Ungkapan biasa versi 8

Jika anda tidak biasa dengan fungsi perpustakaan "standard". regexp versi 8, berikut ialah peraturan padanan corak yang tidak diterangkan di atas.

Mana-mana aksara tunggal sepadan dengan dirinya melainkan watak meta yang mempunyai makna istimewa yang diterangkan di sini atau di atas. Watak yang biasanya bertindak sebagai watak meta boleh dikehendaki ditafsirkan secara literal dengan menambahkannya dengan " \ " (Sebagai contoh, " \. "perlawanan" . ", bukan sebarang watak; " \\ "perlawanan" \ "). Urutan aksara sepadan dengan jujukan aksara yang sama dalam rentetan sasaran, jadi coraknya blurfl akan sepadan dengan " blurfl" di garisan sasaran.

Anda boleh menentukan kelas aksara dengan melampirkan senarai aksara dalam kurungan segi empat sama yang akan sepadan dengan mana-mana aksara dalam senarai. Jika aksara pertama selepas " [ " - "^ ", kelas sepadan dengan mana-mana aksara yang tidak dinyatakan dalam senarai. Dalam senarai, aksara " - " digunakan untuk menunjukkan julat, jadi a-z mewakili semua watak daripada " a"sebelum" z", inklusif.

Aksara boleh ditentukan menggunakan sintaks metacharacter seperti yang digunakan dalam C: " \n" sepadan dengan baris baharu, " \t"- tab," \r"- pemulangan pengangkutan," \f" - suapan borang, dsb. Secara umum, \nnn, Di mana nnn- ialah rentetan digit perlapanan, sepadan dengan aksara yang nilai kod ASCIInya ialah - nnn. Begitu juga, \xnn, Di mana nn- ini adalah digit heksadesimal, sepadan dengan aksara yang nilai kod ASCIInya ialah - nn. Ungkapan \cx sepadan watak ASCII kawalan-x. Akhirnya, metacharacter " . " sepadan dengan mana-mana watak kecuali " \n" (kecuali digunakan /s).

Anda boleh menentukan satu set alternatif untuk templat, memisahkannya dengan metacharacter " | ", Jadi bayaran|fie|musuh akan sepadan dengan mana-mana subrentetan " Bayaran", "fie"atau" musuh" dalam rentetan sasaran (sama seperti f(e|i|o)e). Ambil perhatian bahawa alternatif pertama merangkumi segala-galanya daripada pemisah corak terakhir (" (", "[ " atau dari permulaan corak) kepada aksara pertama " | ", dan alternatif terakhir termasuk segala-galanya daripada watak terakhir "| " ke pembatas corak seterusnya. Oleh itu, alternatif biasanya diletakkan dalam kurungan untuk memastikan tiada keraguan di mana ia bermula dan berakhir. Walau bagaimanapun, ambil perhatian bahawa dalam kurungan persegi " | " ditafsirkan sebagai literal, jadi jika anda menulis , perbandingan hanya akan berlaku dengan .

Dalam templat, anda boleh menyerlahkan subtemplat (dengan meletakkannya dalam kurungan) untuk rujukan selanjutnya dan anda boleh memaut kembali ke n subcorak ke kemudian menggunakan metacharacter \n. Subcorak dinomborkan dari kiri ke kanan menggunakan kurungan pembukaan. Ambil perhatian bahawa rujukan belakang sepadan dengan subpola dalam baris yang dipersoalkan, bukan peraturan yang mentakrifkan subpola itu. sebab tu (0|0x)\d*\s\1\d* akan sepadan dengan " 0x1234 0x4321"tetapi tidak dengan" 0x1234 01234" kerana subcorak 1 sebenarnya sepadan " 0x"walaupun peraturan 0|0x berkemungkinan sepadan dengan 0 awal dalam nombor kedua.

AMARAN tentang \1 dan $1

Sesetengah orang terlalu biasa menulis perkara seperti

$pattern =~ s/(\W)/\\\1/g;

Akar tabiat ini kembali ke sebelah kanan pengendali penggantian sed, tetapi ia adalah tabiat buruk. Maksudnya ialah dari sudut pandangan Perl bahagian kanan s/// ialah rentetan dalam petikan berganda. \1 V talian biasa dalam petikan berganda bermaksud kawalan-A. Nilai Unix biasa \1 disimpan dalam s///. Walau bagaimanapun, jika anda membiasakan diri melakukannya dengan cara ini, anda akan menghadapi masalah menambah pengubah suai /e.

