写转换：$str =~ tr/a-zA-Z/A-Za-z/

    • 特定字符的计数：$str =~ tr/0-9/0-9/

  • 模式转换的选项

    
    image.png

    $var = "123abc";
    print $var."\n";   ## 123abc
    $var =~ tr/0-9/ /c; 
    print $var."\n";   ## 123
    ​
    $var =~ tr/1b//d;
    print $var."\n";   ## 23ac
    ​
    $var = "12abc3abc";
    $var =~ tr/0-9/ /cs;
    print $var."\n";   ## 12 3
    

5、Perl正则表达式的原则

• 原则一：

  • 正则表达式有三种不同形式，分为匹配，替换和转化

• 原则二：

  • 正则表达式仅对标量进行匹配

• 原则三：

  • 匹配时，默认只匹配/替换一次，且对象为最早的可能匹配

• 原则四：

  • 正则表达式能够处理双引号所能处理的任意和全部字符

• 原则五：

  • 正则表达式在求值过程中产生两种情况：结果状态和反向引用

  • $a =~ m/pattern/ ##产生的结果状态，布尔类型

  • $a =~ s/(word1)(word2)/$2$1/ ##产生的反向引用

• 原则六：

  • 正则表达式的核心能力在于通配符和多重匹配运算符

  • $a =~ /\w+/ ##匹配一个或多个单词

  • $a =~ m/\d/ ##匹配0个或多个数字

• 原则七：

  • 如果匹配不止一个字符集合，可以使用“|”来增加灵活性

  • m/(cat|dog)/ ##可以匹配cat或者dog

• 原则八：

  • Perl中用(?...)语法给正则表达式提供扩展功能

  • (?:pattern) 匹配pattern但不获取匹配结果

  • (?=pattern) 正向预查，在任何匹配pattern的字符串开始处匹配查找字符串

  • (?!pattern) 负向预查，在任何不匹配pattern的字符串开始处匹配查找字符串

• 说明：

  • 在Perl的模式中，括号内的子模式将存储在内存中，此功能即取消存储该括号内的匹配内容

参考来源：https://www.jikexueyuan.com/course/1441.html