Perl正则表达式初步

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})