Perl 的正規表示式
if ( $str =~ /abc/ ) {
print $str;
}
上面這個例子是說如果 $str 比對符合有 abc 這個字串, 就將 $str 印出來
1. =~ 代表的是比對符合
2. !~ 可以用來表示比對不符合的情形
3. 如果要 case insensitive 比對, 用 /abc/i 代替 /abc/ 即可
4. / 代表比對邊界的開始與結束
5. 如果要比對的字串中含有 / 字元, 以 $str 是否比對符合有 "/home" 字串為例, 比對敘述可以有下面兩種處理方式
a. $str =~ /\/home/
將 / 字元前面加一反斜線 \, 讓字串中的 / 字元不具有比對邊界字元的意思
b. $str =~ m!/home!
透過 m 命令將邊界字元換成其它字元, 在這裡我們將邊界字元換成 !
更精簡的例子 ( 利用 $_)
if ( /abc/ ) {
print;
}
這個更短的例子看起來有點怪, 其實是因為它隱藏了 $_ 這個內定運算元, 當 Perl 中你看不到運算元時, 表示此時運算元是內定運算元 $_, 上面這個例子其實就是
if ( $_=~/abc/ ) {
print $_;
}
Character Pattern
| 表示法 | 意義 |
| 任意字母 | 代表此字母本身 |
| . | 代表除換行字元外的任意一個字元 |
| [任意個任意字元] | 代表一個在 [] 中出現的字元 |
| [^任意個任意字元] | 代表一個不在 [] 中出現的字元 |
/abcd/
任意含 abcd 的字串
/a.b/
a 帶一個任意字元, 後面接著一個 b
/[abc]xy/
a 或 b 或 c 其後帶著 xy
/[^abc]xy/
abc 以外任一字元帶著 xy
Buildin Character Class
| 表示法 | 意義 |
| \d | [0-9] |
| \D | [^0-9] |
| \w | [A-Za-z] |
| \W | [^A-Za-z] |
| \s | [ \r\t\n\f] |
| \S | [^ \r\t\n\f] |
/[\dA-Fa-f]/
16 進位數字 0..9a..f
Multipler
| 表示法 | 意義 |
| * | 代表 * 前一個字元出現 0 到任意多次 |
| + | 代表 + 前一個字元出現 1 到任意多次 |
| ? | 代表 ? 前一個字元出現 0 或 1 次 |
| {repeat} | 代表 { } 之前的字元出現 repeat 次 |
/ab+c/
a 跟著一個以上的b, 再跟著 c, 比如 abc, abbc, abbbc, abbbbc, abbbbbc, abbbbbc.....
/ab{5}c/
a 跟著 5 個 b, 再跟著 c,
Anchor Pattern (定位樣式)
| 表示法 | 意義 |
| ^ | 字首 |
| $ | 字尾 |
| \b | word boundary |
| \B | not word boundary |
/^a.*c$/
a 開頭 c 結尾的任意字串
/\bFred\B/
與 Frederich 符合, 但與 Fred liu 不符合
利用 ( ) 記憶比對結果
當 pattern 中有 ( ) 時, ( ) 中的部份在比對成功時會依序被記錄到 $1, $2, $3.... 這些個變數中,
在 pattern 的其它部份可以分別用 \1, \2, \3... 來引用 $1, $2, $3 的內容
範例
/(b*)a\1/
代表 a, bab, bbabb, bbbabbb, bbbbabbbb .....
