Perl语言的文字处理模式

Perl语言的文字处理模式(Regular Expression)

如果在Unix中曾经使用过sde、awk、grep这些指令的话,相信对于Perl语言中的文字处理模式(Regular Expression) 应该不会感到陌生才对。在Perl语言中因为有这个功能,所以对于字符串的处理能力是非常强有力的。Regular Expression可视为用来处理字符串的一种模式(pattern),其使用的格式/pattern/。在Perl语言的程序设计中,经常可以看得到类似语法的应用,在CGI程序设计中也不例外。只要能够善用文字处理模式的话,要处理任何难的字 符串皆可迎刃而解,在本章中笔者会用深入浅出的方式来介绍Regufar Expression的用法。

一、文字处理(RegularExpression)的常用语法

以下是文字处理模式中,/pattern/常用到的语法: /pattern/ 说明除了换行字符/n外,找寻只有一个字符的字符串 x? 找寻0个或是1个x字符 x* 找寻0个或是0个以上的x字符 .* 找寻0个或是0个以上的任何字符 x+ 找寻1个或是1个以上的x字符 .+ 找寻1个或是1个以上的任何字符 {m} 找寻刚好是m各个数指定的字符 {m,n}找寻在m个个数以上、n个个数以下指定的字符 {m,} 找寻m个个数以上指定的字符 [] 找寻符合[]内的字符 [^] 找寻不符合[]内的字符 [0-9] 找寻符合0到9的任何一个字符[a-z] 找寻符合a到z的任何一个字符 [^0-9] 找寻不符合0到9的任何一个字符 [^a-z] 找寻不符合a到z的任何一个字符 ^ 找寻字符串开头的字符 $ 找寻字符串结尾的字符 d 找寻一个digit(数字)的字符,和[0-9]语法一样 d+ 找寻一个digit(数字)以上的字符串,和[0-9]+语法一样 D 找寻一个non-digit(非数字)的字符,和[^0-9]语法一样 D+ 找寻一个non-digit(非数字)以上的字符串,和[^0-9]+语法一样 w 找寻一个英文字母或是数值的字符,和[a-zA-Z0-9]语法一样 w+ 找寻一个以上英文字母或是数值的字符串,和[a-zA-Z0-9]+语法一样 W 找寻一个非英文字母或是数值的字符,和[^a-zA-Z0-9]语法一样 W+ 找寻一个以上非英文字母或是数值的字符串,和[^a-zA-Z0-9]+语法一样 s 找寻一个空白的字符,和[ntrf]一样 s+ 找寻一个以上空白的字符,和[ntrf]+一样S 找寻一个非空白的字符,和[^ntrf]一样 S+ 找寻一个以上非空白的字符,和[^ntrf]+一样 b 找寻一个不以英文字母、数值为边界的字符串 B 找寻一个以英文字母、数值为边界的字符串 a|b|c 找到符合a字符或是b字符或是c字符的字符串 abc找到一个含有abc的字符串 (pattern) ()这个符号会记忆所找寻到的字符串,是一个很实用的语法 第一个()内所找到的字符串变成$1这个变量或是1变量 第二个()内所找到的字符串变成$2这个变量或是2变量 以此类推,笔者会在下一个小节中详细介绍它的用法/pattern/i i这个参数是代表忽略英文大小谢的意思,也就是在找寻字符串的时候,不会去考虑英文的大小写 如果要在pattern模式中找寻一个有特殊意义的字符,要在这个字符前加上这个符号,这样才会让这个特殊字符失效。

二、文字处理模式(RegularExpression)的简单范例

看了上一小节文字处理模式〈RegularExpression)之后,初学者对于这个语法的应用可能 还不是很清楚,所以笔者会在这一小节中,举出一些在文字处理模式中常用的范例给大家瞧瞧：

