正则习点 --- 06

2.1.3 Intertwined RegularExpressions

我们继续改进此程序：能够接收浮点数；容许f或者c是小写；容许数字和字母之间存在空格。

a. 增加处理浮点数的正则：

/^([-+]?[0-9]+(\.[0-9]*)?)([CF])$/

新的引用捕获文本的变量，如下图：

b. 增加数字和字母之间存在空格的正则：

/^([-+]?[0-9]+(\.[0-9]*)?) *([CF])$/

上面划线部分，我们无法分清是空格还是TAB！为了解决这个问题，我们使用「\s」。

现在的表达式：

/^([-+]?[0-9]+(\.[0-9]*)?)\s*([CF])$/

c. 增加不区分大小写字母：

为了解决这个问题，需要增加i这个“修饰符(modifier)”，即把它放在「/…/」结构之后。

/^([-+]?[0-9]+(\.[0-9]*)?)\s*([CF])$/i

完整代码：

#! /usr/bin/perl -w

# Mastering Regular Expressiona: Chapter 2 Section 2.
# second program

print "Enter a temperature (e.g., 32F, 100C):\n";
$input = <STDIN>;
chomp($input);

if ($input =~ /^([-+]?[0-9]+(\.[0-9]*)?)\s*([CF])$/i) {
	$inputNum = $1;
	$type = $3;
	
	#if (($type eq "C") | ($type eq "c")) {
	if ($type =~ /c/i) {
		$celsius = $inputNum;
		$fahrenheit = ($celsius * 9 / 5) + 32;	
	}
	else {
		$fahrenheit = $inputNum;
		$celsius = ($fahrenheit - 32) * 5 / 9;
	}
	printf "%.2f C is %.2f F\n", $celsius, $fahrenheit;
}
else {
	print "Expecting a number followed by \"C\" or \"F\",\n";
	print "so I don't understand \"$input\".\n";	
}

2.1.4 Intermission

²Perl 用$variable =~ m/regex/ 来判断一个正则是否能匹配某个字符串。M表示“匹配（match）”，而斜线用来标注正则的边界（它们本身不属于正则表达式）。整个测试语句作为一个单元，返回true或者false值。

²元字符—具有特殊意义的字符。他的定义在正则表达式中并不是统一的。元字符的含义取决于具体的情况。了解具体情况（shell、正则表达式、字符串），其中的元字符及其作用，对学习和使用Perl、PHP、Java、Tcl、GNU Emacs、awk、Python或其他高级语言是非常重要的（当然，在正则表达式内部，字符组(character classes)有自己的“子语言”，其中的元字符是不同的）。

²Perl和其他流派的正则表达式提供了许多有用的简记法（shorthands）：

\t 制表符

\n 换行符

\r 回车符

\s 任何“空白”字符（例如空格符、制表符、进纸符等）

\S 除「\s」之外的任何字符

\w 「[a-zA-Z0-9]」（在「\w+」中很有用，可以用来匹配一个单词）

\W 除「\w」之外的任何字符，也就是「[^a-zA-Z0-9]」

\d 「[0-9]」，即数字

\D 除「\d」外的任何字符，即「[^0-9]」

²/i修饰符(modifier)表示此测试不区分大小写。尽管写法是“/i”，其实“i”只是跟在表示结尾的斜线之后。

²「(?:…)」这个麻烦的写法可以用来分组文本，但并不捕获。

²匹配成功之后，Perl可以用$1、$2、$3之类的变量来保存相对应的「(…)」小括号内的子表达式匹配的文本。使用这些变量，我们能够用正则表达式从字符串中提取信息。

子表达式的编号按照开括号“（”的出现先后排序，从1开始。子表达式可以嵌套，例如「(Washington(·DC)?)」。如果只是希望分组，也可以使用「(…)」，但副作用是，它们捕获的文本仍然会保存到特殊的变量(例如，$1, $2, $3 etc.,)中。