當 pattern 中有 ( ) 時, 比對成功後, 記錄在 $1, $2, $3... 的內容可以被程式的其它部份使用
範例
if ( m!\s(\w+)://([\w\d#~%&+:\-\.])/?(.*)\s! ) {
$protocol=$1;
$host=$2;
$path=$3;
}
代換運算
正規表示式除了用來作比對外, 也可以用來做字串代換
| 表示法 | 意義 |
| s/原字串 pattern/新字串/ | 字串代換(至多一次) |
| s/原字串 pattern/新字串/g | 字串代換(全部代換) |
| s!原字串 pattern!新字串! | 字串代換, 改以 ! 為分隔字元 |
s/alpha/beta/
將 alpha 換成 beta
s/alpha/beta/g
將所有的 alpha 換成 beta
. 代表任意字元，但不包括換行字元 \n
* 代表比對成功的次數是 0 或 0 次以上
+ 代表比對成功的次數是 1 或 1 次以上
? 代表比對成功的次數是 0 或 1 次 (若用在其它數量修飾子之後，則表示 "比對採不貪心的模式")
^ 代表字串開頭
$ 代表字串結尾
\ 將其後的字元跳脫，使其回歸原字元的涵義，如：\\ , \. , \@ , \? , \*
| 樣式中的 或
( ) 群集
[0-9] 一個數字字元
[^0-9] 非數字
[a-z] 一個英文小寫字母
[^a-z] 非小寫
[A-Z] 一個英文大寫字母
[^A-Z] 非大寫
[a-zA-Z] 英文字母
[^a-zA-Z] 非英文字母
\d 同 [0-9] 數字
\D 同 [^0-9] 非數字
\w 文字， 同 [a-zA-Z0-9_]
\W 非文字，同 [^a-zA-Z0-9_]
\s 空白字元，同 [ \t\n\r\f]
\S 非空白字元，同 [^ \t\n\r\f]
\b 單字的邊界
\B 非單字的邊界
\xnn 16 進位數 nn
\nnn 8 進位數 nnn
{n} 剛好 n 次
{n, } n 次以上
{n, m} 至少 n 次，但不能超過 m 次
更多關於 Regular Expression 的說明請看這裡
以下是相對的一些例子。記住它們皆須被置於 /.../中來使用。
t.e # t 後面跟隨著的任何字元其後跟隨的是 e # This will match the # tre # tle # but not te # tale ^f # f 在一行的起始 ^ftp # ftp 在一行的起始 e$ # e 在一行的尾端 tle$ # tle 在一行的尾端 und* # un 之後跟髓著零或多個 d 字元 # This will match un # und # undd # unddd (etc) .* # 任何一個沒有 newline 的字串。這是因為 . 吻合任何字串除了 newline 並且 * 代表零或多個這種情況 ^$ # 空無一物的一行以下是更多其它的選擇。中括弧被用來比對括弧中的任何一個字元，而括弧中的 - 代表 "介於"，並且開始的 ^ 代表 "無"：
[qjk] # q 或 j 或 k 任何一者 [^qjk] # 非 q 或 j 或 k 任何一者 [a-z] # 任何介於 a 到 z 者 [^a-z] # 無小寫字母 [a-zA-Z] # 任何英文字母 [a-z]+ # 任何非零的小寫字元到此你（妳）或許可以跳到最後的練習部分，剩下的部分僅供參考。一個垂值的 | 表示 "or" ，並且 (...) 能用來做聚合的作用：
jelly|cream # jelly 或 cream 兩者之一 (eg|le)gs # eggs 或 legs 兩者之一 (da)+ # da 或 dada 或 dadada 或...Here are some more special characters:
\n # A newline \t # A tab \w # Any alphanumeric (word) character. # The same as [a-zA-Z0-9_] \W # Any non-word character. # The same as [^a-zA-Z0-9_] \d # Any digit. The same as [0-9] \D # Any non-digit. The same as [^0-9] \s # Any whitespace character: space, # tab, newline, etc \S # Any non-whitespace character \b # A word boundary, outside [] only \B # No word boundaryClearly characters like $, |, [, ), \, / and so on are peculiar cases in regular expressions. If you want to match for one of those then you have to preceed it by a backslash. So:
\| # Vertical bar \[ # An open square bracket \) # A closing parenthesis \* # An asterisk \^ # A carat symbol \/ # A slash \\ # A backslashand so on.
Some example REs
As was mentioned earlier, it's probably best to build up your use of regular expressions slowly. Here are a few examples. Remember that to use them for matching they should be put in /.../ slashes[01] # Either "0" or "1" \/0 # A division by zero: "/0" \/ 0 # A division by zero with a space: "/ 0" \/\s0 # A division by zero with a whitespace: # "/ 0" where the space may be a tab etc. \/ *0 # A division by zero with possibly some # spaces: "/0" or "/ 0" or "/ 0" etc. \/\s*0 # A division by zero with possibly some # whitespace. \/\s*0\.0* # As the previous one, but with decimal # point and maybe some 0s after it. Accepts # "/0." and "/0.0" and "/0.00" etc and # "/ 0." and "/ 0.0" and "/ 0.00" etc.
沒有留言:
張貼留言