范例说明

/perl/ 找到含有perl的字符串 /^perl/ 找到开头是perl的字符串/perl$/ 找到结尾是perl的字符串 /c|g|i/ 找到含有c或g或i的字符串 /cg{2,4}i/ 找到c后面跟着2个到4个g,再跟着i的字符串 /cg{2}i/ 找到c后面跟着2个g,再跟着i的字符串 /cg*i/ 找到c后面跟着0个或多个g,再跟着i的字符串,如同/cg{0,}i/ /cg+i/ 找到c后面跟着一个以上的g,再跟着i的字符串,如同/cg{1,}i/ /cg?i/ 找到c后面跟着0个或是一个g,再跟着i的字符串,如同/cg{0,1}i/ /c.i/ 找到c后面跟着一个任意字符,再跟着i的字符串 /c..i/ 找到c后面跟着二个任意字符,再跟着i的字符串 /[cgi]/ 找到符合有这三个字符任意一个的字符串 /[^cgi]/ 找到没有有这三个字符任意一个的字符串 /d/ 找寻符合数值的字符串 可以使用/d+/来表示一个或是个多个数值的字符串 /D/ 找寻符合不是数值的字符串 可以使用/D+/来表示一个或是个多个非数值的字符串 /w/ 找寻符合英文字母、数值的字符串 可以使用/w+/来表示一个或是个多个英文字母、数值的字符串 /W/ 找寻符合非英文字母、数值的字符串 可以使用/W+/来表示一个或是个多个非英文字母、数值的字符串 /s/ 找寻符合空白的字符串 可以使用/s+/来表示一个或是更多个空白字符的字符串 /S/ 找寻符合不是空白字符的字符串 可以使用/S+/来表示一个或是更多不是空白的字符的字符串 /*/ 找寻符合*这个符号的字符串,因为*在文字处理模式中有它的特殊意思,所以要在这个特殊符号前加上这个符号,这样才会让这个特殊字符失效 /abc/i 找寻符合abc的字符串而且不考虑这些符合字符串的大小写。

三、文字处理模式(Regular Expression)相关的运算符及函数

在perl程序写作中常会用到=~和!~这两个运算符及s和tr这二个函数来和文字处理模式/pattern/搭配而成一个运算式,如果能够活用这些指令的话,就可以很轻易地来处理一些字符串，当然在CGI程序设计中也就更能得心应手了。现在就让作者来介绍这些运算符及函数的用法：

　 --------------------------------------------------------------------------

指令: /pattern/文字运算

说明:如果在文字运算中没有使用=~或是!~运算符指定一个字符串来做运算的话, 就会使用内定的输出变量$_来做/pattern/文字运算。

范例一:

$string="chmod7llcgi";

$string=~/(w+)s+(d+)/;

第一个(w+)是代表找寻数个字母，并将所找到的字符串指派给$l这个变量,而s+代表 找寻多个空白的字符串,最后(d+)代表找寻数个数值,并将所找到的字符串指派给$2这 个变量。所以$l="chmod",$2=71l,但是$string还是等于原来的字符串,没有改变。

范例二:

$_="chmod71lcgi";

/(w+)s+(d+)/;

因为是把字符串指定给$_这个变量,所以可以不用=~这个运算符就会得到$l="chmod", $2=711;而且$_还是等于原来的字符串,没有改变。

范例三:

$string="chmod71lcgi";

@list=split(/s+/,$string);

以一个或是多个空白字符来分割$string这个字符串,这是一个很常用的语法。此时 @list=("chmod","7ll","cgi");

　 --------------------------------------------------------------------------

指令: =~相配运算符

说明:这是Perl语言中特有的语法,通常会和文字处理模式来作运算。

范例:

print"请输入一个字符串!n";

$string=<>;　#<>代表标准输入,会让使用者输入一字符串

chop($string);#将$string最后一个换行的字符n删除掉

if($string=~/cgi/){ 　

　 print"输入的字符串中有cgi这个字符串!n";

}

如果输入的字符串中含有cgi这个字符串的话,就会显示出这个信息。

　 --------------------------------------------------------------------------

指令:!~不相配运算符

说明:这也是Perl语言中特有的语法,通常会和文字处理模式来作运算。

范例:

print"请输入一个字符串!n";

$string=<>;　#<>代表标准输入,会让使用者输入一字符串

chop($string);#将$stdng最后一个换行的字符n删除掉

if($string!~/cgi/){

print"输入的字符串中没有cgi这个字符串!n";

