Perl的文字处理模式

mingk

　　匹配：m/<regexp>/ （还可以简写为 /<regexp>/ ，略去 m）
　　替换：s/<pattern>/<replacement>/
　　转化：tr/<pattern>/<replacemnt>/
　　这三种形式一般都和 =~ 或 !~ 搭配使用（其中 "=~" 表示相匹配，在整条语句中读作 does，"!~" 表示不匹配，在整条语句中读作 doesn't），并在左侧有待处理的标量变量。如果没有该变量和 =~ !~ 操作符，则默认为处理 $_ 变量中的内容。
　　
　　
　　   如果在Unix中曾经使用过sde,awk,grep这些指令的话,相信对于 Perl 语言中的文字处理模式(Regular Expression)应该不会感到陌生才对。在Perl语言中因为有这个功能,所以对于字符串的处理能力是非常强有力的。Regular Expression可视为用来处理字符串的一种模式(pattern),其使用的格式为/pattern/。在Perl语言的程序中,经常可以看到类似语法的应用,在CGI程序设计中也不例外。只要能够善用文字处理模式的话,要处理任何难的字符串皆可迎刃而解,在本章中笔者会用深入浅出的方式来介绍Regular Expression的用法。
一 文字处理模式中,/pattern/常用到的语法

/pattern/	结果
	除了换行字符\n外,找寻只有一个字符的字符串
x?	找寻0个或是1个x字符
x*	找寻0个或是0个以上的x字符
.*	找寻0个或是0个以上的任何字符
x+	找寻0个或是1个以上的x字符
.+	找寻1个或是1个以上的任何字符
{m}	找寻刚好是m个个数指定的字符
{m,n}	找寻在m个数个数以上,n个个数以下指定的字符
{m,}	找寻m个个数以上指定的字符
[]	找寻符合[]内的字符
[^]	找寻不符合[]内的字符
[0-9]	找寻符合0到9的任何一个字符
[a-z]	找寻符合a到z的任何一个字符
[^0-9]	找寻不符合0到9的任何一个字符
[^a-z]	找寻不符合a到z的任何一个字符
^	找寻字符开头的字符
$	找寻字符结尾的字符
\d	找寻一个digit(数字)的字符,和[0-9]语法一样
\d+	找寻一个digit(数字)以上的字符串,和[0-9]+语法一样
\D	找寻一个non-digit(非数字)的字符,和[^0-9]语法一样
\D+	找寻一个non-digit(非数字)以上的字符,和[^0-9]+语法一样
\w	找寻一个英文字母或是数值的字符,和[a-zA-Z0-9]语法一样
\w+	找寻一个以上英文字母或是数值的字符,和[a-zA-Z0-9]+语法一样
\W	找寻一个非英文字母,数值的字符,和[^a-zA-Z0-9]语法一样
\W+	找寻一个以上非英文字母,数值的字符,和[^a-zA-Z0-9]+语法一样
\s	找寻一个空白的字符,和[\n\t\r\f]一样
\s+	找寻一个以上空白的字符,和[\n\t\r\f]+一样
\S	找寻一个非空白的字符,和[^\n\t\r\f]一样
\S+	找寻一个以上非空白的字符,和[^\n\t\r\f]+一样
\b	找寻一个不以英文字母,数值为边界的字符串
\B	找寻一个以英文字母,数值为边界的字符串
a|b|c	找到符合a字符或是b字符或是c字符的字符串
abc	找到一个含有abc的字符串
(pattern)	()这个符号是会记忆所找寻到的字符,是一个很实用的语法 第一个()内所找到的字符串变成$1这个变量或是\1变量 第二个()内所找到的字符串变成$2这个变量或是\2变量 以此类推,笔者会在下一小节中详细介绍它的用法
/pattern/i	i这个参数是代表忽略英文大小写的意思,也就是在找寻字符 串的时候,不会去考虑英文的大小写
\	如果要在pattern模式中找寻一个有特殊的意义的字符,要在 这个字符前加上\这个符号,这样才会让这个特殊字符失效

　　二 文字处理模式(Regular Expression)的简单范例
　　    看了上一小节文字处理模(Regular Expression)之的,初学者对于这个语法的应用可能还不是很清楚,所以笔者会在这一小节中,举出一些在文字处理模式中常用的范例给大家看看:

