Reguliere expressies versie 8

Als u niet bekend bent met de "standaard" bibliotheekfuncties regexp versie 8, hier zijn de patroonvergelijkingsregels die hierboven niet zijn beschreven.

Elk afzonderlijk teken komt overeen met zichzelf, tenzij het een metateken is met een speciale betekenis die hier of hierboven wordt beschreven. Van tekens die normaal gesproken als metatekens fungeren, kan worden geëist dat ze letterlijk worden geïnterpreteerd door ze te laten voorafgaan door ' \ " (Bijvoorbeeld, " \. "wedstrijden" . ", geen enkel karakter; " \\ "wedstrijden" \ "). De reeks tekens komt overeen met dezelfde reeks tekens in de doelreeks, dus het patroon vervagen komt overeen met " vervagen" in de doellijn.

U kunt een tekenklasse opgeven door een lijst met tekens tussen vierkante haakjes te plaatsen die overeenkomen met elk van de tekens in de lijst. Als het eerste teken na " [ " - "^ ", de klasse komt overeen met elk teken dat niet in de lijst is gespecificeerd. In de lijst komt het teken " - " wordt gebruikt om een ​​bereik aan te geven, dus a-z vertegenwoordigt alle tekens van " A"voor" z", inclusief.

Tekens kunnen worden gespecificeerd met behulp van een syntaxis van metatekens, vergelijkbaar met die in C: " \N" komt overeen met een nieuwe regel, " \T" - tabbladen, " \R" - regelretour, " \F" - formulierfeed, enz. Over het algemeen geldt \nnn, Waar nnn- is een reeks octale cijfers, komt overeen met een teken waarvan de ASCII-codewaarde is - nnn. Insgelijks, \xnn, Waar n- dit zijn hexadecimale cijfers, komt overeen met een teken waarvan de ASCII-codewaarde is - n. Uitdrukking \cx komt overeen ASCII-teken controle-x. Tenslotte het metakarakter " . " komt overeen met elk teken behalve " \N"(tenzij gebruikt /S).

U kunt een reeks alternatieven voor een sjabloon opgeven, gescheiden door het metateken " | ", Dus vergoeding|fie|vijand komt overeen met een van de subtekenreeksen " tarief", "fie" of " vijand" in de doelreeks (hetzelfde als f(e|i|o)e). Merk op dat het eerste alternatief alles omvat vanaf de laatste patroonscheidingsteken (" (", "[ " of vanaf het begin van het patroon) tot het eerste teken " | ", en het laatste alternatief omvat alles van laatste teken "| " naar het volgende patroonscheidingsteken. Daarom staan ​​alternatieven meestal tussen haakjes om er zeker van te zijn dat er geen twijfel bestaat waar ze beginnen en eindigen. Houd er echter rekening mee dat tussen vierkante haakjes " | " wordt geïnterpreteerd als letterlijk, dus als je schrijft , de vergelijking zal alleen plaatsvinden met .

Binnen een sjabloon kunt u subsjablonen markeren (door ze tussen haakjes te plaatsen) voor verdere referentie, en u kunt teruglinken naar N e subpatroon later met behulp van een metakarakter \N. Subpatronen worden van links naar rechts genummerd met behulp van haakjes. Houd er rekening mee dat de terugverwijzing overeenkomt met wat het subpatroon in de rij in kwestie overeenkomt, en niet met de regels die dat subpatroon definiëren. Dat is waarom (0|0x)\d*\s\1\d* komt overeen met " 0x1234 0x4321"maar niet met" 0x1234 01234"omdat subpatroon 1 daadwerkelijk overeenkwam" 0x"Hoewel de regel 0|0x kan mogelijk overeenkomen met de eerste 0 in het tweede getal.

WAARSCHUWING over \1 en $1

Sommige mensen zijn te gewend om dingen te schrijven zoals

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

De wortels van deze gewoonte gaan terug naar de rechterkant van de vervangingsoperator in sed, maar het is een slechte gewoonte. Het punt is dat vanuit het perspectief van Perl rechterkant S/// is een string tussen dubbele aanhalingstekens. \1 V reguliere lijn tussen dubbele aanhalingstekens betekent controle-A. De normale Unix-waarde \1 wordt opgeslagen S///. Als u er echter een gewoonte van maakt om het op deze manier te doen, zult u problemen ondervinden bij het toevoegen van de modifier /e.