S/(\d+)/ \1 + 1 /cth; atau jika anda cuba melakukan s/(\d+)/\1000/;

Kekaburan ini tidak dapat dielakkan dengan menulis \{1}000 , tetapi mungkin jika anda menulis ${1}000 . Cuma operasi interpolasi tidak boleh dikelirukan dengan operasi pemadanan rujukan belakang. Sudah tentu mereka mempunyai makna yang berbeza di sebelah kiri pengendali s///.

Bab ini menerangkan sintaks ungkapan biasa. Penggunaan paling biasa mereka dalam Perl adalah dalam mencari dan menggantikan pengendali seperti s//, m/, pengendali penghubung =~ atau != dan lain-lain. Sebagai peraturan, semua pengendali ini mempunyai pilihan yang sama seperti:

Biasanya semua pilihan ini dilambangkan sebagai "/x". Mereka juga boleh digunakan di dalam templat menggunakan reka bentuk baru (?...)

Ungkapan atau corak biasa adalah sama seperti prosedur regexp dalam Unix. Ungkapan dan sintaks dipinjam daripada prosedur V8 yang diedarkan secara bebas oleh Henry Spencer, di mana ia diterangkan secara terperinci.

Templat menggunakan metacharacter berikut (aksara yang menunjukkan kumpulan aksara lain) yang sering dipanggil standard egrep:

Metacharacter mempunyai pengubah suai (ditulis selepas metacharacter):

Dalam semua kes lain, pendakap kerinting dianggap sebagai aksara biasa (biasa). Oleh itu "*" bersamaan dengan (0,) , "+" ialah (1,) dan "?" - (0.1). n dan m tidak boleh lebih besar daripada 65536.

Secara lalai, metacharacter adalah tamak. Perlawanan disebarkan sebanyak mungkin, tanpa mengambil kira kesan metakarakter seterusnya. Jika anda ingin "mengurangkan selera makan mereka", gunakan simbol "?". Ini tidak mengubah maksud metacharacters, ia hanya mengurangkan penyebaran. Oleh itu:

Templat berfungsi dengan cara yang sama seperti petikan berganda, jadi anda boleh menggunakan `\` - simbol (simbol sengkang belakang) di dalamnya:

Selain itu, metakarakter berikut telah ditambahkan pada Perl:

Ambil perhatian bahawa ini semua adalah "satu" watak. Gunakan pengubah suai untuk menunjukkan urutan. Jadi:

Sempadan perkataan (\b) ialah titik khayalan antara aksara \w dan \W. Dalam kelas aksara, "\b" mewakili aksara ruang belakang. Metacharacters \A Dan \Z- “^” dan “$” adalah serupa, tetapi jika permulaan baris"^" dan baris berakhir "$" bertindak untuk setiap baris dalam rentetan berbilang baris, kemudian \A Dan \Z menunjukkan permulaan dan penghujung keseluruhan rentetan berbilang baris.

Jika pengumpulan (kurungan) digunakan dalam corak, maka nombor subrentetan kumpulan ditetapkan sebagai "\digit". Ambil perhatian bahawa mengikut corak dalam ungkapan atau blok, kumpulan ini dilambangkan sebagai "$digit". Di samping itu, terdapat pembolehubah tambahan:

Contoh:

$s = "Satu 1 dua 2 dan tiga 3"; jika ($s =~ /(\d+)\D+(\d+)/) ( cetak "$1\n"; # Hasil "1" cetak "$2\n"; # "2" cetak "$+\n" ; # "2" cetak "$&\n"; # "1 dua 2" cetak "$`\n"; # "Satu " cetak "$"\n"; # "dan tiga 3" )

Perl versi 5 mengandungi binaan templat tambahan:

Contoh:

$s = "1+2-3*4"; if ($s =~ /(\d)(?=-)/) # Cari nombor diikuti dengan "-" ( print "$1\n"; # Hasil "2" ) else ( print "ralat carian\n" ;) (?!corak) - "memandang" ke hadapan pada penafian.

Contoh:

$s = "1+2-3*4"; if ($s =~ /(\d)(?!\+)/) # Cari digit yang tidak diikuti oleh "+" ( print "$1\n"; # Hasil "2" ) else ( print "search ralat\n";)

(?ismx) - pengubah "dalaman". Ia mudah digunakan dalam templat, di mana, sebagai contoh, anda perlu menentukan pengubah suai di dalam templat.

