Perl入门（十一）－－模式匹配

可以用操作符“=~”和“=!”来进行模式匹配：

$string = 'abcdef';
print $string =~ "bcd" . "\n"; # 1 即true
print $string =! "bcd" . "\n"; # null 即false

上面的例子中=~表示$string包含了bcd，=!表示$string不包含bcd。

模式匹配的标准形式是用斜杠来表示的：

$string =~ m/bcd/

最前面的m表示匹配（match）。两斜杠中间的字符串是用来匹配的内容。在最后的斜杠的右侧可以加入匹配选项，比如g表示匹配多个：

@matches = 'abcdefbcdgh' =~ m/bcd/g

利用g选项，可以让匹配返回一个数组。上例的@matches有两项，值都为"bcd"。前面的m可以省略，而最后的选项也是可选的，所以最简单的匹配方式就是：

$string =~ /bcd/;

匹配的内容可以是正则表达式：

sub printMatches {
    foreach $s (@_)
    {
        print "||" .  $s . "|| ";
    }
    print "\n";
}

# 字符+表示前面的字符出现一次或多次
printMatches 'babaaba' =~ /a+b/g; # ||ab|| ||aab||

# 字符*表示前面的字符出现零次、一次或多次
printMatches 'babaaba' =~ /a*b/g; # ||b|| ||ab|| ||aab||

# 字符?表示前面的字符出现零次或一次
printMatches 'babaaba' =~ /a?b/g; # ||b|| ||ab|| ||ab||

# 利用反斜杠表示转义
printMatches '*+?' =~ /\*\+\?/g; # ||*+?||

# 字符[]表示一组字符中的某一个
printMatches 'abacadae' =~ /a[cd]/g; # ||ac|| ||ad||

# 字符[^]表示不匹配一组字符中的任一个
printMatches 'abacadae' =~ /a[^cd]/g; # ||ab|| ||ae||

# 匹配字母或数字
printMatches 'šiC79@' =~ /[a-z|A-Z][0-9]/g; # ||x9|| ||C7||

# 字符^或\A匹配串首
printMatches 'abc9abd' =~ /^ab[a-z]/g; # ||abc||

# 字符$或\Z匹配串尾
printMatches 'abc9abd' =~ /ab[a-z]$/g; # ||abd||

# 字符\b表示单词边界
printMatches 'aw1 w2 w3a' =~ /\bw[1-9]/g; # ||w2|| ||w3||
printMatches 'aw1 w2 w3a' =~ /w[1-9]\b/g; # ||w1|| ||w2||

# 字符\B表示单词内部，即非单词边界
printMatches 'aw1 w2 w3a' =~ /\Bw[1-9]/g; # ||w1||
printMatches 'aw1 w2 w3a' =~ /w[1-9]\B/g; # ||w3||

# \d表示任意数字
printMatches 'w@aw1wgw3' =~ /w\d/g; # ||w1|| ||w3||

# \D表示非数字
printMatches 'w@aw1wgw3' =~ /w\D/g; # ||w@|| ||wg||

# \w表示任意单词字符，即字母与数字
printMatches '#ab#d@#89#!' =~ /#\w+/g; # ||#ab|| ||#d|| ||#89||

# \W表示非单词字符
printMatches '#ab#d@#89#!' =~ /#\W+/g; # ||#!||

# \s表示空白字符
printMatches 'a bc def ghij' =~ /\w+\s/g; # ||a || ||bc || ||def ||

# \S表示非空白字符
printMatches 'a bc def ghij' =~ /\w+\S/g; # ||bc|| ||def|| ||ghij||

# .表示除换行外的任意字符
printMatches 'a@a2ab' =~ /a./g; # ||a@|| ||a2|| ||ab||

# {}用于指定匹配字符出现的次数
printMatches 'ababbabbbabbbb' =~ /ab{2,3}/g; # ||abb|| ||abbb|| ||abbb||
printMatches 'ababbabbbabbbb' =~ /ab{1}[^b]/g; # ||aba||
printMatches 'ababbabbbabbbb' =~ /ab{3,}/g; # ||abbb|| ||abbbb||

# |用来匹配多种模式
printMatches 'isa82@32&64' =~ /[a-z]+\d+|@\d+/g; # ||isa82|| ||@32||

特殊字符也有优先级（由上至下优先级由高到低）：

特殊字符	描述
()	模式内存
+ * ? {}	出现次数
^ $ \b \B	锚
|	选项

 

# 可以用任意字符来作为模式定界符来代替默认的/
printMatches 'ab///c/d' =~ m#[a-z]/+#g; # ||b///|| ||c/||

圆括号可以把部分组合成整体：

# 用()可以将不同的部分组合起来，作为整体进行重复匹配
printMatches 'ab#abab#ababab#aba' =~ /(ab){3}/g; # ||ab|| （返回的值为圆括号最后一次匹配的字符串）
print $&; # ababab （$&用来存储最后一次匹配的结果）
printMatches 'aabbabab' =~ /(ab){3}/g; # null

# $1,$2,...用来存放各个组（即圆括号）最后一次匹配的结果
printMatches 'a1=b2#c3-d4 e5=f6#g7-h8' =~ /(\w+)=(\w+)#(\w+)-(\w+)/g; # ||a1|| ||b2|| ||c3|| ||d4|| ||e5|| ||f6|| ||g7|| ||h8||
print "$1, $2, $3, $4, $5, $6, $7, $8\n"; # e5, f6, g7, h8, , , , （字符串中有两个匹配，最后一次匹配到的串是e5=f6#g7-h8，所以$1其实是最后匹配到的串中的第一个组）

