大家好，又见面了，我是你们的朋友全栈君。
Perl中的正则表达式使用示例
m//修饰符
代码语言：javascript复制LVALUE =~ m/PATTERN/;
LVALUE =~ /PATTERN/;修饰符 | 含义 |
|---|---|
/i | 匹配时忽略大小写 |
/g | 全局匹配，默认情况下，正则表达式”abc”匹配”abcdabc”字符串的时候，将之匹配左边的abc，使用g将匹配两个”abc” |
/c | 在开启g的情况下，如果匹配失败，将不重置搜索位置 |
/m | 多行匹配模式 |
/s | 让.可以匹配换行符”n”，也就是说该修饰符让.真的可以匹配任意字符 |
/x | 允许正则表达式使用空白符号，免得让整个表达式难读难懂，但这样会让原本的空白符号失去意义，这是可以使用s来表示空白 |
/o | 只编译一次正则表达式 |
/n | 非捕获模式 |
/p | 保存匹配的字符串到${ PREMATCH}、${^MATCH}、${ POSTMATCH}中，它们在结果上对应$`、$&和$’，但性能上要更好 |
/a和/u和/l | 分别表示用ASCII、Unicode和Locale的方式来解释正则表达式，一般不用考虑这几个修饰符 |
/d | 使用unicode或原生字符集，就像5.12和之前那样，也不用考虑这个修饰符 |
/g | 全局查找所有匹配 |
/cg | 允许在失败的匹配后继续保留上一次匹配的位置，不会重置指针位置 |
s///操作符（替换）
修饰符 | 含义 |
|---|---|
/i | 匹配时忽略大小写 |
/g | 全局匹配，默认情况下，正则表达式”abc”匹配”abcdabc”字符串的时候，将之匹配左边的abc，使用g将匹配两个”abc” |
/c | 在开启g的情况下，如果匹配失败，将不重置搜索位置 |
/m | 多行匹配模式 |
/s | 让.可以匹配换行符”n”，也就是说该修饰符让.真的可以匹配任意字符 |
/x | 允许正则表达式使用空白符号，免得让整个表达式难读难懂，但这样会让原本的空白符号失去意义，这是可以使用s来表示空白 |
/o | 只编译一次正则表达式 |
/n | 非捕获模式 |
p | 保存匹配的字符串到${^PREMATCH}、${^MATCH}、${^POSTMATCH}中，它们在结果上对应$`、$&和$’，但性能上要更好 |
/a和/u和/l | 分别表示用ASCII、Unicode和Locale的方式来解释正则表达式，一般不用考虑这几个修饰符 |
/d | 使用unicode或原生字符集，就像5.12和之前那样，也不用考虑这个修饰符 |
/r | 返回替换，原字符串保持不变 |
/e | 将右边作为一个表达式来计算 |
tr///操作符（转换）
代码语言：javascript复制LVALUE =~ tr/SEARCHLIST/REPLACEMENTLIST/cds;
RVALUE =~ tr/SEARCHLIST/REPLACEMENTLIST/csdr;
RVALUE =~ tr/SEARCHLIST//c;s/PATTERN/REPLACEMENT/modifiers;
LVALUE =~ s/PATTERN/REPLACEMENT/modifiers;
RVALUE =~ s/PATTERN/REPLACEMENT/rmodifiers;修饰符 | 含义 |
|---|---|
/c | 求SERACHLIST的补集 |
/d | 删除找到但是未替换的字符串 |
/s | 合并压缩重复的替换字符 |
/r | 返回转换字符串，原字符串保持不变 |
元符号表
符号 | 原子性 | 含义 |
|---|---|---|
… | 可变 | 使下一个字母数字字符为元字符，或者（可能）使下一个非字母数字字符不作为元字符 |
…|… | 否 | 候选（匹配一个或另一个） |
(…) | 是 | 分组（当做一个单元） |
[…] | 是 | 字符类（匹配一组中的字符） |
^ | 否 | 如果在字符串开头（或者可能在某个换行符后面）则为true |
. | 是 | 匹配一个字符（正常情况下除换行符以外） |
$ | 否 | 如果在字符串末尾（或者可能在某个换行符前面）true |
正则表达式量词
最大 | 最小 | 占有 | 允许范围 |
|---|---|---|---|
{MIN,MAX} | {MIN,MAX}? | {MIN,MAX}? | 必须至少出现MIN次，但是不超过MAX次 |
{MIN,} | {MIN,}? | {MIN,}? | 必须至少出现MIN次 |
{COUNT} | {COUNT}? | {COUNT}? | 必须正好匹配COUNT次 |
* | *? | * | 0或多次 （等同于{0,}) |
| ? | ** | 1或多次 (等同于{1,}) |
? | ?? | ? | 0或1次（等同于{0,1}) |
扩展正则表达式序列
