Perl正则表达式详解[通俗易懂]

Perl正则表达式详解[通俗易懂]Perl中的正则表达式使用示例m//修饰符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

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

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)

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
…|… 候选(匹配一个或另一个)
(…) 分组(当做一个单元)
[…] 字符类(匹配一组中的字符)
^ 如果在字符串开头(或者可能在某个换行符后面)则为true
. 匹配一个字符(正常情况下除换行符以外)
$ 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
(?#…) 注释,丢弃
(?:…) 非捕获组
(?>…) 占有组,不捕获也不回溯
(?adlupimsx-imsx) 启用/禁用模式修饰符
(?^alupimsx) 重置和启用模式修饰符
(?adlupimsx-imsx:…) 只用于分组的小括号,以及启用/禁用修饰符
(?^alupimsx:…) 只用于分组的小括号,以及重置和启用修饰符
(?=…) 如果前瞻断言成功则为true
(?!..) 如果前瞻断言失败则为true
(?<=…) 如果后顾断言成功则为true
(?<!..) 如果后顾断言失败贼为true
(?|…|…|…) 为编号分组重置分支
(?…) 命名捕获分组,也记为(?‘NAME’…).
(?{…}) 执行嵌入的Perl代码
(??{…}) 匹配嵌入Perl代码中的正则表达式
(?NUMBER) 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) 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)…|…) 匹配if-then-else模式
(?(COND)…) 匹配if-then模式
(?(DEFINE)…) 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) 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 匹配字符数字0(U+0000,NULL, NUL)
\ NNN 匹配用八进制给定的字符,最大为\377
\ n 匹配第n个捕获组(十进制)
\a 匹配警报字符(ALERT,BEL)
\A 在字符串开头时为true
\b 匹配退格字符(BACKSPACE,BS)(只在字符类中)
\b 在单词边界时为true
\B 不在单词边界时为true
\c X 匹配控制字符Control-X(\cZ, \c[等)
\C
\d 匹配任何数字字符
\D 匹配任何非数字字符
\e 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 匹配换页字符(FORM FEED, FF)
\F
\g{GROUP} 匹配命名或编号捕获组
\G 在前一个m//g匹配结束位置时为true
\h 匹配所有水平制表符
\H 匹配除水平制表符以外的所有字符
\k 匹配命名捕获分组,也写作\k’NAME’
\K 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 匹配换行符(通常为LINE FEED, LF)
\N 匹配除换行符以外的所有字符
\N{NAME} 匹配命名字符,别名或序列,如\N{greek:Sigma}匹配 “Σ”
\o{NAME} 匹配用八进制给定的字符
\p{PRO} 匹配任何有命名属性的字符
\P{PRO} 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 匹配回车字符(通常是CARRIAGE RETURN, CR)
\R 匹配任何换行字形簇(不在字符类中)
\s 匹配任何空白字符
\S 匹配任何非空白字符
\t 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 匹配任何垂直制表符
\V 匹配除垂直空白符以外的任何字符
\w 匹配任何”单词”字符(字母,数字,组合标记和连接符号)
\W 匹配任何非单词字符
\x{abcd} 匹配用十六进制给定的字符
\X 匹配字形簇(不在字符类中)
\z 只在字符串末尾为true
\Z 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。

my $test_str = "my1342daw2";
$test_str =~ m/\d\d/gp;
say "The match part is ${^MATCH} and the position is ",pos $test_str; # 4

$test_str =~ m/\d\d/gp;
say "The match part is ${^MATCH} and the position is ",pos $test_str; # 6

$test_str =~ m/\d\d/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/\d\d/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/\d\d\d/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

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

my $txt="1234ab56";
$txt =~ /\d\d/g;
print "matched $&: ",pos $txt,"\n"; # 12, 2
$txt =~ /\d\d/g;
print "matched $&: ",pos $txt,"\n"; # 34, 4

$txt =~ /\G\d/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 =~ /\G\d/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

my $txt="1234ab56";
$txt =~ /\d\d/g;
print "matched $&: ",pos $txt,"\n"; # matched:12, pos: 2
$txt =~ /\d\d/g;
print "matched $&: ",pos $txt,"\n"; # matched:34, pos: 4
$txt =~ /\G\d/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 =~ /\G\d/gc;        # 匹配失败,指针继续卡在原地
print "matched $&: ",pos $txt,"\n";
$txt =~ /\G\d/gc;        # 匹配失败,指针继续卡在原地
print "matched $&: ",pos $txt,"\n";

环视锚定(断言)



"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.

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/138258.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号