版权声明：转载请说明出处！ https://blog.csdn.net/qq_39556143/article/details/85010570
Perl正则表达式
1. 基础知识
- Perl中正则表达式(regular expression)默认匹配 $_ 中的字符串，匹配成功就返回真，否则返回假；
- Perl匹配正则表达式时，可以使用变量内插，先完成变量内插，取出变量中的字符串后，编译正则表达式。
1.1 regex中的通配符
- 点号 . （元字符）
- 可以匹配除换行符 \n 之外的任意单个字符；
- 点号 . 代表的不是它字符本身，但是可以匹配点这个字符(可以匹配自己)
- 只想匹配单个点 . 字符，可以先用反斜线转义 .
- 如果不喜欢使用点 . ,可以使用\N，效果一致 (后面介绍\N的含义)
1.2 regex中的量词
- Perl中用到的常见量词包括 * + ? ,其具体含义见下表。
表1.2 正则表达式量词以及对应的广义形式
| 匹配次数 | 元字符 | 广义写法 | 示例 | 说明 |
|---|---|---|---|---|
| 可有可无 | ？ | {0,1} | /ab?a/ | 字符b可以出现一次或者不出现 |
| 零次或多次 | * | {0,} | /ab*a/ | 字符b可以不出现或者出现多次 |
| 一次或多次 | + | {1,} | /ab+a/ | 字符b可以出现一次或者出现多次 |
| 最少n次 | {3,} | /ab{3,}a/ | 字符b至少出现三次 | |
| 指定重复范围 | {2,5} | /ab{2,5}a/ | 字符b出现2~5次 | |
| 指定准确次数 | {8} | /ab{8}a/ | 字符b只能出现8次 |
1.3 regex中的模式分组
- perl中我们可以使用圆括号()将模式字符分组，所以圆括号也是元字符。
- 在此之前，量词只作用于它之前的那个字符，使用()进行模式分组以后，此时量词对应要重复的就是()围起来的部分，比如/(fred)+/，可以匹配fredfredfred这样的字符。
- 可以反向引用圆括号()中匹配的字符，我们可以取得()中匹配的结果，又称这种分组为捕获分组。
表1.3 模式分组匹配示例及相关说明 (以字符串"abbbabbb"为例)
| 示例字符串 | 示例 | 匹配结果 | 情况说明 |
|---|---|---|---|
| abba | /(.)\1/ | 匹配第一个"bb" | (.)为模式分组，\1为捕获分组 |
| yabb dabb | /y(…) d\1/ | 匹配整个字符串 | ()圆括号中可以包含多个字符，\1表示反向引用第一组模式 |
| yabba dabba | /y(.)(.)\2\1/ | 匹配’abba’ | \2表示反向引用第二组模式分组(第二组圆括号中匹配的字符) |
| yabba dabba | /y((.)(.)\3\2) d\1/ | 匹配整个字符串 | 反向引用中的数字指的是第几个左方括号中的内容 |
| aa11bb | /(.)\g{1}11/ | 匹配’aa11’ | \g{n}中的n指的是反向引用第n个左圆括号中的内容 (绝对位置) |
| aa11bb | /(.)\g{-1}11/ | 匹配’aa11’ | \g{n}中的n指的是反向引用左侧最靠近它的第n个左圆括号中的内容（相对位置） |
1.4 regex中的择一匹配
- 模式中的竖线字符 | ，也叫作或，表示择一匹配，要么左侧部分匹配，要么右侧部分匹配(左侧优先)
#!/usr/bin/perl
#包含两个操作符
foreach (qw/fred betty barney dino/) {
if (/fred|betty/) {
print "$_\n";
}
}
#Result
fred
betty
#包含三个操作符
foreach (qw/fred betty barney dino/) {
if (/fred|betty|barney/) {
print "$_\n";
}
}
#Result
fred
betty
barney
#其他使用方式
if (/fred|betty barney/) #匹配fred或batty barney，等于/fred|(betty barney)/的结果
if (/(fred|betty) barney/) #使用圆括号限制可选区域，匹配fred barney 或 betty barney
if (/fred( |\t)+barney/) #可以匹配fred和betty之间至少有一个以上空格或者制表符
if (/fred( +|\t)barney/) #fred和barney之间有一个以上空格或者一个制表符时匹配成功
1.5 regex中的字符集
- 模式中的字符集是指单个位置上能匹配的各种模式字符的集合，我们可以把这些字符归集到方括号中，比如[abcdef]，只要某个位置上出现的字符是这6个字符中的任意一个，就算匹配成功。
- 为了定义方便，我们可以使用连字符(-)指定范围如[a-zA-Z]表示所有英文字母的大小写,[0-9]表示所有数字等
- 字符集中如果需要匹配连字符本身:
- 要么转义[a-z]，只匹配a，连字符，z三个字符；
- 要么将连字符写在首位处，如[-a],[b-]
- 某些时候，反过来指定要排除匹配的字符更为方便，那么只需要在字符集内部的开头加上脱字符^
- [^def] #任何一个不是d e f的字符
- [^n-z] #小写 n 到 z 的所有字符都不行，其他字符可以
- [^n\-z] #小写字符 n z 和连字符 - 不可以，其他都可以
- 字符集的简写
表1.5 字符集的简写及对应的反义形式
| 简写 | 匹配 | 说明 |
|---|---|---|
| \d | 十进制数字 | 匹配数字0 ~ 9 |
| \D | 非十进制数字 | 匹配数字0 ~ 9之外的其他字符 |
| \s | 空白字符 | [\f\t\n\ ]等字符(未完待续) |
| \S | 非空白字符 | 除[\f\t\n\ ]之外的字符 |
| \h | 水平空白字符 | [\t\ ] v5.10开始支持 |
| \H | 非水平空白字符 | [\t\ ]之外的其他字符 v5.10开始支持 |
| \v | 纵向空白字符 | （待补充） |
| \V | 非纵向空白字符 | （待补充） |
| \R | 一般化的行结尾字符 | 包含\n, \r\n 及Unicode中定义的换行符 |
| \w | 单词字符 | 单词包括字母，数字，下划线 |
| \W | 非单词字符 | 字母，数字，下划线之外的字符 |
| \n | 换行符 | 不是真正意义的简写，就是一个字符 |
| \N | 非换行符 | 换行符之外的任意字符，和 点 . 一致 |