S/(\d+)/ \1 + 1 /bijvoorbeeld; of als u s/(\d+)/\1000/;

Deze dubbelzinnigheid kan niet worden vermeden door te schrijven \{1}000 , maar het is mogelijk als je schrijft ${1}000 . Het is alleen zo dat de interpolatiebewerking niet mag worden verward met de bewerking voor het matchen van terugverwijzingen. Natuurlijk hebben ze verschillende betekenissen aan de linkerkant van de operator S///.

In dit hoofdstuk wordt de syntaxis van reguliere expressies beschreven. Het meest voorkomende gebruik ervan in Perl is in zoek- en vervangoperatoren zoals S//, M/, connectieve operators =~ of != enz. In de regel hebben al deze operators vergelijkbare opties, zoals:

Normaal gesproken worden al deze opties aangeduid als "/x". Ze kunnen zelfs in sjablonen worden gebruikt met behulp van nieuw ontwerp (?...)

Reguliere expressies of patronen zijn hetzelfde als regexp-procedures in Unix. Expressies en syntaxis zijn ontleend aan de vrij verspreide V8-procedures van Henry Spencer, waar ze in detail worden beschreven.

De sjablonen gebruiken de volgende metatekens (tekens die groepen andere tekens aanduiden), vaak de egrep-standaard genoemd:

Metatekens hebben modificatoren (geschreven na het metateken):

In alle andere gevallen worden accolades beschouwd als gewone (reguliere) tekens. Dus "*" is gelijk aan (0,) , "+" is (1,) en "?" - (0,1). n en m kunnen niet groter zijn dan 65536.

Standaard zijn metatekens hebzuchtig. De match wordt zo vaak mogelijk gepropageerd, zonder rekening te houden met het effect van daaropvolgende metatekens. Als je "hun eetlust wilt verminderen", gebruik dan het "?"-symbool. Dit verandert niets aan de betekenis van de metatekens, het vermindert alleen de verspreiding. Dus:

Sjablonen werken op dezelfde manier als dubbele aanhalingstekens, zodat u `\` - symbolen (backslash-symbolen) erin kunt gebruiken:

Bovendien zijn de volgende metatekens aan Perl toegevoegd:

Merk op dat dit allemaal "één" teken is. Gebruik modifiers om de volgorde aan te geven. Dus:

Een woordgrens (\b) is een denkbeeldig punt tussen de tekens \w en \W. Binnen een tekenklasse vertegenwoordigt "\b" het backspace-teken. Metakarakters \A En \Z- “^” en “$” zijn vergelijkbaar, maar als begin van de lijn"^" en regeleinde "$" fungeren dan voor elke regel in een reeks met meerdere regels \A En \Z geven het begin en einde aan van een volledige reeks met meerdere regels.

Als binnen het patroon groepering (haakjes) wordt gebruikt, wordt het substringnummer van de groep aangeduid als "\digit". Merk op dat deze groepen, volgens het patroon binnen een expressie of blok, worden aangeduid als "$digit". Daarnaast zijn er aanvullende variabelen:

Voorbeeld:

$s = "Eén 1 twee 2 en drie 3"; if ($s =~ /(\d+)\D+(\d+)/) ( print "$1\n"; # Resultaat "1" print "$2\n"; # "2" print "$+\n" ; # "2" print "$&\n"; # "1 twee 2" print "$`\n" # "Eén " print "$"\n"; # " en drie 3" )

Perl versie 5 bevat aanvullende sjabloonconstructies:

Voorbeeld:

$s = "1+2-3*4"; if ($s =~ /(\d)(?=-)/) # Zoek het getal gevolgd door "-" ( print "$1\n"; # Resultaat "2" ) else ( print "zoekfout\n" ;) (?!patroon) - “vooruitkijkend” naar de ontkenning.