}

如果输入的字符串中没有含有cgi这个字符串的话,就会显示出这个信息。

　 --------------------------------------------------------------------------

指令:tr转换函数

语法:tr/SEARCHLIST/REPLACELIST/

其中SEARCHLIST是要转换的字符,REPLACELIST是转换成何种字符。

说明:tr(translate)就是转换的意思,会把符合转换的字符转换成要转换的字符。

范例一:

$string="test1ng";

$string=~tr/et/ET/;#此时$string="TEsTing";

$string=~tr/a-z/A-Z/;#此时$string="TESTING";

范例二:

$string="CGI+Perl";

$string=~tr/+//;#此时$string="CGI Perl";

在传送CGI数据的时候会先将数据编码,其中会将空白的字符转成+这个字符,所以 在

解码的时候要把+这个字符还原成空白的字符。

　 --------------------------------------------------------------------------

指令:s取代函数

语法:s/PATTERN/REPLACE/eg

其中PATTERN是文字处理(Regular Expression)的模式,REPLACE是代表取代成何种文字 模式。而g是这个函数最常用的参数,代表要把所有符合文字模式的字符串 全部取代,如果省略这个参数的话,则只取代一个符合文字模式的字符串;而加上e这 个参数是代表要将REPLACE的部分当成一个运算式,如果没有这个需要的话,就不用加 上这个参数。

说明:将符合文字处理模式的字符串取代成为要取代的字符串。

范例一:

$string="i;love;perl";

$string=~s/:/*/：　#此时$string="i*love:perl";

$string=~s/:/*/g;　#此时$string="i*love*perl";

$stiing=~s/*/+/g;　#此时$string="i+love+perl";

$string=~s/+//g：　#此时$string="i love perl";

上一行也可写成$string=~tr/+//;效果都会一样哦!

$string=~s/per1/cgi/;　#此时$string="i love cgi";

范例二:

$string="i love per";

$string=~s/(love)/<$1>/;

第一个()内所找到的字符串变成$1,在这个范例中,会把变量love这个字符串变成<>,此时$string="i<>perl";

$string="i love per1";

$string=~s/(i)(perl)/<$1><$2>/;

在这个范例中,会把i变成<>,perl变成<>此时$string="<>love<>";

$striag="i love per1";

$string=~s/(w+)/<$1>/g;

(w+)代表找寻符合一个或是多个英文字符或是数值的字符串,之后再将找到的字符串设成$l。因为加上g这个参数,所以会找到字符串中的这三个英文单字, 然后 再把这三个单字分别加上<>这个符号,此时$string="<><><>";

范例三:

$string="ww22cgi44";

$string=~s/(d+)/$1*2/e;

(d+)代表要找寻$string中一个或是多个数值的字符串,再将找到的字符串设成$1。加上参数e是代表要把$l*2当作是一个运算式,所以$string="www44cgi44";

$string="www22cgi44";

$string=~s/(d+)/$1*2/eg;

加上参数e,所以会把$1*2当作是一个运算式来看, 加上参数g就会把全部符合数值的字符串经过运算式运算之后再把它取代,所以$string="www44cgi88";

范例四:

假设原本的字符串是$value="三八!",经CGI数据编码之后,这个字符串就会变成$value="%A4T%A4K%21"。以下是一个解码的示范程序:

$value="%A4T%A4K%2l"；

$value=~s/%([a-fA-F0-9][a-fA-F0-9])/pack("C",hex($l))/eg;

在传送CGI数据的时候会把数据编码,其中会将特殊字符或是中文字符编码成以% 开头的连续两个十六进制数的字符串,所以要用s这个函数来找寻这个以%开头的字符串。为了要把找到的字符串再做解码的处理, 所以要在%这个符号之后加上 ()这个符号, 表示会把找到的字符串记忆起来并指定给$1这个变量,而且要在() 中加上代表是连续两个十六进制数值的文字处理模式(Regular Expression),也 就是[a-fA-F0-9][a-fA-F0- 9]。再用hex这个函数($1是代表符合的字符串)把十 六进制数值转成十进制的码,之后再用pack这个函数(以C为参数,是代表 unsigned char value的意思)把这个十进制码还原成原来的字符串。最后就会 把这个字符串解码成$value="三八!"。值得一提的是也可以把这个解码的程序 写成:

$value=~s/%(..)/pack("C",hex($l))/eg;