 

最后斜杠后面的模式选项：

# g选项匹配所有可能的模式
@matches = "aa.bb.cc" =~ /\w+/g; # aa, bb, cc
print "@matches\n";

while ("ab,abab,ababab" =~ /(ab)+/g)
{
    print "$&\n";
}

# g选项下可以用pos来返回或设置字符串的匹配位置
$string = "a1a2a3a4";
$index = pos($string); # null
$string =~ /a\d/g; # a1
$index = pos $string; # 2 匹配了a1这两个字符
$string =~ /a\d/g; # a2
pos($string) = 6;
$string =~ /a\d/g; # a4 略过了中间的a3

# i选项忽略大小写
printMatches 'A2a3' =~ /a\d/g; # ||a3||
printMatches 'A2a3' =~ /a\d/ig; # ||A2|| ||a3||

# m选项将字符串看作多行
printMatches "first line\nseconde line" =~ /.*line$/g; # ||seconde line||
printMatches "first line\nseconde line" =~ /.*line$/gm; # ||first line|| ||seconde line||

# s选项把字符串看作单行，使得.可以匹配\n。
printMatches "first line\nsecond line" =~ /.*line$/g; # ||seconde line||
printMatches "first line\nsecond line" =~ /.*line$/gs; # ||first line（换行）second line||

# o选项只赋值一次
$var = "a";
for ($i = 1; $i <= 3; $i++)
{
    printMatches "ab" =~ /$var/go; # a, a, a
    $var = "b";
}

$var = "a";
for ($i = 1; $i <= 3; $i++)
{
    printMatches "ab" =~ /$var/g; # a, b, b
    $var = "b";
}

# x忽略模式中的空白
printMatches "a b c def" =~ /\w \w \w/g; # ||a b c||
printMatches "a b c def" =~ /\w \w \w/gx; # ||def||

替换操作符：和匹配的形式类似，语法为s/pattern/replacement/：

$string = '@#a&^b09-+cd=[';
$num = $string =~ s/\W/\*/g; # $num = 8（替换了8处），$string = **a**b09**cd**

替换操作符的模式选项和匹配的模式选项基本一样（g,i,m,s,o,x,），但多一个选项e，表示把替换部分看作表达式：

$string = 'a1a2a3';
$string =~ s/\d/{1}*2/ge; # a2a4a6
$string =~ s/\d/{1}*2/g; # a2*2a4*2a6*2

翻译操作符：语法为tr/string1/string2/，将string1里的字符一一替换为string2中相应位置的字符：

$string = "abcdegcba";
$string =~ tr/abc/xyz/; # xyzdegzyx 相应的字符会替换为第二个字符串中相应的字符

$string = "abcdegcba";
$string =~ tr/abc/xy/; # xyydegyyx 多出来的c，替换为最末尾的y

$string = "abcdegcba";
$string =~ tr/abc/xyzw/; # xyzdegzyx 最后一个w被忽略

$string = "abcdegcba";
$string =~ tr/aba/xyz/; # xycdegcyx 第一个a被替换，第二个a被忽略

$string = "aabc+degcba";
$string =~ tr/a+/xy/; # xxbcydegcbx 翻译操作符不支持正则表达式，+号被替换为y

翻译操作符支持三种模式选项：

# c选项翻译所有未指定的字符
$string = "a32()64aca";
$string =~ tr/0-9/*/c; # *32**64***

# d选项删除所有指定字符
$string = "a32()64aca";
$string =~ tr/0-9/*/d; # a()aca

# s选项把非指定的字符缩成一个字符
$string = "a32()64aca";
$string =~ tr/0-9/*/s; # a*()*aca

扩展模式匹配的语法为(?pattern)，其中c为一个字符。它有以下用法：
表示不存贮圆括号的内容：

# ?:表示不存贮括号内的匹配内容
printMatches "abcdef" =~ /(abc)(def)/; # ||abc|| ||def||


表示内嵌模式选项，可以是i,m,s,x：

# 内嵌模式选项i
printMatches "aA bB" =~ /(?i)aa|bb/g; # ||aA|| ||bB||
printMatches "aA bB" =~ /aa|(?i)bb/g; # ||bB||
printMatches "aA bB" =~ /aa|bb/gi; # ||aA|| ||bB||

# 内嵌模式选项m
printMatches "line1\nline2\n" =~ /(?m)line\d$/g; # ||line1|| ||line2||

# 内嵌模式选项s
printMatches "line1\nline2\n" =~ /(?s).*line\d$/g; # ||line1 换行 line2||

# 内嵌模式选项x
printMatches "abc,def" =~ /(?x)a b c/g; # ||abc||

表示预见匹配：

# 肯定预见匹配
printMatches "1a2b3c" =~ /\d(?=b)/g; # ||2|| 下一位的b只被预览，而没有被匹配

# 否定预见匹配
printMatches "1a2b3c" =~ /\d(?!b)/g; # ||1|| ||3||

表注释：

# ?#表注释
printMatches "hello" =~ /he(?#注释)/g; # ||he||