使用Perl常规表达式进行匹配

长期以来，Perl 以其对常规表达式的固有支持，一直是非常流行的文本处理工具。在这篇入门性文章中，我们将带领你简单了解如何在你自己的程序中使用常规表达式，实现更加强大的文本搜索和替代功能。

　　我们首先了解最简单的常规表达式：匹配。如果在字符串中找到相匹配的模式，匹配操作就返回真值。因此下面的表达式：

　　$string =~ m/text/

　　只有在变量“$string”中的字符串包含子字符串“text”时才返回真值。这是最基本的常规表达式，它对每个字符进行逐字匹配。当然，这只是对常规表达式作用的一个尝试。以需要查找以“ext”结尾的四个字母的单词为例。为达到这个目的，我们使用一个特殊的字符“.”，常规表达式中的句号告诉 Perl匹配其中的任何单独的字符。因此下面这个表达式：

　　$string =~ m/.ext/

　　将与单词“text”和“next”匹配。

　　不过，这个表达式并非完美，因为它与包含“ext”的更长单词的一部分相匹配，如“dextrous”和“flextime”。我们可以使用锚字符来限制匹配的位置。“^”字符匹配字符串的开头，因此：

　　$string =~ m/^.ext/

　　与“dextrous”匹配，但不与“context”匹配。

　　同样，“$”字符匹配字符串的结尾：

　　$string =~ m/.ext$/

　　与“context”匹配，但不与“dextrous”匹配。

　　如果你只希望匹配以“ext”结尾的四个字母的字符串，那么你可以组合使用上面的两个表达式，像这样：

　　$string =~ m/^.ext$/

　　现在，如果你需要匹配一组给定的字符，而不是句号位置的任何字符，那该怎么办呢？常规表达式通过使用方括号提供一个方法。以下面的表达式为例：

　　$string =~ m/^[tT]ext$/

　　这个表达式只与单词“text”和“Text”匹配。一对方括号将转换其中的任何单个字符。这个功能相当强大，例如：

　　$string =~ m/[aeiouAEIOU]/

　　如果$string变量中含有元音，则上面的例子返回真值。

　　如果括号中的第一个字符是“^”，这时它就不是一个锚字符，而是执行“非”操作，匹配不在括号内的任意字符，因此如果$string变量中只包含辅音或标点符号，可以对上面的例子进行调整，使它返回真值：

　　$string =~ m/[^aeiouAEIOU]/

　　方括号符号还可以指定字符的范围，让你不必列举一整串连续的数字或字母，例如，下面的例子匹配任何小写字母：

　　$string =~ m/[a-z]/

　　到现在为止，我们每次都是处理字符串中的一个字符，但许多情况下我们需要处理更加复杂的问题。我们使用“|”或分段操作达到这个目的。假设我们希望检查$string变量中是否含有“next”或“previous”，我们可以使用下面的表达式：

　　$string =~ m/next|previous/

　　如果我们希望在这个表达式中使用锚字符，那么我们需要将选项组合起来，就像在算术中使用圆括号那样。因此，如果我们希望只匹配字符串开头部分的“next”或“previous”，可以这样写表达式：

　　$string =~ m/^(next|previous)/

　　我们把所有这些操作符叫做原子操作符，就是说，它们与一个单独的字符相对应。不过，常规表达式的实际长度取决于操作的是循环次数。为说明这个问题，我们以确定一个字符串中是否包含一个有效电话号码为例。我们可以使用“glob”操作符，它写作“*”。许多以某种形式使用命令行的人都熟悉“*”用作通配符的情况，在Perl中它也有相似的用法，匹配任何数量的前一个字符构成的字符串。因此：

　　$string =~ m/a*/

　　匹配由任意个a构成的字符串。现在我们匹配任意个数字：

　　$string =~ m/[0-9]*/

　　这并不是我们所需要的表达式，因为它与任意数字，甚至是零相匹配。我们本可以用“+”代替“*”，它匹配一个或几个开始的那个字符，但这无法解决查找到的数字太长或太短的问题。我们真正需要的是指定循环的次数，在这个例子中为七次。这时我们可以使用大括号：

　　$string =~ m/^[0-9]$/

　　这个结果更接近我们的目的，它匹配包含七个数字的字符串。大括号有另外一些选项，使它们在指定循环时功能更加强大，例如，你可以指定循环范围：

　　$string =~ m/[0-9]/

　　这将匹配包含6个或8个数字的字符串，但如果我们用“”代替“”，就可以匹配6位或6位以上的字符串；而“”则匹配8位或8位以下的字符串。

　　我们再看一下那些电话号码，现在它能够正常匹配，但仍然存在太多限制。不管什么时候，在处理用户输入时，你必须指望人们以各种方式进行简单操作。

　　尝试和预见一些更加常见的电话号码格式可能是个好主意。举一个简单的例子，如号码“2391720”，它能够以“239-1720”或“239 1720”的形式输入。现在我们可以使用圆括号来匹配“-”或“”，但我们需要新操作符来处理根本没有分隔符的情况：即“？”操作符，表示前面可以有也可以没有字符。我们可以用下面的表达式匹配所有这三种格式：

　　$string =~ m/[0-9][- ]?[0-9]/

　　同样，我们查看一下服务部门的号码。澳大利亚电话号码中有一个两位数的区号，我们在下面的表达式中增加它们：

　　$string =~ m/([0-9][- ]?)?[0-9][- ]?[0-9]/

　　这个表达式可以匹配“02 114 7682”这样的电话号码，而且，因为我们把区号部分放在圆括号中，使它成为可选内容，所以这个表达式还可以匹配前一个表达式匹配的格式。我们还可以做出更多改进，如把区号放在“(”和“)”中；但是，如你所见，你在表达式中增加越多选项，表达式就会越长越复杂，因此到底是否增加更多选项，由你自己决定。

　　下次我们将深入讨论常规表达式的用法，包括替代、转换和如何建立你需要的Perl常规表达式程序。