Peraturan ungkapan biasa. (regex)

1. Mana-mana watak mewakili dirinya melainkan ia adalah metacharacter. Jika anda perlu membatalkan kesan metacharacter, letakkan "\" di hadapannya.
2. Rentetan aksara menandakan rentetan aksara ini.
3. Set aksara yang mungkin (kelas) disertakan dalam kurungan segi empat sama "", ini bermakna bahawa salah satu aksara yang dinyatakan dalam kurungan boleh muncul di tempat ini. Jika aksara pertama dalam kurungan ialah “^”, maka tiada satu pun aksara yang ditentukan boleh muncul pada titik ini dalam ungkapan. Dalam kelas, anda boleh menggunakan simbol "-" untuk menandakan julat aksara. Contohnya, a-z ialah salah satu huruf kecil abjad Latin, 0-9 ialah nombor, dsb.
4. Semua aksara, termasuk yang istimewa, boleh dilambangkan menggunakan "\" seperti dalam bahasa C.
5. Urutan ganti dipisahkan dengan "|" Ambil perhatian bahawa di dalam kurungan segi empat sama ini adalah simbol biasa.
6. Dalam ungkapan biasa, anda boleh menentukan "subpola" dengan melampirkannya dalam kurungan dan merujuknya sebagai "\number" Kurungan pertama ditetapkan "\1".

1. Gantikan berbilang ruang dan aksara bukan teks dengan ruang tunggal:

   $text = "Ini adalah teks."
   $text =~ tr[\000-\040\177\377][\040]s;
   cetak $teks;
   Berikut adalah teksnya.

2. Potong dua, tiga, dsb. surat:

   $text = "Ini adalah texxxxxxt.";
   $teks =~ tr/a-zA-Z/s;
   cetak $teks;
   Berikut adalah teksnya.

3. Kira semula bilangan aksara bukan huruf:

   $xcount=($text =~ tr/A-Za-z//c);

4. Kosongkan bit kelapan aksara, alih keluar aksara bukan teks:

   $teks =- tr(\200-\377)(\000-\l77);
   $text =~ tr[\000-\037\177]d;

5. Gantikan aksara bukan teks dan 8-bit dengan ruang tunggal:

   $text =~ tr/\021-\176/ /cs;
   

Cari perkataan individu

Untuk menyerlahkan perkataan, anda boleh menggunakan metacharacter \S untuk memadankan aksara bukan ruang putih:

$text = "Sekarang adalah masanya.";
$teks =- /(\S+)/;
cetakan ;
Sekarang

Walau bagaimanapun, metakarakter \S juga sepadan dengan aksara yang biasanya tidak digunakan untuk pengecam. Untuk memilih perkataan yang terdiri daripada huruf Latin, nombor dan garis bawah, anda perlu menggunakan metacharacter \w:

$text = "Sekarang adalah masanya.";
$teks =~ /(\w+)/;
cetakan ;
Sekarang

Jika anda ingin memasukkan hanya huruf Latin dalam carian, anda mesti menggunakan kelas aksara:

$text = "Sekarang adalah masanya.";
$teks =~ /(+)/;
cetakan ;
Sekarang

Lagi kaedah selamat adalah untuk memasukkan aksara sempadan perkataan khayalan dalam pola:

$text = "Bagaimana masanya.";
$text=~/\b(+)\b/;
cetakan ;
Sekarang

Snap ke permulaan baris

Permulaan baris sepadan dengan metacharacter (watak khayalan) ^ . Untuk membuat corak pergi ke permulaan baris, anda perlu menetapkan watak ini pada permulaan ungkapan biasa. Sebagai contoh, ini adalah cara anda boleh menyemak bahawa teks tidak bermula dengan noktah:

$line = ".Hello!";
if($line=~m/^\./)(
cetak "Tidak boleh memulakan ayat dengan noktah!\n";
}
Tidak sepatutnya memulakan ayat dengan titik!

Untuk mengelakkan tempoh yang dinyatakan dalam corak daripada ditafsirkan sebagai metacharacter, adalah perlu untuk mendahuluinya dengan garis serong ke belakang.

