10、正则表达式在文本处理中的应用与技巧

正则表达式在文本处理中的应用与技巧

1. 正则表达式的 /x 修饰符

正则表达式的 /x 修饰符具有两个重要作用。其一，它会忽略大部分空白字符，从而可以对表达式进行“自由格式”的编写，以提高可读性。其二，它允许使用以 # 开头的注释。

具体而言，/x 将大部分空白字符转换为“忽略我”的元字符，将 # 转换为“忽略我以及直到下一个换行符之前的所有内容”的元字符。不过，在字符类中，它们不会被当作元字符处理，这意味着即使使用了 /x，字符类也不是自由格式的。和其他元字符一样，如果需要将空白字符和 # 按字面意义处理，可以对它们进行转义。当然，也可以使用 \s 来匹配空白字符，例如 m/ /x。

需要注意的是，/x 仅适用于正则表达式，而不适用于替换字符串。尽管现在使用 s{…}{…} 形式进行替换操作，修饰符位于最后的 ‘}’ 之后（例如 ‘}x’），但在交流时仍将“x 修饰符”称为“/x”。

2. 构建文本处理程序

2.1 基础 HTML 字符替换

以下是一个综合的文本处理程序示例，首先将输入文件的内容读取进来，并进行基础的 HTML 字符替换：

undef $/;
# Enter "file-slurp" mode.
$text = < >; # Slurp up the first file given on the command line.
$text =~ s/&/&amp;/g;
# Make the basic HTML...
$