Perl 最佳实践(节选) --- 12

 

第十二章：正则表达式

 

正则表达式就是子程序。就是文本匹配子程序。

 

 

 

壹肆伍.

一定要用/x标记。

 

 

 

壹肆陆.

一定要用/m标记。

 

 

 

壹肆柒.

以\A和\z作为字符串边界锚点（anchor）。

 

       #删除前后空白……

       $text=~ s{\A \s* | \s* \z}{}gxm;

 

 

 

壹肆捌.

使用\z表示“字符串末尾”，不要用\Z。

 

Perl提供\z标示符号的变形版本：\Z。但是，小写\z是指“匹配字符串末尾”，而大写\Z是指“匹配可有可无的换行字符，然后是字符串末尾”。

 

 

 

壹肆玖.

总是使用/s标记。

 

 

 

壹伍零.

考虑强制使用Regexp::Autoflags模块。

 

为了我们在每个正则后面少输入“/xms”，我们可以使用：

       useRegexp::Autoflags;

 

 

 

壹伍壹.

优先使用m{…}，少在多行正则表达式中用/…/。

 

 

 

壹伍贰.

除了/…/或m{…}以外，不要用其他定界符。

 

 

 

壹伍叁.

最好使用字符类，不用转义的元字符（metacharacter）。

 

 

 

壹伍肆.

最好使用具名字符，不用转义的元字符。

 

例如：

       if($escape_seq =~ /\177 \006 \030 Z/xms) {      #Octal DEL-ACK-CAN-Z

              blink(182);

       }

 

       改写为：

       usecharnames qw( :full);

      

       if($escape_seq =~ m/\N{DELETE} \N{ACKNOWLEDGE} \N{CANCEL} Z/xms) {

              blink(182);

       }

 

 

 

壹伍伍.

最好使用特性（property），而不用枚举式字符类。

 

       Readonly my $ALPHA_IDENT => qr/ \p{Uppercase}\p{Alphabetic}* /xms;

 

注Perl5.8以上版本才支持Unicode。

 

 

 

壹伍陆.

考虑匹配任意空白，而不是特定空白字符。

 

       $config_line=~ m{ ($IDENT)  \s*     =     \s*   (.*) }xms

 

 

 

壹伍柒.

当匹配“尽可能多”时，一定要制定。

 

       #格式为：<source>% <data> & <config> ……

       if($source =~ m/\A              ([^%]*)   %    ([^&]*)   &    (.*)  /xms) {

              my($statements, $data, $config) = ($1, $2, $3);

 

              my$prog = compile($statements, {config=>$config});

              my$res = execute($prog,     {data=>$data,config=>$config});

       }

       else{

              croak      ‘Invalid program’;

       }

 

正则的最后“.*?”不是多余的，就是未做你想要做的事，或者是你忘了一个\z锚点。

 

 

 

壹伍捌.

只有当你要捕获时，才使用捕获小括号。

 

 

 

壹伍玖.

只有当你确定前次匹配成功时，才使用数值式的捕获变量。

 

数值式的捕获变量：$1,$2,$3…

 

 

 

壹陆零.

一定要给予捕获的子字符串适当的名称。

 

$myName = $1;

 

 

 

壹陆壹.

使用/gc标记把输入字符串记号化（tokenize）。

 

/gc标记告诉正则记录每次成功匹配都在何处完成匹配;

 

 

 

壹陆贰.

利用表格建立正则表达式。

 

#     建立模式以匹配任何下列不规则复数……

       my$has_irregular_plural

              =join ‘|’, map {quotemeta $_} reverse sort keys %irregular_plural_of;

 

 

 

壹陆叁.

由较简单的零件建立复杂的正则表达式。

 

# 建立正则表达式以匹配浮点数……

       Readonlymy $DIGITS         => qr{    \d+  (?:  [.] \d*)?  |  [.] \d+               }xms;

       Readonlymy $SIGN             => qr{    [+-]                                                         }xms;

       Readonlymy $EXPONENT   => qr{    [Ee]        $SIGN?          \d+                       }xms;

       Readonly my $NUMBER       =>qr{    (  ($SIGN?) ($DIGITS)  ($EXPONENT)}xms;

 

       #稍后……

       my($number, $sign, $digits, $exponent)

              =$input =~ $NUMBER;

 

 

 

壹陆肆.

考虑使用Regexp::Common，不要自己写正则表达式。

 

 

 

壹陆伍.

使用字符类，不要使用单一字符交替（alternation）。

 

if ($quotelike!~ m{\A    (?:  q[qrx] |  [gsy]  | tr  )  \z}xms) {

       carp “Unknown quotelike: $quotelike”;

              nextQUOTELIKE;

       }

 

 

 

壹陆陆.

从交替选择中把共同的词缀分离出来。

 

 

 

壹陆柒.

避免无用的回溯。

 

 

 

壹陆捌.

最好用固定字符串的eq比较，不要用固定模式的正则表达式匹配。

 

# 离开命令有很多变形版本 ……

       lastCOMMAND if $cmd =~ m{\A  (?:  q |  quit  | bye)}xms;

 

 

# 离开命令有很多变形版本 ……

       lastCOMMAND if $cmd eq   ‘q’

||  $cmd eq ‘quit’

||  $cmd eq  ‘bye’;