正则表达式

1.什么是正则表达式？

正则表达式，在Perl中通常被称为模式(pattern)：某个模板是否匹配某个字符串◆。由于存在无限的字符串，某个给定的模
式将这些字符串分成两类：一类是能匹配的，一类是不能匹配的。这里没有，或者，大概，几乎那样的匹配：要么匹配，
要么不匹配。

要匹配某个模式（正则表达式）和$_的关系，可以将模式放在正斜线(//)之间，如下：

$_ =“yabba dabba doo”;
if(/abba/){
print“It matched!\n”;
}
表达式/abba／将在$_寻找这四个字母。如果找到，则返回true，在本例中，它出现了不止一次，但结果没什么不同。总之，
如果找到了，则匹配上；如果没找到，则没匹配上。

所有在双引号中的转义字符在模式中均有效，因此你可以使用/coke\tsprite/来匹配11 个字符的字符串coke, tab(制表符)，
sprite。

点(.)是通配符，它可以匹配任何单个的字符，但不包括换行符(“\n”)。因此，模式/bet.y/将匹配betty。同时也匹配betsy,
bet=y, bet.y，或者说任意字符串后接bet,然后是任意的单个字符（不包括换行符），后接y。它不会匹配bety，betsey，因为
t 和y之间不是一个字符。点(.)只匹配一个字符。

如果想匹配句号（英语中句号就是一个点：译者注），可以使用点(.)。但由于点(.)可以匹配任意的单个字符（除换行符外），
则其结果比你希望的要多。如果只希望点(.)匹配句号，可以使用反斜线。这条规则对Perl正则表达式中所有元字符均有效：
元字符前使用反斜线将使它变成普通的字符。如，模式/3\.14159/中的点(.)即不是通配符。

反斜线是第二个元字符。如果需要真正的反斜线，需要重复使用两个反斜线，这和Perl中其它情况下是一样的。

通常，需要模式中某些串是可以重复的。星号(*)表示匹配前一项０次或者多次。因此，/fred\t*barney/将匹配上fred 和barney
之间有任意个制表位(tab)的字符串。它可以匹配“fred\tbarney”，其间有一个tab；匹配“fred\t\tbarney”，其间有两个制表位；
“fred\t\t\tbarney”其间有三个制表位；“fredbarney”，其间什么也没有。这是由于星号(*)是指“0个或者多个”，因此其间可以
是任意个制表符，但不能是其它的字符。可以这样看待星号(*)：“前面的东西，重复任意次数，包括0 次”（因为*号在数
学上是乘法运算符）。
如果希望包括不同的字符，怎么办呢？点(.)可以匹配任何单字符◆，因此.*将匹配任意字符任意多数。这就是说模式
/fred.*barney/将匹配fred,和barney之间有任意多个任意字符（不含换行符）的字符串。任意行如果前面有fred，后面有barney，
其间为任意字符（字符串）都将匹配上。我们将.*叫做“任意字符串匹配模式”，因为任意的字符串均能被匹配上（不包括
换行符）。

星号的正是叫法是数量词(quantifier)，意指其可以指代多个前面的项。它不是唯一的数量词，加(+)也是。加(+)的意思是可
以匹配前面一项的一个或多个：/fred +barney/意思是fred 和barney之间由空格分开，且只能是空格。(空格不是元字符)。
它不会匹配fredbarney，因为加(+)意指一个或多个，因此至少是一个。可以这样看待加(+)：“最后一项，（可选的）至少还
有一项。

还有第三个数量词，其限制性更强。它是问号(?)，其含义是前面一个项出现一次，或者不出现。也就是说，前面这个项出
现1次或者0次，此外不会有其它情况。因此，/barm-?bamm/只匹配：bamm-bamm或bammbamm。这很容易记住：“前面
的这个项，出现？或者不出现？”

括号也是元字符。在数学中，括号(())用来表示分组。例如，模式/fred+/能匹配上如fredddddddd，这样的字符串，但这种字
符串在实际中没有什么用途。模式/(fred)+/能匹配上像fredfredfred这样的字符串，这更可能是你所希望的。那么模式/(fred)*/
呢?它将匹配上像hello,world这样的字符串◆。
◆星号(*)意指匹配上0次或者多次fred。当为0时，那什么字符串都能被匹配上。这个模式能匹配上任何字符串，甚至是空串。