Voorbeeld:

$s = "1+2-3*4"; if ($s =~ /(\d)(?!\+)/) # Zoek een cijfer dat niet wordt gevolgd door "+" ( print "$1\n"; # Resultaat "2" ) else ( print "search fout\ n";)

(?ismx) - “interne” modificatoren. Het is handig om te gebruiken in sjablonen, waarbij u bijvoorbeeld een modifier in de sjabloon moet opgeven.

Regels voor reguliere expressies. (regex)

1. Elk karakter vertegenwoordigt zichzelf, tenzij het een metakarakter is. Als u het effect van een metateken wilt annuleren, plaatst u er "\" voor.
2. Tekenreeks geeft een reeks van deze tekens aan.
3. De reeks mogelijke tekens (klasse) staat tussen vierkante haakjes "", dit betekent dat een van de tussen haakjes gespecificeerde tekens op deze plaats kan verschijnen. Als het eerste teken tussen haakjes “^” is, kan geen van de opgegeven tekens op dit punt in de uitdrukking voorkomen. Binnen een klasse kunt u het symbool "-" gebruiken om een ​​reeks tekens aan te duiden. A-z is bijvoorbeeld een van de kleine letters van het Latijnse alfabet, 0-9 is een getal, enz.
4. Alle tekens, inclusief speciale, kunnen worden aangegeven met "\", zoals in de C-taal.
5. Alternatieve reeksen worden gescheiden door "|" Merk op dat dit tussen de vierkante haakjes een normaal symbool is.
6. Binnen een reguliere expressie kunt u "subpatronen" specificeren door ze tussen haakjes te plaatsen en ernaar te verwijzen als "\nummer". Het eerste haakje wordt aangeduid met "\1".

1. Vervang meerdere spaties en niet-tekstuele tekens door enkele spaties:

   $text = "Hier is de tekst."
   $tekst =~ tr[\000-\040\177\377][\040]s;
   print $tekst;
   Hier is de tekst.

2. Snijd dubbel, drievoudig, enz. brieven:

   $text = "Hier is de texxxxxxt.";
   $tekst =~ tr/a-zA-Z/s;
   print $tekst;
   Hier is de tekst.

3. Bereken het aantal niet-lettertekens opnieuw:

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

4. Wis het achtste bit met tekens, verwijder niet-tekstuele tekens:

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

5. Vervang niet-tekstuele en 8-bits tekens door een enkele spatie:

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

Zoek naar afzonderlijke woorden

Om een ​​woord te markeren, kunt u het metateken \S gebruiken om tekens die geen witruimte bevatten te matchen:

$text = "Nu is het tijd.";
$tekst =- /(\S+)/;
afdrukken;
Nu

Het metateken \S komt echter ook overeen met tekens die doorgaans niet voor ID's worden gebruikt. Om woorden te selecteren die uit Latijnse letters, cijfers en onderstrepingstekens bestaan, moet u het metateken \w gebruiken:

$text = "Nu is het tijd.";
$tekst =~ /(\w+)/;
afdrukken;
Nu

Als u alleen Latijnse letters in de zoekopdracht wilt opnemen, moet u een tekenklasse gebruiken:

$text = "Nu is het tijd.";
$tekst =~ /(+)/;
afdrukken;
Nu

Meer veilige methode is om denkbeeldige woordgrenstekens in het patroon op te nemen:

$text = "Hoe is de tijd.";
$tekst=~/\b(+)\b/;
afdrukken;
Nu

Ga naar het begin van de regel

Het begin van een regel komt overeen met een metateken (denkbeeldig teken) ^ . Om het patroon naar het begin van de regel te laten gaan, moet u dit teken aan het begin van de reguliere expressie instellen. Zo kun je bijvoorbeeld controleren of de tekst niet met een punt begint:

$line = ".Hallo!";
als($regel=~m/^\./)(
print "Mag een zin niet beginnen met een punt!\n";
}
Je mag een zin niet beginnen met een punt!