扩展 | 原子性 | 含义 |
|---|---|---|
(?#…) | 否 | 注释，丢弃 |
(?:…) | 是 | 非捕获组 |
(?>…) | 是 | 占有组，不捕获也不回溯 |
(?adlupimsx-imsx) | 否 | 启用/禁用模式修饰符 |
(?^alupimsx) | 否 | 重置和启用模式修饰符 |
(?adlupimsx-imsx:…) | 是 | 只用于分组的小括号，以及启用/禁用修饰符 |
(?^alupimsx:…) | 是 | 只用于分组的小括号，以及重置和启用修饰符 |
(?=…) | 否 | 如果前瞻断言成功则为true |
(?!..) | 否 | 如果前瞻断言失败则为true |
(?<=…) | 否 | 如果后顾断言成功则为true |
(?<!..) | 否 | 如果后顾断言失败贼为true |
(?|…|…|…) | 是 | 为编号分组重置分支 |
(?…) | 是 | 命名捕获分组，也记为(?‘NAME’…). |
(?{…}) | 否 | 执行嵌入的Perl代码 |
(??{…}) | 是 | 匹配嵌入Perl代码中的正则表达式 |
(?NUMBER) | 是 | 调用组NUMBER中的独立子表达式，也记作(? NUMBER), (?-NUMBER), (?0)和(?R)。要确保这里不能使用&字符 |
(?&NAME) | 是 | 在组NAME上递归，确保这里一定要用&字符。另外可以写作(?P>NAME) |
(?(COND)…|…) | 是 | 匹配if-then-else模式 |
(?(COND)…) | 是 | 匹配if-then模式 |
(?(DEFINE)…) | 否 | 为完成后面的”正则表达式子例程”调用，将命名组定义为(?&NAME) |
(*VERB) | 否 | 回溯控制动词，也写作（*VERB::NAME) |
字母数字正则表达式元符号
符号 | 原子性 | 含义 |
|---|---|---|
o | 是 | 匹配字符数字0（U 0000,NULL, NUL) |
NNN | 是 | 匹配用八进制给定的字符，最大为377 |
n | 是 | 匹配第n个捕获组（十进制） |
a | 是 | 匹配警报字符（ALERT，BEL) |
A | 否 | 在字符串开头时为true |
b | 是 | 匹配退格字符（BACKSPACE，BS）(只在字符类中） |
b | 否 | 在单词边界时为true |
B | 否 | 不在单词边界时为true |
c X | 是 | 匹配控制字符Control-X(cZ, c[等） |
C | 是 | |
d | 是 | 匹配任何数字字符 |
D | 是 | 匹配任何非数字字符 |
e | 是 | 匹配转义字符（ESCAPE，ESC, 非反斜线） |
E | — | 结束大小写(F, L, U)或反斜线(Q)转换 |
f | 是 | 匹配换页字符(FORM FEED, FF) |
F | — | |
g{GROUP} | 是 | 匹配命名或编号捕获组 |
G | 否 | 在前一个m//g匹配结束位置时为true |
h | 是 | 匹配所有水平制表符 |
H | 是 | 匹配除水平制表符以外的所有字符 |
k | 是 | 匹配命名捕获分组，也写作k’NAME’ |
K | 否 | 使K左边的文本不匹配 |
l | — | 只将下一个字符小写（而不是foldcase） |
L | — | 小写（而不是foldcase）直到E结束 |
n | 是 | 匹配换行符(通常为LINE FEED, LF) |
N | 是 | 匹配除换行符以外的所有字符 |
N{NAME} | 是 | 匹配命名字符，别名或序列，如N{greek:Sigma}匹配 “Σ” |
o{NAME} | 是 | 匹配用八进制给定的字符 |
p{PRO} | 是 | 匹配任何有命名属性的字符 |
P{PRO} | 是 | 匹配任何没有命名属性的字符 |
Q | — | 引用（消元）元字符，直到E结束 |
r | 是 | 匹配回车字符（通常是CARRIAGE RETURN, CR） |
R | 是 | 匹配任何换行字形簇（不在字符类中） |
s | 是 | 匹配任何空白字符 |
S | 是 | 匹配任何非空白字符 |
t | 是 | 匹配制表符（CHARACTER TABULATION, HT) |
u | — | 只使下一个字符转换为大写（不是整个字符串为大写） |
U | — | 转为大写（而不是首字母大写），直到E结束 |
v | 是 | 匹配任何垂直制表符 |
V | 是 | 匹配除垂直空白符以外的任何字符 |
w | 是 | 匹配任何”单词”字符（字母，数字，组合标记和连接符号） |
W | 是 | 匹配任何非单词字符 |
x{abcd} | 是 | 匹配用十六进制给定的字符 |
X | 是 | 匹配字形簇（不在字符类中） |
z | 否 | 只在字符串末尾为true |
