Perl中的模式匹配学习笔记

正则表达式在Perl中堪称字符串处理的灵魂利器。简单来说，模式（Pattern）就是你想在字符串中寻找的特定字符序列，通常用反斜线包裹起来，比如/def/就是匹配字符串中的"def"。它的典型用法是和split函数配合，把一行文本按某种模式拆分成单词数组：@array = split(/ /, $line);。这个基础操作打天下无数，但真正的威力远不止于此。

二、匹配操作符 =~ 和 !~

=~是Perl匹配的“试金石”——它检验某个字符串是否包含指定的模式。例如$result = $var =~ /abc/;，如果在$var中找到了"abc"，就返回非零值（true），否则返回0（false）。与之相反的!~则在匹配失败时返回真。这两个操作符最常用的场景就是条件判断，比如：

三、模式中的特殊字符

Perl在模式里加入了一堆“特工级”字符，让匹配变得灵活到飞起。下面一个个来拆解。

1. 字符 +

+表示“一个或多个”相同的字符。比如/de+f/能匹配def、deef、deeeeef……它会“贪婪”地吃掉尽可能多的相同字符。举个例子，/ab+/在字符串"abbc"中匹配的是"abb"而不是"ab"。这个特性在处理多空格分割时特别实用：@array = split (/ +/, $line);。不过有个小坑：split函数每次遇到分割模式都会开始一个新单词，如果$line以空格开头，那么@array的第一个元素就是空元素。如果$line里只有空格，@array就是空数组。另外注意，TAB字符会被当成一个单词，需要单独处理。

2. 字符 [] 和 [^]

[]表示匹配括号内任意一个字符。/a[0123456789]c/匹配"a"加任意数字加"c"的字符串。和+联用：/d[eE]+f/能匹配def、dEf、deef、dEef、dEEEeeeEef等。而^在方括号内表示“非”，比如/d[^deE]f/匹配"d"加一个非"e"字符加"f"的字符串。

3. 字符 * 和 ?

这两个字符和+类似，但*匹配0个、1个或多个相同字符，?则匹配0个或1个。例如/de*f/能匹配df、def、deeeef等；/de?f/只匹配df或def。

4. 转义字符

如果需要在模式里匹配那些有特殊意义的字符（比如+、*、?等），必须在它们前面加上反斜线。例如/\*\+/中的*就是字面意义上的星号，而不是“一个或多个”。反斜线本身也要转义为\/。在Perl 5中还可以用\Q和\E这对命令来批量转义。

5. 匹配任意字母或数字

前面提到的/a[0123456789]c/可以简写为/a[0-9]c/，类似地[a-z]表示任意小写字母，[A-Z]表示任意大写字母。任意大小写字母和数字的集合就是/[0-9a-zA-Z]/。

6. 锚模式

锚用于锁定匹配的位置：

• ^或\A：仅匹配字符串开头
• $或\Z：仅匹配字符串结尾
• \b：匹配单词边界
• \B：匹配单词内部

举个例子：/^def/只匹配以"def"开头的字符串；/def$/只匹配以"def"结尾的；/^def$/则只匹配字符串"def"本身。在多行匹配中，\A和\Z与^、$的行为略有不同。

实战：检测变量名的类型：

关于\b的更多用法：/\bdef/匹配以"def"开头的单词（如def、defghi），但不匹配abcdef；/def\b/匹配以"def"结尾的单词（如def、abcdef），但不匹配defghi；/\bdef\b/只匹配孤零零的"def"。注意/\bdef/可以匹配$defghi，因为$不被视为单词的一部分。

\B则相反：/\Bdef/匹配abcdef，但不匹配def；/def\B/匹配defghi；/\Bdef\B/匹配cdefg、abcdefghi这类。

7. 模式中的变量替换

模式里可以直接使用Perl变量。比如要把一句文本按空白拆成单词：

    $pattern = "[\t ]+";
    @words = split(/$pattern/, $line);

8. 字符范围转义

Perl提供了一组快捷转义符，省去写方括号的麻烦：

• \d：任意数字，等价于[0-9]
• \D：非数字，等价于[^0-9]
• \w：任意单词字符（包括下划线），等价于[_0-9a-zA-Z]
• \W：非单词字符，等价于[^_0-9a-zA-Z]
• \s：空白字符（空格、制表符、换行等），等价于[ \t\r\n\f]
• \S：非空白字符，等价于[^ \t\r\n\f]

例如/[\da-z]/匹配任意数字或小写字母。

9. 匹配任意字符

.（点号）匹配除换行符外的任意字符，通常和*一起使用来匹配任意长度的内容。

10. 匹配指定数目的字符

{}用于精确控制重复次数。例如/de{1,3}f/匹配def、deef、deeef；/de{3}f/只匹配deeef；/de{3,}f/匹配d和f之间至少3个e；/de{0,3}f/匹配最多3个e。

11. 指定选项

|表示“或”，比如/def|ghi/匹配"def"或"ghi"。它非常适用于判断多种合法格式，比如检测一个数是否是合法整数：

if ($number =~ /^-?\d+$|^-?0[xX][\da-fA-F]+$/) {
    print ("$number is a legal integer.n");
} else {
    print ("$number is not a legal integer.n");
}

这里^-?\d+$匹配十进制，^-?0[xX][\da-fA-F]+$匹配十六进制。

12. 模式的部分重用

当模式中某一部分重复出现时，可以用括号把它包起来，然后用\n（n为数字）来引用它。例如/\d{2}([\W])\d{2}\1\d{2}/可以匹配"12-05-92"、"26.11.87"、"07 04 92"等——注意\1引用了前面捕获到的那个分隔符。这和/(\d{2})([\W])\1\2\1/不同，后者只能匹配形如"17-17-17"的字符串，而不是"17-05-91"。