Snap ke hujung baris

Untuk menambat corak ke hujung rentetan, metacharacter (watak khayalan) $ digunakan. Dalam contoh kami, kami menggunakan pengikatan corak pada permulaan dan penghujung baris untuk memastikan bahawa pengguna hanya memasukkan perkataan "keluar":

sementara(<>){
if(m/"exlt$/) (keluar;)
}

Mencari nombor

$test = "Hello!";
if($text =~ /\D/)(
cetak "Ia bukan nombor.\n";
}
Ia bukan nombor.

Perkara yang sama boleh dilakukan menggunakan \d metacharacter:

$text = "333";
if($teks =~ /^\d+$/)(
cetak "Ia ialah nombor.\n";
}
Ia adalah nombor.

Anda boleh meminta nombor itu mengikut format biasa. Iaitu, nombor boleh mengandungi titik perpuluhan, didahului oleh sekurang-kurangnya satu digit dan mungkin beberapa digit selepasnya:

$text = "3.1415926";
if($text =~ /^(\d+\.\d*|\d+)$/)(
cetak "Ia ialah nombor.\n";
}
Ia adalah nombor.

Di samping itu, apabila menyemak, anda boleh mengambil kira hakikat bahawa nombor itu boleh didahului oleh sama ada tambah atau tolak (atau ruang kosong):

$teks = "-2.7182";
jika ($teks =~ /^([+-]*\d+)(\.\d*|)$/) (
cetak "Ia ialah nombor.\n";

Memandangkan tambah adalah metacharacter, ia mesti dilindungi dengan garis miring ke belakang. Walau bagaimanapun, di dalam kurungan segi empat sama, iaitu kelas aksara, ia tidak boleh menjadi pengkuantiti. Tanda tolak dalam kelas aksara lazimnya bertindak sebagai pengendali julat dan oleh itu mesti dilepaskan dengan garis miring ke belakang. Walau bagaimanapun, pada permulaan atau penghujung corak, ia tidak boleh menunjukkan julat dalam apa jua cara, dan oleh itu garis miring ke belakang adalah pilihan. Akhir sekali, ujian yang lebih ketat memerlukan tanda, jika ada, hanya satu:

$teks = "+0.142857142857142857";
jika ($teks =~ /^(+|-|)\d+(\.\d*\)$/) (
cetak "Ia ialah nombor.\n";
}
Ia adalah nombor.

Corak alternatif, jika ada, ditandakan dari kiri ke kanan. Carian untuk pilihan tamat sebaik sahaja padanan ditemui antara teks dan templat. Oleh itu, sebagai contoh, susunan alternatif dalam corak (\.\d*|) boleh menjadi kritikal jika bukan untuk pengikatan hujung baris. Akhir sekali, berikut ialah cara untuk menyemak bahawa teks ialah nombor perenambelasan tanpa tanda atau atribut lain:

$teks = "1AO";
melainkan (fteks =~ m/^+$/) (
cetak "Ia bukan nombor heks,\n";
}

pengesahan ID

Anda boleh menggunakan metakarakter \w untuk menyemak sama ada teks hanya terdiri daripada huruf, nombor dan garis bawah (inilah yang dipanggil perl sebagai aksara perkataan):

$text="abc";
if($text=~/^\w+$/)(
cetak "Hanya aksara perkataan ditemui.\n";
}
Hanya aksara perkataan ditemui.

Walau bagaimanapun, jika anda ingin memastikan bahawa teks mengandungi huruf Latin dan tidak mengandungi nombor atau garis bawah, anda perlu menggunakan corak yang berbeza:

$text = "abc";
if($text=~ /^+$/) ( cetak "Hanya aksara huruf ditemui.\n"; )
Aksara huruf Qnly ditemui.

Akhir sekali, untuk memastikan bahawa teks ialah pengecam, iaitu, ia bermula dengan huruf dan mengandungi huruf, nombor dan garis bawah, anda boleh menggunakan arahan:

$text = "X125c";
if($text=~ /^\w+$/) (
cetak "Ini ialah pengecam.\n";
}
Ini adalah pengecam.

Bagaimana untuk mencari berbilang padanan

Anda boleh menggunakan pengubah suai g untuk memadankan berbilang kejadian corak. Contoh berikut, yang kita lihat sebelum ini, menggunakan perintah m/.../ dengan pengubah g untuk mencari semua kemunculan huruf x dalam teks:

$text="Ini adalah texxxxxt";
while($text=~m/x/g) (
cetak "Terjumpa x lain.\n";
}
Terjumpa x lagi.
Terjumpa x lagi.
Terjumpa x lagi.
Terjumpa x lagi.
Terjumpa x lagi.