Z | 否 | 在字符串末尾或可选的换行符前面时为true |
/c使用示例
这里之所以加一个g修饰符是因为perl在进行全局匹配时，会记住匹配的位置，以便下一次继续从匹配的位置继续往下匹配。 为了清晰的查看它的运行原理，可以配合pos函数来获取当前文本匹配的位置。
代码语言：javascript复制my $test_str = "my1342daw2";
$test_str =~ m/dd/gp;
say "The match part is ${^MATCH} and the position is ",pos $test_str; # 4
$test_str =~ m/dd/gp;
say "The match part is ${^MATCH} and the position is ",pos $test_str; # 6
$test_str =~ m/dd/gp;
say "The match part is ${^MATCH} and the position is ",pos $test_str; # undef, 匹配失败以后，指针位置重置
$test_str =~ m/dd/gp;
say "The match part is ${^MATCH} and the position is ",pos $test_str; # 4，又回到了最初匹配的位置
$test_str =~ m/ddd/gpc;
say "The match part is ${^MATCH} and the position is ",pos $test_str; # 匹配失败，但是指针位置依然在之前匹配到的位置G使用示例
代码语言：javascript复制可以指定G，使得本次匹配强制从位移处进行匹配，不允许跳过任何匹配失败的字符。
如果本次G全局匹配成功，位移指针自然会后移
如果本次G全局匹配失败，且没有加上c修饰符，那么位移指针将重置
如果本次G全局匹配失败，且加上了c修饰符，那么位移指针将卡在那不动配合/g修饰符来使用G
代码语言：javascript复制my $txt="1234ab56";
$txt =~ /dd/g;
print "matched $&: ",pos $txt,"n"; # 12, 2
$txt =~ /dd/g;
print "matched $&: ",pos $txt,"n"; # 34, 4
$txt =~ /Gd/g; # 强制从位移4开始匹配，无法匹配字母a，但又不允许跳过
# 所以本次G全局匹配失败，由于没有修饰符c，指针重置
print "matched $&: ",pos $txt,"n";
$txt =~ /Gd/g; # 指针回到0，强制从0处开始匹配，数值1能匹配成功
print "matched $&: ",pos $txt,"n"; # 1, 1配合/gc修饰符来使用G
代码语言：javascript复制my $txt="1234ab56";
$txt =~ /dd/g;
print "matched $&: ",pos $txt,"n"; # matched:12, pos: 2
$txt =~ /dd/g;
print "matched $&: ",pos $txt,"n"; # matched:34, pos: 4
$txt =~ /Gd/gc; # 匹配失败，指针卡在原地
print "matched $&: ",pos $txt,"n"; # 依然保留着之前匹配成功的值，matched:34, pos: 4
$txt =~ /Gd/gc; # 匹配失败，指针继续卡在原地
print "matched $&: ",pos $txt,"n";
$txt =~ /Gd/gc; # 匹配失败，指针继续卡在原地
print "matched $&: ",pos $txt,"n";环视锚定(断言)
代码语言：javascript复制"环视"锚定，即lookaround anchor，也称为"零宽断言"，它表示匹配的是位置，不是字符。
(?=...)：表示从左向右的顺序环视。例如(?=d)表示当前字符的右边是一个数字时就满足条件
(?!...)：表示顺序环视的取反。如(?!d)表示当前字符的右边不是一个数字时就满足条件
(?<=...)：表示从右向左的逆序环视。例如(?<=d)表示当前字符的左边是一个数字时就满足条件
(?<!)...：表示逆序环视的取反。如(?<!d)表示当前字符的左边不是一个数字时就满足条件
关于"环视"锚定，最需要注意的一点是匹配的结果不占用任何字符，它仅仅只是锚定位置。
例如"your name is longshuai MA"和"your name is longfei MA"。使用(?=longshuai)将能锚定第一个句子中单词"longshuai"前面的空字符，但它的匹配结果是"longshuai"前的空白字符，所以(?=longshuai)long才能代表"long"这几个字符串，所以仅对于此处的两个句子，long(?=shuai)和(?=longshuai)long是等价的。
