文章內文:
Regular Expression （正規表示式，簡寫 regexp或regex）
是一個字串，可用來描述字串的模式，
例如我要表達「兩個英文大寫字母」，那麼 regexp 就是 [A-Z]{2}。
而使用這個 regexp ，就可以在一個字串內找出配合 (Match) 的部份，
例如在字串 $st = '11AA22BB33' 內，有哪些部份配合「兩個英文大寫字母」這個模式？
就會找到 'AA' 和 'BB' 兩部份了。
以下是一些常見的 regexp 應用：
use strict;
my ($st, $pattern, $replacement, @array, @matches);
##
## 有沒有找到至少一個 Match？
##
$st = '11AA22';
$pattern = 'AA';
if ($st =~ /$pattern/) {
print "has at least one match\n";
} else {
print "no match\n";
}
##
## 找出所有 Matches
##
$st = '11AA22BB33';
$pattern = '[A-Z]{2}';
@matches = $st =~ /$pattern/g;
foreach my $i (0 .. $#matches) {
print "$i : $matches[$i]\n";
}
##
## 找出所有 Matches，並取代它們
##
$st = '11AA22AA33';
$pattern = 'AA';
$replacement = 'XX';
$st =~ s/$pattern/$replacement/g;
print "$st\n";
##
## 在 Matches 的位置分割
##
$st = '11AA22AA33';
$pattern = 'AA';
@array = split /$pattern/, $st;
print join ',', @array;
以下是 .Net 例子（以 C# 語言）
using System;
using System.Text.RegularExpressions;
class MainClass
{
public static void Main(string[] args)
{
string st, pattern, replacement;
string[] array;
MatchCollection mc;
//
// has at least one match?
//
st = "11AA22";
pattern = @"AA";
if ( Regex.IsMatch(st, pattern) ) {
Console.WriteLine("has at least one match");
} else {
Console.WriteLine("no match");
}
//
// get all matches
//
st = "11AA22BB33";
pattern = @"[A-Z]{2}";
mc = Regex.Matches(st, pattern);
for (int i = 0; i < mc.Count; i++ )
{
Console.WriteLine("{0} : {1}", i, mc);
}
//
// search and replace
//
st = "11AA22AA33"; pattern = @"AA"; replacement = "XX";
st = Regex.Replace(st, pattern, replacement);
Console.WriteLine("{0}", st);
//
// split
//
st = "11AA22AA33"; pattern = "AA";
array = Regex.Split(st, pattern);
Console.WriteLine(String.Join(",", array));
}
}
[[解釋 regexp 的意思]]
當您遇到一些很難看得懂的 regexp， 您可以用 YAPE::Regex::Explain 模組， 把 regexp 翻譯成英文，這對新手來說有很大幫助。
#### use YAPE::Regex::Explain;
my $pattern = '[A-Z]{2}';
print YAPE::Regex::Explain->new($pattern)->explain;
####
輸出結果：
[A-Z]{2} any character of: 'A' to 'Z' (2 times)
意思是「任何一個由 'A' 至 'Z' 的字元（兩次）」，
那麼它配合的東西就是：
AA
AB
...
AZ
BA
BB
...
ZA
ZB
...