13. 转义和特定字符的执行次序

各种特殊字符和转义符也有优先级，类似于数学运算符：

• () 模式内存（最高优先级）
• + * ? {} 出现次数
• ^ $ \b \B 锚
• | 选项（最低优先级）

14. 指定模式定界符

默认模式定界符是/，但可以用m来自由指定。比如m!/u/jqpublic/perl/prog1!等价于/\/u\/jqpublic\/perl\/prog1/，避免了大量转义。不过如果用单引号做定界符，模式内不会进行变量替换；如果用了特殊字符做定界符，它本身的特殊功能也就失效了。

15. 模式次序变量

模式匹配成功后，括号捕获的内容会存到$1、$2……中，而整个匹配的内容存在$&中。看个例子：

四、模式匹配选项

选项可以附加在模式定界符后面，用来改变匹配行为：

• g：全局匹配，找所有可能的模式
• i：忽略大小写
• m：将字符串视为多行
• o：只对模式中的变量替换一次
• s：将字符串视为单行（让.匹配换行符）
• x：忽略模式中的空白（允许加空格和注释）

1. 匹配所有可能的模式 (g选项)

输出：

使用g选项时，可以用pos函数来手动控制下次匹配的起始偏移量：

    $offset = pos($string);
    pos($string) = $newoffset;

2. 忽略大小写 (i选项)

/de/i能匹配de、dE、De、DE，大小写通吃。

3. 将字符串看作多行 (m选项)

启用m后，^不仅匹配字符串起始，还匹配每一行的开头；$匹配每一行的结尾。

4. 只执行一次变量替换 (o选项)

这里/o让$var的替换只执行一次，所以实际上每次匹配的都是/1/（第一次$var的值）。这个选项在循环中能提升性能，但要小心语义是否符合预期。

5. 将字符串看作单行 (s选项)

/a.*bc/s可以匹配"axxxxx\nxxxxbc"这样的跨行字符串，而普通的/a.*bc/则不行（因为.默认不匹配换行）。

6. 在模式中忽略空格 (x选项)

/\d{2} ([\W]) \d{2} \1 \d{2}/x等价于/\d{2}([\W])\d{2}\1\d{2}/，加了空格便于阅读。

五、替换操作符

语法：s/pattern/replacement/。它将字符串中匹配pattern的部分替换成replacement。例如：

$string = "abc123def";
$string =~ s/123/456/; # now $string = "abc456def";

替换部分可以使用模式次序变量$n，比如s/(\d+)/[$1]/。但注意替换部分不支持模式特殊字符（如*、+等），若写成s/abc/[def]/就是把"abc"换成"[def]"这个字面字符串。

替换操作符的选项和匹配操作符基本相同，多了一个e选项：

• g：替换所有匹配
• i：忽略大小写
• e：将替换字符串当作Perl表达式执行，结果作为替换内容
• m：多行
• o：仅赋值一次
• s：单行
• x：忽略空白

e选项的妙处：

$string = "0abc1";
$string =~ s/[a-zA-Z]+/$& x 2/e; # now $string = "0abcabc1"

这里$&是匹配到的"abc"，乘以2就变成了"abcabc"。

六、翻译操作符

它提供了另一种替换方式：tr/string1/string2/。效果是一对一替换：把string1中的第一个字符换成string2中的第一个，第二个换成第二个，以此类推。例如：

$string = "abcdefghicba";
$string =~ tr/abc/def/; # now string = "defdefghifed"

规则说明：如果string1比string2长，多出来的字符换成string2的最后一个字符；如果string1中有重复字符，以第一次出现为准。

翻译操作符的选项：

• c：翻译所有未在string1中指定的字符
• d：删除所有在string1中指定的字符
• s：把多个连续相同的输出字符压缩成一个

几个经典用法：$string =~ tr/\d/ /c; 把非数字字符替换为空格；$string =~ tr/\t //d; 删除所有制表符和空格；$string =~ tr/0-9/ /cs; 把数字之间的其他字符压缩成一个空格。

七、扩展模式匹配

Perl还提供了一些超出传统正则的能力，语法是(?cpattern)，其中c是一个控制字符。

1. 不存储括号内的匹配内容

通常括号里的子模式会占用内存，如果想避免，可以用(?:...)。比如/(?:a|b|c)(d|e)f\1/中的\1引用的是(d|e)捕获的内容，而不是(a|b|c)的。

2. 内嵌模式选项

选项i、m、s、x除了写在外面，也可以直接嵌在模式中：/(?i)pattern/等价于/pattern/i。

3. 肯定的和否定的预见匹配

pattern(?=string)表示匹配后面紧跟string的pattern，但string本身不包含在最终匹配结果中。否定形式是(?!string)，表示后面不是string。例如：

$string = "25abc8";
$string =~ /abc(?=[0-9])/; 
$matched = $&;; # $matched 是 "abc"，而不是 "abc8"

4. 模式注释

在x选项下可以写注释，也可以直接用(?#...)在任何位置加注释：

if ($string =~ /(?i)[a-z]{2,3}(?# match two or three alphabetic characters)/ {
    ...
}

为了方便查阅，整理了一份速查对照表。这是一份非常实用的文字处理模式常用语法清单（Regular Expression），笔者把它列在这里，方便你在写脚本时快速参考：

一 文字处理模式中 /pattern/ 常用到的语法

二 文字处理模式简单范例

这里列一些常见的模式及其匹配效果，方便初学者对照练习：

三 文字处理模式相关的运算符及函数

在Perl编程中，=~和!~这两个运算符，以及s///和tr///这两个函数，是和/pattern/搭配最频繁的组合。把它们用熟练了，处理字符串就可以得心应手，写CGI程序时更是如虎添翼。