一般为了方便理解，在顺序环视的时候会将匹配内容放在锚定括号的左边(如long(?=longshuai))，在逆序环视的时候会将匹配的内容放在锚定括号的右边(如(?<=long)shuai)。
另外，无论是哪种锚定，都是从左向右匹配再做回溯的(假设允许回溯)，即使是逆序环视。
例如：
$str="abc123abcc12c34";
# 顺序环视
$str =~ /a.*c(?=d)/; # abc123abcc12c
print "$&n";
# 顺序否定环视
$str =~ /a.*c(?!d)/; # abc123abc
print "$&n";
# 逆序环视，这里能逆序匹配成功，靠的是锚定括号后面的c
$str =~ /a.*(?<=d)c/; # abc123abcc12c
print "$&n";
# 逆序否定环视
$str =~ /a.*(?<!d)c/; # abc123abcc
print "$&n";
逆序环视的表达式必须只能表示固定长度的字符串。例如(?<=word)或(?<=word|word)可以，但(?<=word?)不可以，因为?匹配0或1长度，长度不定，它无法对左边是word还是wordx做正确判断。
1
2
3
$str="hello worlds Gaoxiaofang";
$str =~ /he.*(?<=worlds?) Gao/; # 报错
$str =~ /he.*(?<=worlds|world) Gao/; # 报错
在PCRE中，这种变长的逆序环视锚定可重写为(?<=word|words)，但perl中不允许，因为perl严格要求长度必须固定。固化分组 首先固化分组不是一种分组，所以无法去引用它。它和”占有优先”匹配模式(贪婪匹配、惰性匹配、占有优先匹配三种匹配模式)是等价的除了这两种称呼，在不同的书、不同的语言里还有一种称呼：原子匹配。 它的表示形式类似于分组(?>)，所以有些地方将其称呼为”固化分组”。再次说明，固化分组不是分组，无法进行引用。如果非要将其看作是分组，可以将其理解为被限定的匿名分组：不捕获，只分组。 按照”占有优先”的字面意义来理解比较容易：只要匹配成功了，就绝不回溯。 如果按照固化分组的概念来理解，就是将匹配成功的内容放进分组后，将其固定，不允许进行回溯。但是需要注意，这里的不回溯是放进分组中的内容不会回溯给分组外面，而分组内部的内容是可以回溯的。 如果不知道什么是回溯，看完下面的例子就明白。 例如”hello world”可以被hel.* world成功匹配，但不能被hel(?>.*) world匹配。因为正常情况下，.*匹配到所有内容，然后往回释放已匹配的内容直到释放完空格为止，这种往回释放字符的行为在正则术语中称为”回溯”。而固化分组后，.已匹配后面所有内容，这些内容一经匹配绝不交回，即无法回溯。 但是，如果正则表达式是hel(?>. world)，即将原来分组外面的内容放进了分组内部，这时在分组内部是会回溯的，也就是说能匹配”hello world”。
贪婪匹配、非贪婪匹配、占有优先匹配 在基础正则中，那些能匹配多次的量词都会匹配最长内容。这种尽量多匹配的行为称为”贪婪匹配”(greedy match)。 例如字符串”aa1122ccbb”，用正则表达式a.*c去匹配这个字符串，其中的.*将直接从第二个字母a开始匹配到最结尾的b，因为从第二个字母a开始到最后一个字母b都符合.*的匹配模式。再然后，去匹配字母c，但因为已经把所有字母匹配完了，只能回退一个字母一个字母地释放，每释放一个就匹配一次字母c，发现回退释放到倒数第三个字母就能满足匹配要求，于是这里的.*最终匹配的内容是”a1122cc”。 上面涉及到回溯的概念，也就是将那些已经被量词匹配的内容回退释放。 上面描述的是贪婪匹配行为，还有非贪婪匹配、占有优先匹配，以下简单描述下他们的意义： 非贪婪匹配：(lazy match,reluctant)尽可能少地匹配，也叫做懒惰匹配 占有优先匹配：(possessive)占有优先和固化分组是相同的，只要占有了就不再交换，不允许进行回溯。 有必要搞清楚这几种匹配模式在匹配机制上的区别： 贪婪匹配：对于那些量词，将一次性从左到右匹配到最大长度，然后再往回回溯释放 非贪婪匹配：对于那些量词，将从左向右逐字符匹配最短长度，然后直接结束这次的量词匹配行为 占有优先匹配：按照贪婪模式匹配，匹配后内容就锁住，不进行回溯(后文固化分组有具体示例) 除了上面描述的*量词会进行贪婪匹配，其他所有能进行多次匹配的量词可以选择贪婪匹配模式、非贪婪匹配模式和占有优先匹配模式，只需选择对应的量词元字符即可.
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/138258.html原文链接：https://javaforall.cn