竖线(|)，在这种用法中通常被读作“或（or）”，意思是匹配左边的或者右边的。如果竖线左边没有匹配上，则匹配右边。因
此，/fred|barney|betty/将匹配出现过fred，或者barney，或者betty的字符串。

现在你可以书写像/fred( |\t)+barney/这样的模式，它将匹配fred，barney以及中间由空格，制表符(tab)，或者二者混合所组
成的字符串。加(+)是指重复1次或多次；每重复一次，( |\t)则有可能匹配一个空格，或者一个制表符◆。但fred和barney
之间这些字符中（空格，制表符）的其中之一必须出现一次。

如果希望fred 和barney之间的字符是一样的，可以将模式写成/fred( +|\t+)barney/。在本例中，分隔符必须全是空格或者全
是制表符。

3.字符类

字符类，是方括号[]中的一列字符，可以匹配上括号内出现的任意单个字符。它匹配一个字符，但这个字符可以是列中的
任意一个。

例如，字符类[abcwxyz]可以匹配上括号内七个字母中的任意一个。为了方便，我们可以使用连字号(-)来表示某个范围的字
母，因此上例也可以写做[a-cw-z]。上面例子省略的字符不多，但像[a-zA-Z]将非常方便，利用它不需要输入52个字符◆。
你可以使用和双引号相同的字符简写方法，例如类[\000-\177]可以匹配上任意的七比特的ASCII字符。◆。当然，字符类
只是模式的一部分，单独的字符类在Perl中没什么实际的意义。例如，你可能见到如下的代码：

$_ = “The HAL-9000 requires authorization to continue.”;
if(/HAL-[0-9]+/){
print “The string mentions some model of HAL computer.\n”;
}

有时，指出没有被字符类包含的字符更加容易。字符类前使用符号^将取此字符类的补集。也就是说，[^def]]将匹配上这三
个字符中之外的任意单个字符。[^n\-z]将匹配上n, -, z之外的任何字符。（连接符(-)前面使用反斜线的原因是，它在此字符
类中有特别的含义（表示字符的范围：译者注）。但/HAL-[0-9]+/中第一个连接符(-)前不需要反斜线，因为此时的连接符不
会被理解为有特殊的含义。）

有一些字符类出现的非常频繁，因此提供了其简写形式。例如，任何数字的类，[0-9]，可以被简写为：\d。因此，HAL这

个例子可以被写作/HAL-\d+/。

\w被称作“word’字符：[A-Za-z0-9_]。如果你的“words”由通常的字母，数字，下划线组成，那你将非常喜欢它。通常认
为“word”由字母，连接符(-)，撇号（'）◆组成，我们希望能改变这种定义◆。因此使用它，请记住我们对“word”的定义，
字母，数字，下划线组成。

\s对于匹配空白（whitespace）将非常方便。它等价
于[\f\t\n\r ]，其含5个空白字符：格式符（form-feed）；制表符(tab)，换行符，回车，以及空格符。同其它简写符号一样，
\s 匹配此类中的单个字符，如果使用\s*将匹配任何个数的空白（包括没有），或者\s+匹配一个以上的空白（事实上，很少
见到单独使用\s，而不使用任何的数量词(*, +)）。由于这些空白符看起来类似，因此可以使用这种简写形式，将它们统一处
理

你可能希望得到这三种简写形式的补集。如果那样的话，你可以使用[^\d], [^\w], 和[^\s]，其含义分别是，非数
字的字符，非word（记住我们对word的定义）的字符，和非空白的字符。也可以使用它们对应的大写形式：\D, \W, \S来
完成。它们将匹配它们对应的小写形式不能匹配上的字符。

这些简写形式可以在字符类中使用，或者在大的字符类中的中括号里面使用。也就是说你可以使用/[\dA-Fa-f]+/来匹配十六
进制（底为16）的数字，它将ABCDEF(或者其小写形式)作为附加的数字（11到15）。