Pengubah suai g menjadikan carian global. Dalam konteks (skalar) tertentu, perl ingat di mana ia berhenti pada baris apabila carian sebelumnya. Carian seterusnya diteruskan dari titik tertunda. Tanpa pengubah g, perintah m/.../ akan mencari kejadian pertama huruf x secara degil, dan gelung akan berterusan selama-lamanya.

Berbeza dengan perintah m/.../, perintah s/.../.../ dengan pengubah g berfungsi penggantian global pada satu masa, berfungsi seolah-olah ia sudah mempunyai gelung carian terbina dalam seperti yang di atas. Contoh berikut menggantikan semua kejadian x dengan z sekaligus:

$text = "Ini adalah texxxxxxt.";
$teks =~ s/x/z/g;
cetak $teks;
Inilah tezzzzt.

Tanpa pengubah g, arahan s/.../.../ hanya akan menggantikan huruf pertama x. Perintah s/.../.../ mengembalikan bilangan penggantian yang dibuat, yang boleh berguna:

$text= "Ini adalah texxxxxt.";
cetak (teks =~ s/x/z/g)
5

Mencari padanan yang tidak peka huruf besar-besaran

Anda boleh menggunakan pengubah suai i untuk menjadikan carian tidak sensitif terhadap perbezaan antara huruf besar dan huruf kecil. Dalam contoh berikut, atur cara mengulangi teks yang dimasukkan pengguna pada skrin sehingga Q atau q (singkatan untuk QUIT atau quit) dimasukkan, di mana program keluar:

sementara(<>) {
chomp;
melainkan (/^q$/i)( print
) lain (
keluar;
}
}

Pemilihan subrentetan

Untuk mendapatkan subrentetan teks yang ditemui, anda boleh menggunakan kurungan dalam badan templat. Jika ini lebih mudah, anda juga boleh menggunakan fungsi terbina dalam substr. Dalam contoh berikut, kami memotong jenis produk yang kami perlukan daripada rentetan teks:

$record = "Nombor produk:12345
Jenis produk: pencetak
Harga produk: 5";
if($record=~/Jenis produk:\s*(+)/i)(
cetak "Jenis produk ialah^.\n";
}
jenis produk ialah pencetak.

Memanggil fungsi dan menilai ungkapan apabila menggantikan teks

Dengan menggunakan pengubah suai e untuk perintah s/.../.../, anda menunjukkan bahawa operan sebelah kanan (iaitu, teks yang digantikan) ialah ungkapan perl yang perlu dinilai. Sebagai contoh, anda boleh menggunakan fungsi terbina dalam perl uc (huruf besar) untuk menggantikan semua huruf kecil perkataan dalam rentetan dengan huruf besar:

$text = "Sekarang adalah masanya.";
$text=~ s/(\w+)/uc()/ge;
cetak $teks;
SEKARANG MASANYA.

Daripada fungsi uc($l), anda boleh meletakkan kod sewenang-wenangnya, termasuk panggilan program.

Mencari perlawanan ke-n

Pengubah suai g digunakan untuk lelaran melalui semua kejadian corak tertentu. Tetapi apakah yang perlu anda lakukan jika anda memerlukan titik kebetulan yang sangat spesifik dengan templat, contohnya, yang kedua atau ketiga? Operator gelung semasa dalam kombinasi dengan kurungan yang menyerlahkan corak yang diingini akan membantu anda:

$text = "Nama:Anne Nanie:Burkart Nama:Glaire Nama: Dan";
manakala ($teks =~ /Nama: \s*(\w+)/g) (
+$perlawanan;
cetak "Nombor padanan $padanan ialah .\n";
}

Perlawanan nombor 1 ialah Anne
Perlawanan nombor 2 ialah Burkart
Perlawanan nombor 3 ialah Claire
Perlawanan nombor 4 ialah Dan

Contoh ini boleh ditulis semula menggunakan untuk gelung:

$text = "Nama:Anne Nama:Burkart Nama:Ciaire Nama:Dan";
untuk ($perlawanan = 0;
$text =~ /Nama:\s*(\w+)/g;
cetak "Nombor padanan $(\match) ialah .\n")
{}
Perlawanan nwber 1 Adakah Anne
Perlawanan nombor 2 ialah Burkart
Perlawanan nombor 3 ialah Claire
Perlawanan nombor 4 ialah Dan