范例	说明
/perl/	找到含有perl的字符串
/^perl/	找到开头是perl的字符串
/perl$/	找到结尾是perl的字符串
/c|g|i/	找到含有c或g或i的字符串
/cg{2,4}i/	找到c后面跟着2个到4个g,再跟着i的字符串
/cg{2,}i/	找到c后面跟着2个以上g,再跟着i的字符串
/cg{2}i/	找到c后面跟着2个g,再跟着i的字符串
/cg*i/	找到c后面跟着0个或多个g,再跟着i的字符串,如同/cg{0,1}i/
/cg+i/	找到c后面跟着一个以上g,再跟着c的字符串,如同/cg{1,}i/
/cg?i/	找到c后面跟着0个或是一个g,再跟着c的字符串,如同/cg{0,1}i/
/c.i/	找到c后面跟着一个任意字符,再跟着i的字符串
/c..i/	找到c后面跟着二个任意字符,再跟着i的字符串
/[cgi]/	找到符合有这三个字符任意一个的字符串
/[^cgi]/	找到没有这三个字符中任意一个的字符串
/\d/	找寻符合数值的字符串 可以使用/\d+/来表示一个或是多个数值的字符串
/\D/	找寻符合不是数值的字符串 可以使用/\D+/来表示一个或是更多个非数值的字符串
/\w/	找寻符合英文字母,数值的字符串 可以使用/\w+/来表示一个或是更多个英文字母,数值的字符串
/\W/	找寻符合非英文字母,数值字符的字符串 可以使用/\W+/来表示一个或是更多个非英文字母,数值的字符串
/\s/	找寻符合空白的字符串 可以使用/\s+/来表示一个或是更多个空白字符的字符串
/\S/	找寻符合不是空白的字符串 可以使用/\S+/来表示一个或是更多不是空白的字符的字符串
/\*/	找寻符合*这个符号的字符串,因为*在文字处理模式中有它的特殊意思,所以要在这个特殊符号前加上\这个符号,这样才会让这个特殊字符失效
/abc/i	找寻符合abc的字符串而且不考虑这些符合字符串的大小写

　　三 文字处理模式(Regular Expresion)相关的运算符及函数
　　    在perl程序写作中常会用到=~和!~这两个运算符及s和t这二个函数来和文字处理模式/pattern/搭配而成一个运算式,如果能够活用这些指令的话,就可以很。轻易地来处理一些字符串,当然在CGI程序设计中了就更能得心应手了。现在就让作者来介绍这些运算符及函数的用法:

　　指令:/pattern/文字运算
　　说明: 如果在文字运算中没有使用=~或是!~运算符指定一个字符串来做运算的话,就会使用内定的输出变量$_来做/pattern/文字运算。
　　范例一:
　　$string="chmod711cgi";
$string=~/(\W)\s+(\d+)/;
　　第一个(\W+)是代表找寻数个字母,并将的找到的字符串指派给$1这个变量,而\s+代表找寻多个空白的字符串,最后(\d+)代表找寻个数值,并将所找到的字符串指派给$2这个变量。所以$1="chmod";$2=711;但是$string还是等于原来的字符串,没有改变。
　　范例二:
　　$_="chmod711cgi";
/(\W)\s+(\d+)/;
　　因为是把字符串指定给$_这个变量,所以可以不用=~这个运算符就会得到
　　$1="chmod";$2=711;而且$_还是等于原来的字符串,没有改变。
　　范例三:
　　$string="chmod711cgi";
@list=split(/s+/,$string);
　　以上一个或是多个空白字符来分割$string这个字符串,这是一个很常用的语法。此时@list=("chmod","711","cgi");

　　指令: =~相配运算符
　　说明:这是Perl语言中特有的语法,通常会和文字处理来作运算。
　　范例:
　　print"请输入一个字符串!\n";
$string=<STDIN>; #<STIDN>代表标准输入,会让使用者输入一字符串
chop($string); #将$string最后一个换行的字符\n删除掉
if($string=~/cgi/){

　　print("输入的字符串中有cgi这个字符串!\n";

　　}
　　如果输入的字符串含有cgi这个字符串的话,就会显示出这个信息。

　　指令:!~不相配运算符
　　说明:这也是Perl语言中特有的语法,通常会和文字处理模式来运算。
　　范例:
　　print"请输入一个字符串!\n";
$string=<STDIN>; #<STIDN>代表标准输入,会让使用者输入一字符串
chop($string); #将$string最后一个换行的字符\n删除掉
if($string!~/cgi/)
{

　　print("输入的字符串中有cgi这个字符串!\n";