Om te voorkomen dat de in het patroon gespecificeerde periode als een metateken zou worden geïnterpreteerd, was het nodig om deze vooraf te laten gaan door een backslash.

Ga naar het einde van de regel

Om een ​​patroon aan het einde van een string te verankeren, wordt het metateken (een denkbeeldig teken) $ gebruikt. In ons voorbeeld gebruiken we patroonbinding aan het begin en einde van de regel om ervoor te zorgen dat de gebruiker alleen het woord "exit" heeft ingevoerd:

Terwijl(<>){
if(m/"exlt$/) (afsluiten;)
}

Cijfers zoeken

$test = "Hallo!";
als($tekst =~ /\D/)(
print "Het is geen getal.\n";
}
Het is geen getal.

Hetzelfde kan worden gedaan met behulp van het metateken \d:

$tekst = "333";
als($tekst =~ /^\d+$/)(
print "Het is een getal.\n";
}
Het is een getal.

U kunt eisen dat het nummer een bekend formaat volgt. Dat wil zeggen dat een getal een decimale punt kan bevatten, voorafgegaan door ten minste één cijfer en mogelijk enkele cijfers erna:

$text= "3.1415926";
if($text =~ /^(\d+\.\d*|\d+)$/)(
print "Het is een getal.\n";
}
Het is een getal.

Bovendien kunt u bij het controleren rekening houden met het feit dat het getal kan worden voorafgegaan door een plus of een min (of een lege spatie):

$tekst = "-2.7182";
if ($tekst =~ /^([+-]*\d+)(\.\d*|)$/) (
print "Het is een getal.\n";

Omdat de plus een metateken is, moet deze worden beveiligd met een backslash. Binnen vierkante haakjes, dat wil zeggen een tekenklasse, kan het echter geen kwantificator zijn. Het minteken binnen een tekenklasse fungeert doorgaans als bereikoperator en moet daarom worden geëscaped met een backslash. Aan het begin of einde van het patroon kan het echter op geen enkele manier een bereik aangeven, en daarom is de backslash optioneel. Ten slotte vereist een strengere test dat het teken, indien aanwezig, slechts één teken is:

$tekst = "+0,142857142857142857";
als ($tekst =~ /^(+|-|)\d+(\.\d*\)$/) (
print "Het is een getal.\n";
}
Het is een getal.

Alternatieve patronen, indien aanwezig, worden van links naar rechts gecontroleerd. Het zoeken naar opties eindigt zodra er een match is gevonden tussen de tekst en het sjabloon. Daarom zou de volgorde van alternatieven in het patroon (\.\d*|) bijvoorbeeld van cruciaal belang kunnen worden als de end-of-line-binding er niet was. Ten slotte kunt u als volgt controleren of tekst een hexadecimaal getal is, zonder teken of andere attributen:

$text = "1AO";
tenzij (ftext =~ m/^+$/) (
print "Het is geen hexadecimaal getal,\n";
}

ID-verificatie

Je kunt het metateken \w gebruiken om te controleren of tekst alleen uit letters, cijfers en onderstrepingstekens bestaat (dit zijn wat perl woordtekens noemt):

$tekst=”abc”;
als($tekst=~/^\w+$/)(
print "Alleen woordtekens gevonden.\n";
}
Er zijn alleen woordtekens gevonden.

Als je er echter zeker van wilt zijn dat de tekst Latijnse letters bevat en geen cijfers of onderstrepingstekens, zul je een ander patroon moeten gebruiken:

$tekst = "abc";
if($text=~ /^+$/) ( print "Alleen lettertekens gevonden.\n"; )
Qnly lettertekens gevonden.

Om ten slotte te controleren of de tekst een identificatie is, dat wil zeggen dat deze begint met een letter en letters, cijfers en onderstrepingstekens bevat, kunt u de opdracht gebruiken:

$tekst = "X125c";
als($tekst=~ /^\w+$/) (
print "Dit is een identificatie.\n";
}
Dit is een identificatie.