Jika anda perlu menentukan padanan yang diingini bukan dengan nombor, tetapi dengan kandungan (contohnya, dengan huruf pertama nama pengguna), maka bukannya pembilang $match, anda boleh menganalisis kandungan pembolehubah yang dikemas kini dengan setiap perlawanan ditemui. Apabila anda ingin menggantikan, bukannya mencari, kejadian kedua atau ketiga teks, anda boleh menggunakan skema yang sama, menggunakan sebagai badan gelung ungkapan perl yang dipanggil untuk menilai rentetan gantian:

$text = "Nama:Anne Nama:Nama Burkart:Nama Claire:Dan";
$padanan =0;
$text =~ s/(Nama:\s*(\w+))/ # kod perl bermula
if (++$match == 2) ( # pembilang kenaikan
"Nama:John ()" # kembalikan nilai baharu
) else ( )# kekalkan nilai lama
/gex;
cetak $teks;
Nama:Anne Nama:John (Burkart) Nama:ClaireNama:Dan

Semasa carian global, untuk setiap padanan yang ditemui, ungkapan yang dinyatakan sebagai operan kedua dinilai. Apabila mengiranya, nilai pembilang dinaikkan, dan bergantung padanya, sama ada nilai teks lama atau yang baharu digantikan sebagai pengganti. Pengubah suai x membolehkan anda menambah ulasan pada medan templat, menjadikan kod lebih telus. Sila ambil perhatian bahawa kami perlu menyertakan keseluruhan corak dalam kurungan untuk mendapatkan nilai teks yang ditemui dan menggantikannya sepenuhnya.

Bagaimana untuk mengehadkan "ketamakan" pengkuantiti

Secara lalai, pengkuantiti berkelakuan seperti objek tamak. Bermula pada kedudukan carian semasa, mereka mengambil rentetan terpanjang yang boleh dipadankan oleh ungkapan biasa sebelum pengkuantiti. Algoritma penjejakan belakang yang digunakan oleh perl mampu mengehadkan selera pengkuantiti dengan kembali dan mengurangkan panjang rentetan yang ditangkap jika ia tidak dapat mencari padanan antara teks dan corak. Walau bagaimanapun, mekanisme ini tidak selalu berfungsi seperti yang kita inginkan. Pertimbangkan contoh berikut. Kami ingin menggantikan teks "Itu" dengan teks "Itu" s". Namun, disebabkan kerakusan pengkuantiti, ungkapan biasa " .*is " dipadankan dengan serpihan teks dari permulaan baris kepada yang terakhir "adalah" ditemui:

$text =~ s/.*is/That"s/;
cetak $teks;
Itu bukan?

Untuk menjadikan pengkuantiti kurang tamak, iaitu untuk menjadikannya menangkap rentetan minimum yang mana ungkapan biasa boleh dibandingkan, anda perlu meletakkan pengkuantiti selepas pengkuantiti tanda soal. Oleh itu, pengkuantiti mengambil bentuk berikut:

• *? - sifar atau lebih padanan,
• +? - satu atau lebih perlawanan,
• ?? - sifar perlawanan atau satu perlawanan,
• (n)? - betul-betul n padanan,
• (n,)? - sekurang-kurangnya n padanan,
• (n,m)? - sekurang-kurangnya n padanan, tetapi tidak lebih daripada m.

Sila ambil perhatian bahawa ini tidak mengubah maksud pengkuantiti; hanya tingkah laku algoritma carian berubah. Jika, dalam proses memadankan templat dan teks, prototaip ditentukan secara unik, maka algoritma penjejakan ke belakang akan meningkatkan "ketamakan" pengkuantiti sedemikian dengan cara yang sama seperti ia mengehadkan selera pengkuantiti sesamanya. Walau bagaimanapun, jika pilihannya samar-samar, hasil carian akan berbeza:

$text = "Itu adalah beberapa teks, bukan?";
$text =~ s/.*?is/That"s/;
cetak $teks;
Itulah beberapa teks, bukan?