　　}
　　如果输入的字符串中没有cgi这个字符串的话,就会显示出这个信息。

　　指令:tr转换函数
　　语法:tr/SEARCHLIST/REPLACELIST/
　　其中SEARCHLIST是要转换的字符;REPLACELIST是转换成何种字符。
　　说明:tr(translate)就是转换的意思,会把符合转换的字符转换成要转换的字符。
　　范例一:
　　$string="testing";
$string=~tr/et/ET/"; #此时$string="TEsTing";
$string=~tr/a-z/A-Z/; #此时$stirng="TESTING";
　　范例二:
　　$string="CGI+Perl";
$string=~tr/+//; #此时$string="CGI Perl";
　　    在传送CGI数据的时候会先将数据编码,其中会将空白的字符转成+这个字符。

　　指令:s 取代函数
　　语法:s/PATTERN/REPLACE/eg

　　    其中

• PATTERN是文字处理(Regular Expresion)的模式;
  
• REPLACE是代表取代成何种文字模式。
  
• 而g是这个函数最常用的参数,代表要把所有符合文字模式的字符串全部取代,如果省略这个参数的话,则只取代一个符合文字模式的字符串中;
  
• 而加上e这个参数代表要将REPLACE的部分当成一个运算式,如果没有这个需要的话,就不用加上这个参数了。
  

　　说明:将符合文字处理模式的字符串取成为要取代的字符串
　　范例一:
　　$string="i:love:perl";
$string=~s/:/*/; #此时$string="i*love:perl";
$string=~s/:/*/g; #此时$string="i*love*perl";
$string=~s/*/+/g; #此时$string="i+love+perl";
$string=~s/+//g; #此时$string="i love perl";
　　上一行也可写成 $string=~tr/+//;效果都会一样哦!
　　$string=~s/perl/cgi; #此时$string="i love cgi";
　　范例二:
　　$string=~s/(love)/<$1>/;
　　第一个()内所找到的字符串变成$1,在这个范例中,会把变量love这个字符串变成<love>,此时$string="i<love>perl";
　　$string="i love perl";
$string=~s(i)(perl)/<$1><$2>/;
　　在这个范例中,会把i变成<i>;perl变成<perl>，此时$string="<perl> love <i>";
　　$string="i love perl";
$string=~s(\W+)/<$1>/g;
　　(/w+)代表找寻符合一个或是多个英文字符或是数值的字符串,之后再将找到的字符串设成$1。因为加上g这个参数,所以会找到字符串的这三个英文单字,然后再把这三个单字分加上<>这个符号,此时$string="<perl><love><i>";
　　范例三:
　　$string="www22cgi44";
$string=~s/(\d+)/$1*2/e;
　　(/d+)代表要找寻$string中一个或是多个数值的字符串,再将找到的字符串设成$1。加上参数e是代表要把$1*2当作是一个运算式,所以$string="www22cgi44";
　　$string="www22cgi44";
$string=~s/(\d+)/$1*2/eg;
　　加上参数e,所以会把$1*2当作是一个运算符式来看;加上参数g就会把全部符合数值的字符串经过运算式运算之后再把它取代,所以$string="www44cgi88";
　　范例四:
　　假设原本的字符串是$value="三八!",经CGI数据编码之后,这个字符串就会变成
　　$value="%A4T%A4K%21"。以下是一个解码的示范程序:
　　$value="%A4T%A4K%21";
$vlaue=~s/%([a-fA-F0-9][a-fA-F0-9]/pack("c",hex($1))/eg;
　　    在传送CGI数据的时候会把数据编码,其中会将特殊字符或是中文字符编码以%开头的连续的两个十六进制数的字符串,所以要用s这个函数来找寻这个以%开头的字符串。为了要把找到的字符串再做解码的处理,所以要在%这个符号之后加上()这个符号,表示会把找到的字符串记忆起来并指定给$1这个变量,而且要在()中加上代表是连续两个十六进制数值的文字处理模式(Regular Expression),也就是[a-fA-F0-9][a-fA-F0-9]。再用hex这个函数($1是代表符合的字符串)把十六进制数值转成十进制的码,之后再用pack这个函数(以C为参数,是代表unsigned char value的意思)把这个十进制码还原成原来的字符串。最后就会把这个字符串解码成$value="三八!"。值得一提的是也可以把这个解码的程序写成:
　　$value=~s/%(..)/pack("C",hex($1))/eg;
　　在此提供给读者参考。