ZZ
------------------------------------------------------------------------------------------------
>我目前所碰到的瓶頸是
>有沒有可能使用Regular Expression來判斷輸入的是數字，並且限定其數值範圍0.0
參考 perlretut 內的 "Building a regexp" 一節
------------------------------------------------------------------------------------------------
[[ 特殊字元 (Metacharacter) ]]
當您要表示一些特殊字元，例如括號，那就不能直接寫：
$pattern = '(';
而要在前面加上反斜號：
$pattern = '\(';
以下 regexp 的特殊字元：
{}[]()^$.|*+?/
為什麼這些是特殊字元呢？本文稍後會介紹。
例：
####
$st = '11((22';
$pattern = '\(\(';
@matches = $st =~ /$pattern/g;
foreach my $i (0 .. $#matches) {
print "$i : $matches[$i]\n";
}
####
順帶一提，應儘量用單引號來括字串，
因為它不會好像雙引號那樣會做字串插入，如果寫：
$pattern = "\(\(";
那結果變成：
$pattern = '((';
------------------------------------------------------------------------------------------------
[[ 脫離序列 (Escape Sequence) ]]
當您要表示 tab、 newline 等不能列印的字元，
可以用 Escape Sequence。
例：
$st = "11\t22\t33";
$pattern = '\t';
------------------------------------------------------------------------------------------------
[[ 字元類別 (Character Class) ]]
您除了可以表示一個固定的字元外，如
$pattern = 'A';
還可以表示一個字元集合，例如您想表示
「'A'字元或者'B'字元或者'C'字元」，可以寫
$pattern = '[ABC]';
即把您想 match 的字元寫在中括號內。
例：
$st = '11A22B33C44D';
$pattern = '[ABC]';
會找到以下的 match：
0 : A
1 : B
2 : C
例如您想找 'AAAXX' 或者 'AABXX' 或者 'AACXX'：
$st = '11AACXX22AABXX33AAAXX44AAD';
$pattern = 'AA[ABC]XX';
會找到以下的 match：
0 : AACXX
1 : AABXX
2 : AAAXX
留意一點，雖然 $pattern 內的 [ABC] 是先寫A，
但結果是先找到 'AACXX'，而不是'AAAXX'，
因為 Perl 是先從 $st 的左邊開始找，而不是先從右邊開始找，
而 'AACXX' 是最左邊的 match。
------------------------------------------------------------------------------------------------
[[ 字元類別 - 脫離序列 ]]
在字元類別內表示一些特殊字元，也是要加反斜號，
不過字元類別內的特殊字元是：
-]\^$
本文稍後會解釋為何它們是特殊字元。
例：
$st = '11A22B33-44]';
$pattern = '[AB\-\]]';
會找到以下的 match：
0 : A
1 : B
2 : -
3 : ]
------------------------------------------------------------------------------------------------
[[ 字元類別 - 範圍運算子 (Range Operator) ]]
您可以用減號，來表示一段字元範圍，例如
$pattern = '[ABCDEFGHIJ]';
可以寫成
$pattern = '[A-J]';
這樣就更簡潔了。又例如
$pattern = '[ABCDKLMN0123]';
可以寫成
$pattern = '[A-DK-N0-3]';
但如果把減號寫在最頭或者最尾，例如
$pattern = '[-AB]';
或
$pattern = '[AB-]';
那麼減號就直接表示 '-' 字元，而不是範圍運算子了。
例：
$st = '99A88L773]';
$pattern = '[A-DK-N0-3]';
會找到以下的 match：
0 : A
1 : L
2 : 3
------------------------------------------------------------------------------------------------
[[ 字元類別 - 反相字元類別 (Negated Character Class) ]]
例如要表示「'A'或者'B'或者'C'」，就寫
$pattern = '[ABC]';
但如果要表示「'A'或者'B'或者'C'」的相反，即「不是'A'並且不是'B'並且不是'C'」
就可以寫
$pattern = '[^ABC]';
在字元類別內，如果第一個字元是 '^'，就表示這是一個「反相字元類別」。
例：
$st = '11A22B33X44Y';
$pattern = '[^A-C0-9]';
會找到以下的 match：
0 : X
1 : Y
------------------------------------------------------------------------------------------------
