《精通正则表达式》学习笔记——第2章：入门示例扩展

学习书籍是中文第三版《精通正则表达式》，作者：(美国)佛瑞德 (Friedl.J.E.F) 译者：余晟

2.1Perl语言的基本使用

• Perl中使用$去定义变量，在Perl中对某个字符串进行正则匹配$text =~m/正则表达式/ 其中的~m指的是匹配右边的表达式。

2.2 一些基本的例子

• 输入一个数字（可能是负数或者小数）：/^[+-]?[0-9]+(\.[0-9]*)?$/

• perl语言使用$1表示元字符\1，同理$2 $3 ...表示\2 \3 ...等元字符，\1保存第一个括号中的内容，\2保存第二个括号中的内容，以此内推

• 来看一个示例程序

if($input=~m/^([+-]?[0-9]+)([CF])$/)
{
    #$1保存([+-]?[0-9]+)中的内容，$2保存([CF])中的内容
    $num=$1;
    $type=$2;

}

• 嵌套括号

if($input=~m/^([+-]?[0-9]+(\.[0-9]*)?) *([CF])$/)
{
    # 这时候的([CF])的内容使用$3表示
    # $1表示([+-]?[0-9]+(\.[0-9]*)?)的内容
    # $2表示 (\.[0-9]*)的内容

}

• 非捕获型括号

  • (?:…)表示只分组不捕获，如 ^([+-]?[0-9]+(?:\.[0-9]*)?) *([CF])$其中$2将表示的是([CF])，因为处于第二个括号中的?:表示不捕获计数

• \s匹配所有空白符(如空格，制表符\t,回车符\r,换行符\n等)

• \S用来表示除\s之外的字符

• 类似的还有\w匹配[a-z0-9A-Z],\d匹配[0-9],\W，\D表示相反情况

• /i表示匹配的时候不区分大小写

2.3 使用正则表达式修改文本

• Perl中：$var=~s/John/Jeff/i 可以看出出现两条斜线，第一条斜线后的内容为待匹配内容，第二条斜线后的内容去替换匹配到的内容。i是指匹配内容的时候不区分大小写不影响替换的内容，即John的内容不区分大小写，然后替换成Jeff。~s表示使用Perl中的替换操作

• 修正股票价格:通常是保留小数点后两位的数字，如果第三位不为0也需要保留，去掉其他数字

  • 表达式：/(\.\d\d[1-9]?)\d*/$1/

• 提取邮件主题Subject：的内容

  if($line=~m/^Subject:(.*)/i)
  {
      $content=$1;
  }

• 提取邮件来自者From: name@qq.com (Tom）/^From: (\S+) \(([^()]*) \)/ 其中(\S+)提取From：之后第一个空格之前的邮箱内容，\(和\)对括号转义，提取(Tom)中的Tom的值,[^()]*指明其中的内容不能再是括号了

• 使用”环视“添加逗号：基本过程就是从右往左数，每次数3位，如果左边还有数字的话就加一个逗号，如123,456,789

  • ”顺序环视”从左往右匹配
  • “肯定型环视”使用?=，如(?=\d)它表示如果当前位置右边的字符是数字则匹配成功

  • “逆序环视”使用?<= ,从右往左

  • 顺序环视的例子：将Jeffs变为Jeff's，表达式/\bJeff(?=s\b)/Jeff'/g

  • 逆序环视的例子：将Jeffs变为Jeff's，表达式/(?<=\bJeff)(?=s\b)/'/g

• 添加逗号的实现方法：

  • 使用顺序环视和$：/(?=\d)(?=(\d\d\d)+$)/,/g
  • 使用逆序环视： /(?<=\d)(?=(\d\d\d)+(?!\d))/,/g
  • 去掉逆序环视：/(\d)(?=(\d\d\d)+(?!\d))/$1,/g

• 四种类型的环视

类型	正则表达式	匹配成功的条件
肯定逆序环视	（?<=…）	子表达式能够匹配左边文本
否定逆序环视	（?<!…）	子表达式不能匹配左边文本
肯定顺序环视	（?=…）	子表达式能够匹配右边文本
否定顺序环视	（?！…）	子表达式不能匹配右边文本

• 单词分界符\b可表示成(?<=\w)(?!\w)|(?<!\w)(?<=\w).意即左边是单词右边不是单词或者左边不是单词右边是单词。

2.4 Text-to-HTML转换

• 处理特殊字符

$text=~s/&/&/g; 
$text=~s/&/&alt;/g;
$text=~s/&/>/g;

• 分隔段落

^\s*$

• 将Email转为超链接
  
  • 不考虑用户名和主机名$text=~s/\b(username\@hostname)\b/<a href="mailto:$1">$1<\/a>/g
  • 用户名和主机名匹配：/\w[-.\w]*\@\w+(\.\w)*\.(com|edu|info)/，这里的用户名可以包含-,.等字符
  • 实际上使用\w匹配用户名@主机名不合适，有的系统\w能匹配非ASCII字母，所以将\w替换成[0-9a-zA-Z]好点
  • 修饰符/x忽略表达式中的空白字符
    
$text=~s/
\w[-.\w]* #用户名
\@
\w+(\.\w)*\.(com|edu|info) #主机名
/gix

• 将HTTP Url转为超链接

$text=~s/
        \b
        (     #这个括号用来捕捉URL                                    
        http:\/\/                               #所以的/都要转义，防止和元字符冲突
        [-0-9a-z]+(\.[0-9a-z]+)*\.(com|edu|info)  \b   #主机名 
        (
          /[-0-9a-z_:&?=+,!%*\@\.\$]*  #路径可以由各种字符组成，但是可以不出现
        )?
        )
        /
        <a href="$1">$1<\/a>      #要替换的超链接
        /gix