《精通正则表达式》笔记

 

1. 多选结构

(mm|gg) 表示匹配 "mm"或"gg"

 

2. 忽略大小写

s/source/dest/i

搜索source，将其替换为dest，此处的i只对source起作用，而不会作用于dest。

 

3. 单词分界符

/< 用来匹配单词的开始

/> 用来匹配单词的结束

比如： /<cat 表示匹配以"cat"开头的单词，如cate

cat/>匹配以"cat"结尾的单词，如scat

则：/<cat/> 必须精确匹配 "cat"

 

4. 捕获括号及"反向引用"

在有些支持"反向引用"的地方，括号可以用来表示记忆，这种括号称为捕获括号，在后面，可以通过/1、/2、/3等来引用括号内匹配的表达式。(或用$1、$2等引用)

如：m//<([A-Za-z]+)/s/1/>/g

表示搜索两个相邻的，重复的单词。

/s表示任意多个空白字符。

/1就表示前面 ([A-Za-z]+)匹配到的内容。 所以，这个表达式的意思就是在开始找到一个单词，然后再判断它后面的那个单词，是否是一样的。

注意，如果用 (?:...)括号的话，它就不会起捕获作用了，它只起分组的作用。

 

5. 字符组

字符组是放在[]中的部分。

它类似于宿主语言中的一个子语言，它里面定义的元字符与宿主语言的很不相同。

[^...] 排除型字符组

 

6. 一些转义字符

/s 可以匹配任何“空白”字符，包括空格、tab、进纸符等。

/S 与/s相反，除/s之外的。(注意，它必要要匹配“字符”！如果不能匹配空)

/d [0-9]，即数字。

/D 除/d之外的。

/w [a-zA-Z0-9]，即匹配一个包含数字、字母的单词。

/W 除/w之外的。

/b 可以匹配单词起始 或 单词结束。

 

7. 环视功能

环视是用来在字符串不匹配任何字符，只匹配文本中的位置，注意，只是位置。

顺序环视：从左至右查看文本，尝试匹配子表达式，如果能够匹配，就返回匹配成功信息。

1) 肯定顺序环视：(?=...)

如：

文本信息为：my test string.

表达式： s/(?=test)/first /i

它就能匹配到test左边的位置！

然后用first 来替换这个位置，因为它只是一个位置，所以实际上就是插入。(实际上就像： s/^/yeah/g 中的^，在每行的开头插入"yeah")

最后经过处理的文本信息为：

my first test string.

2) 否定顺序环视：(?!...)

子表达式不能匹配右侧文本。

如：(?!/d)，就表示该位置的右边不是数字的时候，就匹配成功。

3) 肯定逆序环视：(?<=...)

子表达式能够匹配左侧文本。

如：(?<=/d/d/d)，就表示，在该位置的左边，必须是3个数字时才会匹配成功。

如：test321ff，如果用上面的表达式来匹配，最终匹配的位置是1的后面，f的前面。

4) 否定逆序环视：(?<!...)

子表达式不能匹配左侧文本。

 

8. 条件判断

结构：(?if then |else)

如：(god)?(?(1)pig|ciahi)

这个表达式就能产生这样的效果：

如果"god"参与了匹配，在它之后继续尝试匹配pig，如果god没有参与匹配，就会尝试匹配ciahi。

比如文本是： "godpi is not ciahi"， 存在123.txt中。

在perl中使用如下命令：

perl -p -e "s/(god)?(?(1)pig|ciahi)/haha/g" 123.txt

就会输出：godpi is not haha

再如：(?(?<=NUM:)/d+|/w+)

如果出现了"NUM:"，就会在它后面尝试匹配/d+，即一些数字。

如果没有出现"NUM:"，就只匹配/w+，即普通单词。

 

9. 忽略优先量词 *?、+?、??

普通的量词*、+、?在匹配的时候，会匹配尽可能多的字符。

如：文本为：who is No. 5555?

则表达式 5+ 会将4个5全都匹配。

而忽略优先量词，匹配的时候只匹配尽可能少的字符。

表达式 5+? 只会匹配1个5.