[[ 字元類別 - 簡寫 ]]
Perl 提供了一些常用的字元類別簡寫，例如
$pattern = '[0-9]';
其實可以寫成
$pattern = '\d';
這就更簡潔了。以下列出這些簡寫：
\d 等於寫 [0-9]
\D 等於寫 [^0-9] ，即 \d 的相反
\w 等於寫 [0-9a-zA-Z_] ，即數字、英文大小寫字母和底線
\W 等於寫 [^0-9a-zA-Z_] ，即 \w 的相反
\s 等於寫 [\ \t\n\r\f] ，即白格字元 (Whitespace character)，
包括space, tab, newline, carriage return, form feed
\S 等於寫 [^\ \t\n\r\f] ，即 \s 的相反
還有一個很特別的簡寫，就是點號 '.'，
因為它比較複雜，所以稍後再介紹它。
例：
$st = '11A22b33_44=';
$pattern = '\D';
會找到以下的 match：
0 : A
1 : b
2 : _
3 : =
例：
$st = '11AA22A_33A044AX';
$pattern = 'A[^\dX-Z]';
會找到以下的 match：
0 : AA
1 : A_
------------------------------------------------------------------------------------------------
[[ Alternation ]]
如果想表示「'AB'字串或'KLM'字串或者'PQRST'」，可以寫
$pattern = 'AB|KLM|PQRST';
即用直線分隔它們。
Alternation 跟 Character Class 很像，
例如以下兩者是一樣的：
$pattern = '[ABC]';
$pattern = 'A|B|C';
不過 Character Class 不能表示超過一個字元的字串。
例：
$st = '11AB22KLMN33PQRS';
$pattern = 'AB|KLM|PQRST';
會找到以下的 match：
0 : AB
1 : KLM
如果寫：
$pattern = 'PQRST|KLM|AB';
那還是會先找到 'AB'，效果跟 Character Class 一樣。
------------------------------------------------------------------------------------------------
[[群組 (Group)]]
如果想表示「'ABC'或者'ABKL'或者'ABPQR'」，除了可以寫：
$pattern = 'ABC|ABKL|ABPQR';
還可以這樣寫：
$pattern = 'AB(C|KL|PQR)';
即用括號來分開'AB'和接著的那三個 Alternatives，
好像數學上把 2*3 + 2*4 + 2*5 寫成 2 * (3+4+5)。
如果想連'AB'都要 match：
$pattern = 'AB|ABC|ABKL|ABPQR';
也可以把空字串都寫到括號內：
$pattern = 'AB(C|KL|PQR|)';
------------------------------------------------------------------------------------------------
[[群組 - 特殊變數 $1, $2, ...]]
括號還有一種特別的功能，就是把括號內 match 到的部份
放到特殊變數 $1, $2, ...。
例如您想檢查某字串是含有時間的模式，例如 HH:MM:SS，
（不檢查數值範圍），同時想取得時分秒各個部份，可以寫：
####
my ($time_string, $hour, $minute, $second);
$time_string = '12:34:56';
$pattern = '(\d\d):(\d\d):(\d\d)';
if ($time_string =~ /$pattern/) {
($hour, $minute, $second) = ($1, $2, $3);
print "hour=$hour,minute=$minute,second=$second";
} else {
print 'Invalid time format';
}
####
執行結果：
hour=12,minute=34,second=56
至於哪部份是 $1, $2, ...，就以開括號出現的先後順序來決定，
例如括著「時」那個開括號是第一個出現的，所以它就對應 $1。
(\d\d):(\d\d):(\d\d)
1______2______3
------------------------------------------------------------------------------------------------
[[群組 - 巢狀群組]]
括號內也可以有括號，成為巢狀群組，例如：
(\d\d):((\d\d):(\d\d))
1______23______4
####
my ($time_string, $hour, $minute, $second);
$time_string = '12:34:56';
$pattern = '(\d\d):((\d\d):(\d\d))';
if ($time_string =~ /$pattern/) {
print "\$1=$1\n\$2=$2\n\$3=$3\n\$4=$4";
} else {
print 'Invalid time format';
}
####
執行結果：
$1=12
$2=34:56
$3=34
$4=56
------------------------------------------------------------------------------------------------
[[群組 - 返回參照 (Backreferences) \1, \2, ...]]