Hoe u meerdere overeenkomsten kunt vinden

U kunt de g-modifier gebruiken om meerdere exemplaren van een patroon te matchen. Het volgende voorbeeld, dat we eerder zagen, gebruikt het commando m/.../ met de g-modifier om alle exemplaren van de letter x in de tekst te vinden:

$text="Hier is texxxxxt";
while($text=~m/x/g) (
print "Nog een x gevonden.\n";
}
Nog een x gevonden.
Nog een x gevonden.
Nog een x gevonden.
Nog een x gevonden.
Nog een x gevonden.

De g-modifier maakt de zoekopdracht globaal. In een gegeven (scalaire) context onthoudt perl waar het wanneer op de lijn stopte vorige zoekopdracht. De volgende zoekopdracht gaat verder vanaf het uitgestelde punt. Zonder de g-modifier zal het commando m/.../ koppig de eerste keer dat de letter x voorkomt vinden, en de lus zal voor onbepaalde tijd doorgaan.

In tegenstelling tot het commando m/.../ wordt het commando s/.../.../ met de modificator g uitgevoerd mondiale vervanging tegelijkertijd, alsof het al een ingebouwde zoeklus heeft, zoals die hierboven. In het volgende voorbeeld worden alle exemplaren van x in één keer vervangen door z:

$text = "Hier is texxxxt.";
$tekst =~ s/x/z/g;
print $tekst;
Hier is tezzzzt.

Zonder de g-modifier zal het commando s/.../.../ alleen de eerste letter x vervangen. Het commando s/.../.../ retourneert het aantal uitgevoerde vervangingen, wat handig kan zijn:

$text= "Hier is texxxxt.";
afdrukken (tekst =~ s/x/z/g)
5

Hoofdletterongevoelige overeenkomsten zoeken

U kunt de i-modifier gebruiken om de zoekopdracht ongevoelig te maken voor het verschil tussen hoofdletters en kleine letters. In het volgende voorbeeld herhaalt het programma de door de gebruiker ingevoerde tekst op het scherm totdat Q of q (afkorting van QUIT of quit) wordt ingevoerd, waarna het programma wordt afgesloten:

Terwijl(<>) {
kauwen;
tenzij (/^q$/i)(print
) anders (
Uitgang;
}
}

Selectie van subtekenreeksen

Om de gevonden subtekenreeks van tekst te verkrijgen, kunt u haakjes in de hoofdtekst van de sjabloon gebruiken. Als dit handiger is, kunt u ook de ingebouwde substr-functie gebruiken. In het volgende voorbeeld knippen we het type product dat we nodig hebben uit een tekstreeks:

$record = "Productnummer:12345
Producttype: printer
Productprijs: 5";
if($record=~/Producttype:\s*(+)/i)(
print "Het producttype is^.\n";
}
Het producttype is printer.

Functies oproepen en uitdrukkingen evalueren bij het vervangen van tekst

Door de e-modifier te gebruiken voor de opdracht s/.../.../ geeft u aan dat de rechteroperand (dat wil zeggen: de tekst die wordt vervangen) de perl-expressie is die moet worden geëvalueerd. U kunt bijvoorbeeld de in perl ingebouwde functie uc (hoofdletters) gebruiken om alle kleine letters van woorden in een string te vervangen door hoofdletters:

$text = "Nu is het tijd.";
$text=~ s/(\w+)/uc()/ge;
print $tekst;
NU IS DE TIJD.

In plaats van de uc($l)-functie kunt u willekeurige code plaatsen, inclusief programma-aanroepen.

Het vinden van de zoveelste match

De g-modifier wordt gebruikt om alle voorkomende gevallen van een bepaald patroon te doorlopen. Maar wat moet u doen als u een heel specifiek toevalspunt met de sjabloon nodig heeft, bijvoorbeeld de tweede of derde? Exploitant terwijl lus in combinatie met haakjes die het gewenste patroon benadrukken, helpt u:

$text = "Naam:Anne Nanie:Burkart Naam:Glaire Naam: Dan";
while ($text =~ /Naam: \s*(\w+)/g) (
+$overeenkomst;
print "Matchnummer $match is .\n";
}

