Perl语言的精华--模式匹配

常规表达式(Regular Expression)也译作正则表达式或文字处理模式，是指定模式的一种方法，这种模式对文本进行筛选，只匹配特定的字符串。一旦匹配到了一个字符串，就可以从大量的文本中将其抽取出来，或者利用另一个字符串来替代这个字符串。

常规表达式也是初学Perl者的难点所在，但一旦掌握其语法，它们就拥有几乎无限的模式匹配能力，而且Perl编程的大部分工作都是掌握常规表达式。

一 常规表达式中,/pattern/常用到的语法

/pattern/ 结果

　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0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个个数指定的字符

{m,n} 找寻在m个数个数以上,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

^ 找寻字符开头的字符

$ 找寻字符结尾的字符

\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,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,和〔a-zA-Z0-9〕+语法一样

\W 找寻一个非英文字母,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,数值的字符,和〔^a-zA-Z0-9〕+语法一样

\s 找寻一个空白的字符,和〔\n\t\r\f〕一样

\s+ 找寻一个以上空白的字符,和〔\n\t\r\f〕+一样

\S 找寻一个非空白的字符,和〔^\n\t\r\f〕一样

\S+ 找寻一个以上非空白的字符,和〔^\n\t\r\f〕+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) 　()这个符号是会记忆所找寻到的字符,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写的意思,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的意义的字符,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 常规表达式(Regular Expression)的简单范例

看了上一小节文字处理模(Regular Expression)之的,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,举出一些在常规表达式中常用的范例给大家看看:

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个以上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{0,1}i/

/cg+i/ 找到c后面跟着一个以上g,再跟着c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c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〕/ 找到没有这三个字符中任意一个的字符串

/\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+/来表示一个或是更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+/来表示一个或是更多个英文字母,数值的字符串

/\W/ 找寻符合非英文字母,数值字符的字符串

　可以使用/\W+/来表示一个或是更多个非英文字母,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*在常规表达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 常规表达式(Regular Expresion)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t这二个函数来和常规表达式/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程序设计中了就更能得心应手了。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="chmod711cgi";

$string=~/(\W)\s+(\d+)/;

第一个(\W+)是代表找寻数个字母,并将的找到的字符串指派给$1这个变量,而\s+代表找寻多个空白的字符串,最后(\d+)代表找寻个数值,并将所找到的字符串指派给$2这个变量。所以$1="chmod";$2=711;但是$string还是等于原来的字符串,没有改变。

范例二:

$_="chmod711cgi";

/(\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

$1="chmod";$2=711;而且$_还是等于原来的字符串,没有改变。

范例三:

$string="chmod711cgi";

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

以上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","711","cgi");

指令: =~相配运算符

说明:这是Perl语言中特有的语法,通常会和文字处理来作运算。

范例:

print"请输入一个字符串!\n";

$string=＜STDIN＞; #＜STIDN＞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,通常会和常规表达式来运算。

范例:

print"请输入一个字符串!\n";

$string=＜STDIN＞; #＜STIDN＞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没有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="testing";

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

$string=~tr/a-z/A-Z/; #此时$stirng="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。

指令:s 取代函数

语法:s/PATTERN/REPLACE/eg

其中

PATTERN是文字处理(Regular Expresion)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中;

而加上e这个参数代表要将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了。

说明:将符合常规表达式的字符串取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";

$string=~s/*/+/g; #此时$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!

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

范例二:

$string=~s/(love)/＜$1＞/;

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

$string="i love perl";

$string=~s(i)(perl)/＜$1＞＜$2＞/;

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

$string="i love perl";

$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$1。因为加上g这个参数,所以会找到字符串的这三个英文单字,然后再把这三个单字分加上＜＞这个符号,此时$string="＜perl＞＜love＞＜i＞";

范例三:

$string="www22cgi44";

$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$1*2当作是一个运算式,所以$string="www22cgi44";

$string="www22cgi44";

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

加上参数e,所以会把$1*2当作是一个运算符式来看;加上参数g就会把全部符合数值的字符串经过运算式运算之后再把它取代,所以$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%21";

$vlaue=~s/%(〔a-fA-F0-9〕〔a-fA-F0-9〕/pack("c",hex($1))/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以%开头的连续的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常规表达式(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($1))/eg;