跟 $1, $2, ... 有很密切關係的東西，就是 Backreferences，
即 \1, \2, ... 。
它們不同之處，在於 $1 只應該用在 regexp 「以外」，
而 \1 只應該用在 regexp 「以內」。
例：
####
$st = 'A_A';
$pattern = '([ABC])_\1';
if ($st =~ /$pattern/) {
print "\$1=$1";
}
####
執行結果：
$1=A
您可以嘗試把 $st 改成：
$st = 'B_B';
$st = 'C_C';
您會發現 \1 能夠取得之前所 match 的東西，
即應該放到 $1 的值。但要緊記，不應該在 regexp 以內寫 $1。
例：
####
$st = 'ALZ_A_L_Z';
$pattern = '([ABC])([KLM])([XYZ])_\1_\2_\3';
if ($st =~ /$pattern/) {
print "\$1=$1\n\$2=$2\n\$3=$3";
}
####
執行結果：
$1=A
$2=L
$3=Z
------------------------------------------------------------------------------------------------
[[ 群組 - $1, $2, ... 的開始和結束位置 ]]
Perl 5.6.0 提供了兩個陣列 @- 和 @+，
@- 儲存了 $1, $2, ... 的開始位置，@+ 就儲存結束位置。
例：
####
my ($time_string, $hour, $minute, $second);
$time_string = '12:34:56';
$pattern = '(\d\d):(\d\d):(\d\d)';
$time_string =~ /$pattern/;
foreach my $i (1 .. $#-) {
print "Match $i='${$i}' at position ($-[$i] , $+[$i])\n";
}
####
執行結果：
Match 1='12' at position (0 , 2)
Match 2='34' at position (3 , 5)
Match 3='56' at position (6 , 8)
------------------------------------------------------------------------------------------------
[[ 群組 - $` 、 $& 和 $' ]]
如果 regexp 沒有寫括號，就沒有 $1, $2, ... 可用了，
但您仍然可以用 $& 來取得 match，$` 則取得 match 前面所有東西，
$' 取得 match 後面所有東西。
####
$st = '11AA22';
$pattern = 'AA';
$st =~ /$pattern/;
print "\$`=$`\n\$&=$&\n\$'=$'";
####
執行結果：
$`=11
$&=AA
$'=22
如果用 substr 來表示，那麼：
$` 是 substr( $st, 0, $-[0] )
$& 是 substr( $st, $-[0], $+[0] - $-[0] )
$' 是 substr( $st, $+[0] )
------------------------------------------------------------------------------------------------
[[ 重覆 (Repetition) ]]
如果想表示「五個 'A' 字元」，可以寫
$pattern = 'AAAAA';
也可以用量化詞 (Quantifier) ，寫成
$pattern = 'A{5}';
這樣就更清楚了。而量化詞可以寫在字元、字元類別或群組的後面。
例：
$st = '11AAA22AAAAA';
$pattern = 'A{5}';
------------------------------------------------------------------------------------------------
[[重覆 - 最多和最少]]
量化詞可分成兩類：
1) 最多配對（貪心的） Maximal Match (Greedy)
2) 最少配對（不貪心的） Minimal Match (Non-greedy)
以下列出「最多配對」：
A? 表示 0 個或 1 個 'A' 字元（以最多為準）
A* 表示 0 個或以上的 'A' 字元（以最多為準）
A+ 表示 1 個或以上的 'A' 字元（以最多為準）
A{n} 表示 n 個 'A' 字元
A{n,m} 表示最少 n 個，最多 m 個 'A' 字元（以最多為準）
A{n,} 表示最少 n 個 'A' 字元（以最多為準）
以下列出「最少配對」：
A?? 表示 0 個或 1 個 'A' 字元（以最少為準）
