强大的Perl正则表达式实例详解

一、介绍

正则表达式这东西，不同语言有自己的实现，但核心元字符基本相通——无非就是靠组合这些元字符来完成匹配。因为Nmap内置的服务与版本探测用的是Perl正则规范，所以这里专门梳理一下Perl正则的相关要点，方便日常翻阅。

二、Perl正则例子

下面的例子有些来自网络，没有逐一验证，但基本覆盖了常见场景。

1. 匹配IP地址：\d+\.\d+\.\d+\.\d+
  \d匹配一位数字，\d+匹配一次或多次；\.转义匹配点号。

2. 匹配邮箱（如123456@qq.com）：/^[a-zA-Z0-9_\-\.]+@[a-zA-Z0-9_\-]+\.[a-zA-Z]+$/
  ^匹配开头，$匹配结尾——这两个锚点保证匹配的是完整的一串字符，不会出现部分匹配。

3. 匹配数字：m/^[0-9]+$/
  同样用^和$限制了整串内容只能是数字。如果只写$，那abc12这种也会被匹配到。这个模式在输入校验里很实用。

4. 用户输入温度（华氏/摄氏）并转换：
  m/^([-+]?[0-9]+)([CF])$/ — 匹配正负整数温度。
  [CF]匹配C或F；?表示可选；+表示一次或多次。Perl通过临时变量$1、$2保存子表达式匹配的文本，这里$1是数字，$2是符号。
  如果需要支持小数：m/^([-+]?[0-9]+(?:\.[0-9]*)?)\s*([CF])$/i)
  注意临时变量保存顺序跟左括号出现的顺序有关，所以用?:可以让该括号不保存匹配结果。/i忽略大小写。

5. 匹配空白行：
  ^$ — 开头即结尾，表示没有任何字符的空白行。
  \n\s*\r — \n换行符，\s空白字符（空格、制表、换页），\r回车符。

6. 匹配首尾空白字符：^\s*|\s*$

7. 匹配版本号（如1.3.0）：[\d.]+

8. 匹配某个字符以外的所有字符：
  [^a]* 匹配除a以外的字符；[^abc]* 匹配除a、b、c以外的字符。
  ((?!win).)* 匹配除了单词“win”之外的所有字符。
  Windows (?!95|98|NT|2000)' 能匹配“Windows 3.1”中的“Windows”，但不会匹配“Windows 2000”中的“Windows”。

9. 匹配数字（通用）：^\d+(\.\d+)?
  ^定义开头；\d+匹配数字；?表示小数部分可选。

下面是几个实际匹配的例子：
  1）{"service":"nutcracker", "source":"ubuntu", "version":"0.3.0",
    m|^{"service":"nutcracker", "source":"([^"]+)", "version":"([\d.]+)",|
  2）220 yzwb.net ESMTP MDaemon 10.1.2;
    m|^220[ -]([-.\w]+) ESMTP MDaemon ([\d.\-]+);
  3）AMQP\x01\x01\x00\n
    m|^AMQP\x01\x01\x00\x0a$| — 注意换行符\n对应十六进制\x0a，回车对应\x0d。

三、正则元字符

元字符是正则表达式的积木块，掌握了它们就能搭出任何想要的结构。

掌握了上面这些元字符，就可以组合出几乎所有想要的匹配模式。下面整理几个常用表达式，实际工作中随时可能用到。

• 匹配中文字符：[\u4e00-\u9fa5]
• 匹配双字节字符（含汉字）：[^\x00-\xff] — 可用于计算字符串长度（双字节计2，ASCII计1）
• 匹配空白行：\n\s*\r
• 匹配HTML标记：<(\S*?)[^>]*>.*?|<.*? /> — 注：复杂嵌套仍难以完美处理
• 匹配首尾空白字符：^\s*|\s*$
• 匹配Email地址：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
• 匹配网址URL：[a-zA-z]+://[^\s]*
• 匹配合法账号（字母开头，5-16字节，允许字母数字下划线）：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
• 匹配国内电话号码（如0511-4405222或021-87888822）：\d{3}-\d{8}|\d{4}-\d{7}
• 匹配腾讯QQ号（从10000开始）：[1-9][0-9]{4,}
• 匹配中国邮政编码（6位数字）：[1-9]\d{5}(?!\d)
• 匹配身份证（15或18位）：\d{15}|\d{18}
• 匹配IP地址：\d+\.\d+\.\d+\.\d+

匹配特定数字：

^[1-9]\d*$　　　 //匹配正整数
^-[1-9]\d*$ 　　 //匹配负整数
^-?[1-9]\d*$　　 //匹配整数
^[1-9]\d*|0$　　 //匹配非负整数（正整数+0）
^-[1-9]\d*|0$　　 //匹配非正整数（负整数+0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非负浮点数（正浮点数+0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮点数（负浮点数+0）

匹配特定字符串：

^[A-Za-z]+$　　 //匹配26个英文字母组成的字符串
^[A-Z]+$　　 //匹配大写字母
^[a-z]+$　　 //匹配小写字母
^[A-Za-z0-9]+$　 //匹配数字和字母
^\w+$　　 //匹配数字、字母、下划线

四、总结

1. 不同场景、不同语言，正则会有些细微差别。只要掌握基本元字符和对应语言的特性，真正用时花上十几分钟熟悉一两个例子就能上手。
2. Perl正则目前仍是功能最完善的，建议投入时间学一学——处理数据时优势很明显。
3. 如果目标只是抽取数据，正则匹配的原理没有必要深究，会套用就行。