Cara mengalih keluar ruang hadapan dan belakang

Untuk memangkas aksara ruang putih terkemuka daripada rentetan, anda boleh menggunakan arahan berikut:

$text = "Sekarang adalah masanya.";
$teks =~ s/^\s+//;
cetak $teks;
Sekarang adalah masanya.

Untuk memotong ruang belakang, arahan berikut adalah sesuai:

$text = "Sekarang adalah masanya.";
$teks =~ s/\s+$//;
cetak $teks;
Sekarang adalah masanya.

Untuk memangkas kedua-dua ruang hadapan dan belakang, adalah lebih baik untuk memanggil kedua-dua arahan ini secara berurutan daripada menggunakan templat yang memangkas ruang yang tidak diperlukan sekaligus. Oleh kerana prosedur untuk memadankan templat dan teks agak rumit, ini operasi mudah Ia mungkin mengambil masa lebih lama daripada yang anda mahukan.

Sebagai contoh, dalam teks anda perlu mencari teks yang terletak di antara teg pembukaan dan penutup:

$text=" blah blah";
jika($teks=~m!<()>(.*?)/\1!ig) (
cetak "\n";
}

akan menemui semua perkataan antara tag dan .

Ungkapan biasa mempunyai semantik mereka sendiri: kelajuan, tergesa-gesa dan kembali. Jika pengkuantiti * sepadan dalam banyak kes, maka hasil terpanjang akan dicetak. Ini adalah ketamakan. Pantas: Carian cuba mencari secepat mungkin. "Teks"=~/m*/ , bermakna tiada m aksara, tetapi hasilnya nilai 0 akan dikembalikan. Itu. secara rasmi 0 atau lebih aksara.

$test="aaooee ooaao";
$test=~s/o*/e/;
cetak $test;
eaaooee ooaao

kerana 1 elemen tindanan ialah 0 atau lebih aksara.

Jika kita menambah pengkuantiti g , hasilnya akan seperti ini:

Eaeaeeeeee eeaeaee

kerana baris mengandungi 13 tempat di mana o boleh muncul, termasuk yang kosong.

Pengubah suai:

• /saya abaikan kes
• /x abaikan ruang dalam corak dan benarkan ulasan.
• /g pengubah suai untuk membenarkan carian/ganti di mana mungkin
• /gc kedudukan tidak ditetapkan semula jika carian gagal.
• /s perlawanan dibenarkan. dengan \n , $* diabaikan.
• /m benarkan ^ dan $ sepadan untuk permulaan dan akhir baris dalam pemisah baris dalaman
• /o susun sekali
• /e sebelah kanan s/// mewakili kod yang sedang dilaksanakan
• /ee sebelah kanan s/// dilaksanakan, selepas itu nilai pulangan ditafsir semula.

apabila membuat panggilan menggunakan locale, tetapan setempat diambil kira. Pengubah suai /g boleh mengisi tatasusunan nilai @nums = m/(\d+)/g; tetapi ini akan berfungsi untuk perlawanan tidak bertindih. Untuk menangkap padanan anda perlu menggunakan operator?=... Jika lebar = 0, maka mekanisme carian kekal di tempat yang sama. Data yang ditemui kekal di dalam kurungan. Jika terdapat pengubah suai /g, maka kedudukan semasa kekal sama, tetapi bergerak ke hadapan satu aksara.

$numbers="123456789";
@one=$numbers=~/(\d\d\d)/g;
@dua=$nombor=~/(?=(\d\d\d))/g;
cetak "@satu \n";
cetak "@dua\n";

Pengubah suai m dan s diperlukan untuk mencari urutan aksara yang mengandungi baris baharu. Dengan s, titik itu sepadan dengan \n dan mengabaikan $* . m menjadikan ^ dan $ sepadan sebelum dan selepas \n . e sebelah kanan berpuas hati sebagai kod program: perl -i -n -p -e "s/(.)/lc()/g" *.html menukar semua aksara dalam semua *.html fail direktori semasa kepada huruf kecil.

6.4.1. Sintaks ungkapan biasa

Ungkapan Biasa ialah corak untuk mencari kombinasi aksara tertentu dalam rentetan teks dan menggantikannya dengan kombinasi aksara lain (operasi ini dipanggil sewajarnya padanan corak Dan penggantian). Ungkapan biasa dalam PERL kelihatan seperti

/corak/pengubahsuai

Corak di sini ialah rentetan yang mentakrifkan ungkapan biasa dan pengubah suai ialah huruf tunggal pilihan yang menentukan peraturan untuk menggunakan ungkapan biasa ini.

