Perl 正则表达式

Perl的正则表达式功能十分强大，基本上是常用语言中最强大的，很多语言如Java设计正则式支持的时候都参考Perl正则表达式。本文介绍Perl正则表达式中最基本、最常用的部分。

一、正则表达式运算符

=~ 正则表达式匹配运算符，左边是待匹配字符串，右边是正则表达式，匹配结果设置在$1,$2等变量中，在scaler上下文中，成功匹配返回匹配个数，否则返回false。例如 $var =~ /foo/;

!~ 正则表达式匹配运算符，和=~ 不同的是它忽略匹配结果，且返回值相反。例如 $var !~ /foo/;

正则表达式运算符右边是正则表达式，有如下三种形式：
1. 匹配模式 m/pattern/igmsoxc
      m表示match，pattern是正则式内容，分隔符/可以用任意其他字符如#替换，igmsoxc是可选的参数，意义如下：
        i 忽略大小写
        g 匹配所有符合的（默认是匹配第一个符合的）
        m 多行模式，^和$分别匹配行的开始和结尾（默认匹配字符串的开始和结尾）
        s 单行模式，“.” 匹配“\n”（默认不匹配）
        o compile pattern Once
        x eXtended legibility - free whitespace and comments
        c don't reset pos on failed matches when using /g

2. 存储模式 qr/pattern/imsox
      qr将正则表达式存储到一个变量中，这样可以反复使用，可选项意义与m相同

3. 替换模式 s/pattern/replacement/igmsoxe
      s代表substitutes，将匹配的模式pattern替换为replacement，多了一个可选项：
        e 将replacement作为一个表达式执行

4. 一次性匹配模式 ?pattern?
和m/pattern/相同，但是只进行一次匹配，?不能用其他分隔符替换



二、基本语法元素

   \       字符转义
   .       匹配除\n外的任意字符
   ^       匹配行或字符串开头
   $       匹配行或字符串结尾
   *       0个或多个
   +       1个或多个
   ?       0个或1个
   {...}   指定个数
   [...]   字符类，匹配括号中的任意一字符
   (...)   匹配组，匹配后可以用$1,$2等获取相应的匹配组
   (?:...) 聚集，匹配后不能$1,$2等获取相应的匹配组，速度会快些
   |       前者或后者，一般和括弧配合使用
   \1, \2 ... 正则式中反引用匹配组


三、常见转义字符

   \a       Alarm (beep)
   \e       Escape
   \f       Formfeed
   \n       Newline
   \r       Carriage return
   \t       Tab
   \037     Any octal ASCII value
   \x7f     Any hexadecimal ASCII value
   \x{263a} A wide hexadecimal value
   \cx      Control-x
   \N{name} A named character

   \l Lowercase next character
   \u Titlecase next character
   \L Lowercase until \E
   \U Uppercase until \E
   \Q Disable pattern metacharacters until \E
   \E End case modification
   \b word boudariy


四、字符类

   [...]匹配括号中的任意一个字符，但是当第一个字符是^时是相反的，匹配除了括号中的字符外的任意字符。另外还有a-z这样的简写方式代替a到z的所有字符。例如：
   [amy]    Match 'a', 'm' or 'y'
   [f-j]    Dash specifies "range"
   [f-j-]   Dash escaped or at start or end means 'dash'
   [^f-j]   Caret indicates "match any character _except_ these"

   一些字符类有更简单的表达方式，如：
   \d      A digit                     [0-9]
   \D     A nondigit                  [^0-9]
   \w      A word character            [a-zA-Z0-9_]
   \W     A non-word character        [^a-zA-Z0-9_]
   \s      A whitespace character      [ \t\n\r\f]
   \S      A non-whitespace character [^ \t\n\r\f]


五、特殊标记

   ^ Match string start (or line, if /m is used)
   $ Match string end (or line, if /m is used) or before newline
   \b Match word boundary (between \w and \W)
   \B Match except at word boundary (between \w and \w or \W and \W)
   \A Match string start (regardless of /m)
   \Z Match string end (before optional newline)
   \z Match absolute string end
   \G Match where previous m//g left off



六、重复

   Maximal Minimal Allowed range
   ------- ------- -------------
   {n,m}   {n,m}? Must occur at least n times but no more than m times
   {n,}    {n,}?   Must occur at least n times
   {n}     {n}?    Must occur exactly n times
   *       *?      0 or more times (same as {0,})
   +       +?      1 or more times (same as {1,})
   ?       ??      0 or 1 time (same as {0,1})