Match nummer 1 is Anne
Match nummer 2 is Burkart
Match nummer 3 is Claire
Match nummer 4 is Dan

Dit voorbeeld kan worden herschreven met behulp van voor lus:

$text = "Naam:Anne Naam:Burkart Naam:Ciaire Naam:Dan";
voor ($overeenkomst = 0;
$text =~ /Naam:\s*(\w+)/g;
print "Matchnummer $(\match) is .\n")
{}
Match nr. 1 Is Anne
Match nummer 2 is Burkart
Match nummer 3 is Claire
Match nummer 4 is Dan

Als u de gewenste match niet op nummer, maar op inhoud (bijvoorbeeld op basis van de eerste letter van de gebruikersnaam) moet bepalen, kunt u in plaats van de $match-teller de inhoud analyseren van een variabele die bij elke match wordt bijgewerkt. wedstrijd gevonden. Wanneer u de tweede of derde teksttekst wilt vervangen in plaats van deze te zoeken, kunt u hetzelfde schema toepassen, waarbij u als hoofdtekst van de lus een perl-expressie gebruikt die wordt aangeroepen om de vervangende tekenreeks te evalueren:

$text = "Naam:Anne Naam:Burkart Naam:Claire Naam:Dan";
$overeenkomst =0;
$text =~ s/(Naam:\s*(\w+))/ # perl-code begint
if (+$match == 2) (# # verhogingsteller
"Naam:John ()" # retourneert nieuwe waarde
) else ( )# behoudt de oude waarde
/gex;
print $tekst;
Naam:Anne Naam:John (Burkart) Naam:ClaireNaam:Dan

Tijdens een globale zoekactie wordt voor elke gevonden overeenkomst de expressie geëvalueerd die is opgegeven als de tweede operand. Bij de berekening ervan wordt de tellerwaarde verhoogd en afhankelijk daarvan wordt de oude tekstwaarde of de nieuwe vervangen als vervanging. Met de x-modifier kunt u opmerkingen toevoegen aan een sjabloonveld, waardoor de code transparanter wordt. Houd er rekening mee dat we het hele patroon tussen haakjes moesten plaatsen om de waarde van de gevonden tekst te achterhalen en deze volledig te vervangen.

Hoe de "hebzucht" van kwantoren te beperken

Standaard gedragen kwantoren zich als hebzuchtige objecten. Beginnend bij de huidige zoekpositie pakken ze de langste tekenreeks die de reguliere expressie kan matchen vóór de kwantor. Het backtracking-algoritme van Perl kan de eetlust van kwantoren beperken door terug te gaan en de lengte van de vastgelegde string te verkleinen als het er niet in slaagt een overeenkomst tussen de tekst en het patroon te vinden. Dit mechanisme werkt echter niet altijd zoals we zouden willen. Beschouw het volgende voorbeeld. We willen de tekst 'That is' vervangen door de tekst 'That's'. Vanwege de hebzucht van de kwantor wordt de reguliere expressie '.*is' echter gekoppeld aan het tekstfragment vanaf het begin van de regel. tot de laatste "is" gevonden:

$text =~ s/.*is/Dat"s/;
print $teksten;
Is dat het niet?

Om kwantoren minder hebzuchtig te maken, namelijk om ze de minimale string te laten vastleggen waarmee de reguliere expressie vergelijkbaar is, moet je na de kwantor zetten vraagteken. De kwantoren hebben dus de volgende vorm:

• *? - nul of meer overeenkomsten,
• +? - een of meer wedstrijden,
• ?? - nul wedstrijden of één wedstrijd,
• (N)? - precies n overeenkomsten,
• (N,)? - minstens n overeenkomsten,
• (n,m)? - minimaal n matches, maar niet meer dan m.

Houd er rekening mee dat dit de betekenis van de kwantor niet verandert; alleen het gedrag van het zoekalgoritme verandert. Als tijdens het matchen van het sjabloon en de tekst het prototype op unieke wijze wordt bepaald, zal het backtracking-algoritme de ‘hebzucht’ van zo’n kwantificator vergroten op dezelfde manier als het de eetlust van zijn collega-kwantificator beperkt. Als de keuze echter dubbelzinnig is, zal het zoekresultaat anders zijn:

$text = "Dat is wat tekst, nietwaar?";
$text =~ s/.*?is/Dat"s/;
print $teksten;
Dat is een stukje tekst, nietwaar?