Ungkapan biasa boleh terdiri daripada aksara biasa; dalam kes ini ia akan sepadan dengan gabungan aksara yang diberikan dalam rentetan. Sebagai contoh, ungkapan /cat/ sepadan dengan subrentetan yang diserlahkan dalam baris berikut: " kucing ok", "untuk kucing"," y kucing Walau bagaimanapun, kuasa sebenar ungkapan biasa PERL datang daripada keupayaan untuk menggunakan khas metakarakter.

6.4.2. Pengubah suai

Operasi ungkapan biasa yang berbeza menggunakan pengubah suai yang berbeza untuk menentukan operasi yang sedang dijalankan. Walau bagaimanapun, empat pengubah suai mempunyai tujuan umum.

6.4.3. Kelas aksara Unicode dan POSIX

Kita boleh menggunakan sintaks dalam ungkapan biasa

[:kelas:]

di mana kelas menentukan nama kelas aksara POSIX, iaitu standard mudah alih untuk bahasa C. Apabila menggunakan arahan penggunaan utf8, bukannya kelas POSIX, anda boleh menggunakan kelas aksara Unicode dalam binaan

\p(kelas)

Jadual berikut meringkaskan semua kelas aksara POSIX, kelas aksara Unicode yang sepadan dan aksara meta, jika ada.

Sebagai contoh, nombor perpuluhan boleh ditetapkan dalam mana-mana tiga cara berikut:

/\d+/ /[:digit:]+/ /\p(IsDigit)+/ # gunakan utf8

Untuk menunjukkan bahawa simbol tidak tergolong dalam kelas tertentu, binaan digunakan

[:^class:] \P(class)

Sebagai contoh, ungkapan berikut mempunyai makna yang sama:

[:^digit:] \D \P(IsDigit) [:^space:] \S \P(IsSpace) [:^word:] \W \P(IsWord)

6.4.4. Mengingati subrentetan

Menggunakan kurungan dalam ungkapan biasa menyebabkan subrentetan yang sepadan dengan corak dalam kurungan disimpan dalam penampan khas. Untuk mengakses n Substring yang disimpan ke dalam ungkapan biasa menggunakan pembinaan \ n, dan di luarnya $ n, Di mana n boleh mengambil sebarang nilai bermula dari 1. Walau bagaimanapun, perlu diingat bahawa PERL menggunakan ungkapan \10 , \11 , dsb. sebagai sinonim untuk kod aksara oktal \010 , \011 , dsb. Kekaburan di sini diselesaikan seperti berikut. Aksara \10 dianggap merujuk kepada subrentetan ke-10 yang diingati jika ia didahului oleh sekurang-kurangnya sepuluh kurungan kiri dalam ungkapan biasa; jika tidak, ia ialah aksara dengan kod perlapanan 10. Metakarakter \1 , \9 sentiasa dianggap sebagai rujukan kepada subrentetan yang disimpan. Contoh:

Jika (/(.)\1/) ( # cari cetakan aksara berulang pertama ""$1" ialah aksara ulangan pertama\n"; ) jika (/Masa: (..):(..):(. .)/ ) ( # komponen masa ekstrak $jam = $1; $minit = $2; $saat = $3; )

Sebagai tambahan kepada $1 , $2 , pembolehubah, terdapat beberapa lagi pembolehubah khas yang menyimpan hasil operasi terakhir dengan ungkapan biasa, iaitu:

Berikut ialah contoh:

"AAA111BBB222"=~/(\d+)/; cetak "$`\n"; # Cetakan AAA "$&\n"; # 111 cetakan "$"\n"; # BBB222 cetakan "$+\n"; # 111

Semua pembolehubah khas ini mengekalkan nilainya sehingga akhir blok yang disertakan atau sehingga padanan corak yang berjaya seterusnya.

6.4.5. Sampel Lanjutan

PERL mengandungi beberapa binaan tambahan yang boleh digunakan dalam ungkapan biasa untuk meningkatkan keupayaannya. Semua binaan ini disertakan dalam kurungan dan bermula dengan simbol? , yang membezakan mereka daripada menghafal subrentetan.

Jika (/aaa/) ( ) # padanan sensitif huruf besar/kecil jika (/(?i)aaa/) ( ) # padanan tidak sensitif huruf besar/kecil