Hoe voorloop- en volgspaties te verwijderen

Om leidende witruimtetekens uit een tekenreeks te verwijderen, kunt u de volgende opdracht gebruiken:

$text = "Nu is het tijd.";
$tekst =~ s/^\s+//;
print $teksten;
Dit is het moment.

Om volgspaties af te snijden, is het volgende commando geschikt:

$text = "Nu is het tijd.";
$tekst =~ s/\s+$//;
print $teksten;
Dit is het moment.

Om zowel voorloop- als volgspaties bij te snijden, is het beter om deze twee opdrachten opeenvolgend aan te roepen dan een sjabloon te gebruiken dat onnodige spaties in één keer weghaalt. Omdat de procedure voor het matchen van een sjabloon en tekst behoorlijk complex is, is dit het geval eenvoudige bediening Het kan veel langer duren dan je zou willen.

In de tekst moet u bijvoorbeeld de tekst vinden die zich tussen de openings- en sluitingstags bevindt:

$tekst = " bla-bla";
als($tekst=~m!<()>(.*?)/\1!ig) (
druk "\n" af;
}

vindt alle woorden tussen de tags en .

Reguliere expressies hebben hun eigen semantiek: snelheid, haast en terugkeer. Als de *-kwantificator in veel gevallen overeenkomt, wordt het langste resultaat afgedrukt. Dit is hebzucht. Snel: Zoeken probeert zo snel mogelijk te vinden. "Text"=~/m*/ , wat betekent dat er geen m tekens zijn, maar als resultaat wordt de waarde 0 geretourneerd. Die. formeel 0 of meer tekens.

$test="aooooee ooaao";
$test=~s/o*/e/;
print $test;
eaaoooo oooo

omdat 1 stapelelement 0 of meer tekens bevat.

Als we de kwantificator g toevoegen, zal het resultaat er als volgt uitzien:

Eeaeeeeeeeeeeeeeeee

omdat de regel 13 plaatsen bevat waar o kan verschijnen, inclusief lege plaatsen.

Modificatoren:

• /i negeer hoofdlettergebruik
• /x negeer spaties in het patroon en laat commentaar toe.
• /g-modifier om waar mogelijk zoeken/vervangen toe te staan
• /gc-positie wordt niet opnieuw ingesteld als de zoekopdracht mislukt.
• /s-overeenkomsten zijn toegestaan. met \n wordt $* genegeerd.
• /m zorgt ervoor dat ^ en $ overeenkomen voor het begin en einde van de regel in interne regeleinden
• /o één keer compileren
• /e de rechterkant van s/// vertegenwoordigt de code die wordt uitgevoerd
• /ee de rechterkant van s/// wordt uitgevoerd, waarna de geretourneerde waarde opnieuw wordt geïnterpreteerd.

bij het aanroepen van gebruikslandinstelling wordt rekening gehouden met lokale instellingen. De /g-modifier kan een array met waarden vullen @nums = m/(\d+)/g; maar dit werkt voor niet-overlappende overeenkomsten. Om overeenkomsten te vinden, moet je de operator?=... gebruiken. Als breedte = 0, blijft het zoekmechanisme op dezelfde plaats. De gevonden gegevens blijven tussen de haakjes staan. Als er een /g-modificator is, blijft de huidige positie hetzelfde, maar gaat één teken vooruit.

$nummers="123456789";
@one=$getallen=~/(\d\d\d)/g;
@twee=$getallen=~/(?=(\d\d\d))/g;
druk "@één \n" af;
druk "@twee\n" af;

De m- en s-modificatoren zijn nodig om te zoeken naar reeksen tekens die een nieuwe regel bevatten. Met s komt de punt overeen met \n en negeert $* . m zorgt ervoor dat ^ en $ voor en na \n overeenkomen. e de rechterkant is tevreden als programmacode: perl -i -n -p -e "s/(.)/lc()/g" *.html converteert alle tekens in alle *.html-bestanden van de huidige map naar kleine letters.

6.4.1. Syntaxis van reguliere expressies

Reguliere expressies zijn patronen voor het zoeken naar gespecificeerde combinaties van tekens in tekstreeksen en het vervangen ervan door andere combinaties van tekens (deze bewerkingen worden dienovereenkomstig genoemd patroonafstemming En vervanging). Een reguliere expressie in PERL ziet er zo uit

/patroon/modificatoren

Patroon is hier een tekenreeks die een reguliere expressie definieert, en modificatoren zijn optionele éénletterige tekens die de regels specificeren voor het gebruik van deze reguliere expressie.

Een reguliere expressie kan uit reguliere tekens bestaan; in dit geval komt het overeen met de gegeven combinatie van tekens in de string. De expressie /cat/ komt bijvoorbeeld overeen met de gemarkeerde subtekenreeksen in de volgende regels: " kat oké", "voor kat", "j kat De echte kracht van reguliere PERL-expressies komt echter voort uit de mogelijkheid om special te gebruiken metatekens.

. /\x(2663)/ is bijvoorbeeld gelijk aan /♣/.

6.4.2. Modificatoren

begint een opmerking, die ook wordt genegeerd.

6.4.3. Unicode- en POSIX-tekenklassen

We kunnen de syntaxis in reguliere expressies gebruiken

[:klas:]

waarbij klasse de naam van de POSIX-tekenklasse specificeert, d.w.z. de mobiele standaard voor de C-taal. Wanneer u de use utf8-richtlijn gebruikt, in plaats van POSIX-klassen, kunt u Unicode-tekenklassen in de constructie gebruiken

\p(klasse)

Hexadecimale cijfers Bijvoorbeeld, decimaal getal

kan op een van de volgende drie manieren worden ingesteld:

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

Om aan te geven dat een symbool niet tot een bepaalde klasse behoort, worden de constructies gebruikt

[:^klasse:] \P(klasse)

De volgende uitdrukkingen hebben bijvoorbeeld dezelfde betekenis:

[:^cijfer:] \D \P(IsCijfer) [:^spatie:] \S \P(IsSpatie) [:^woord:] \W \P(IsWoord)

6.4.4. Substrings onthouden Het gebruik van haakjes in een reguliere expressie zorgt ervoor dat de subtekenreeks die overeenkomt met het patroon tussen de haakjes, wordt opgeslagen speciale buffer N. Om toegang te krijgen N De e opgeslagen subtekenreeks binnen de reguliere expressie gebruikt de constructie \ N, Waar N, en daarbuiten $

If (/(.)\1/) ( # zoek naar het eerste herhalende teken, print ""$1" is het eerste herhalende teken\n"; ) if (/Tijd: (..):(..):(. .)/ ) ( # extraheer tijdcomponenten $uren = $1; $minuten = $2; $seconden = $3; )

Naast de $1 , $2 , variabelen zijn er nog een aantal speciale variabelen die de resultaten van de laatste bewerking opslaan met een reguliere expressie, namelijk:

Hier is een voorbeeld:

"AAA111BBB222"=~/(\d+)/; druk "$`\n" af; # AAA-afdruk "$&\n"; # 111 druk "$"\n" af; # BBB222 druk "$+\n" af; # 111

Al deze speciale variabelen behouden hun waarden tot het einde van het omsluitende blok of tot de volgende succesvolle patroonmatch.

6.4.5. Geavanceerde voorbeelden

PERL bevat verschillende aanvullende constructies die in reguliere expressies kunnen worden gebruikt om de mogelijkheden ervan te vergroten. Al deze constructies staan ​​tussen haakjes en beginnen met een symbool? , wat hen onderscheidt van het onthouden van substrings.

If (/aaa/) ( ) # hoofdlettergevoelige overeenkomsten if (/(?i)aaa/) ( ) # hoofdlettergevoelige overeenkomsten