A*? 表示 0 個或以上的 'A' 字元（以最少為準）
A+? 表示 1 個或以上的 'A' 字元（以最少為準）
A{n}? 表示 n 個 'A' 字元
（這個其實沒有所謂的「最多」還是「最少」之分，
定義這個符號只是為了保持符號一致性而己）
A{n, m}? 表示最少 n 個，最多 m 個 'A' 字元（以最少為準）
A{n,}? 表示最少 n 個 'A' 字元（以最少為準）
到底「最多配對」和「最少配對」有什麼分別呢？例如
$st = 'AAAAA';
$pattern1 = 'A{3,5}'; # 最多配對
$pattern2 = 'A{3,5}?'; # 最少配對
那麼 match 可能是：
1) 'AAA'（字元位置0至2）
2) 'AAAA'（字元位置0至3）
3) 'AAAAA'（字元位置0至4）
如果是「最多配對」，那麼 match 就是 'AAAAA'，因為它是最多次數，
如果是「最少配對」，那麼 match 就是 'AAA'，因為它是最少次數。
------------------------------------------------------------------------------------------------
[[ 特點字元 - 任何一個字元 ]]
如果要表示「任何一個字元」，可以用點號 '.'。
在預設的情況下，它會配到「任何一個字元，除了 "\n" 之外」：
$st = "123ABC_!@\n";
$pattern = '.';
@matches = $st =~ /$pattern/g;
如果要配到「任何一個字元，包括 "\n"」，
就到加入 s 這個「修飾詞」(Modifier)：
@matches = $st =~ /$pattern/sg;
s 的意思是「把字串當作單行 (Single Line)」。
------------------------------------------------------------------------------------------------
[[ 字串的開頭 ]]
如果要表示「字串的開頭」，可以用 '^'，例如：
$st = 'AA22';
$pattern = '^AA';
@matches = $st =~ /$pattern/g;
執行結果：
0 : AA
但 match 當中不會有 '^' 所配出來的字元，
因為 '^' 主要用來測試字串的特性（例如字串位置），
而不是配任何字元的。
為了方便理解，您可以把它「想像」成一個看得見的字元，
例如：
$st = '頭AA22尾'; ## $st = 'AA22'
$pattern = '頭AA'; ## $pattern = '^AA';
------------------------------------------------------------------------------------------------
[[ 字串的結尾 ]]
如果要表示「字串的結尾，或者在字串最尾的 \n 和前面字元的中間」，
可以用 '$'，例如：
$st = "AA\nBB\n"; ## 用了雙引號
$pattern = '$';
@matches = $st =~ /$pattern/g;
結果有兩個 match ，但是'$' 與 '^' 一樣，是不會配到字元的。
您可以把它想像成：
$st = "頭AA\nBB尾\n尾"; ## $st = "AA\nBB\n";
$pattern = '尾'; ## $pattern = '$';
另外，當檢查一個字串是否符合某種格式時，
通常會 '^' 和 '$' 一起用，
例如檢查某字串是否符合「三位數字」的格式：
####
$st = "123";
$pattern = '^\d{3}$';
if ($st =~ /$pattern/) {
print "Valid format";
} else {
print "Invalid format";
}
####
------------------------------------------------------------------------------------------------
[[ 多行 (Multi-line) ]]
一個字串內可以含有 \n，例如：
$st = "AA\nAA\nAA\n";
$pattern = '^AA';
如果我們想 '^' 配到每一行的開頭，
可以用 m 修飾詞：
@matches = $st =~ /$pattern/mg;
執行結果：
0 : AA
1 : AA
2 : AA
想像成：
$st = "頭AA尾\n頭AA尾\n頭AA尾\n尾";
$pattern = '頭AA';
用了 m 修飾詞，也會令 '$' 配到每一行的結尾，
$st = "AA\nAA\nAA\n";
$pattern = 'AA$';
@matches = $st =~ /$pattern/mg;
想像成：
$st = "頭AA尾\n頭AA尾\n頭AA尾\n尾";
$pattern = 'AA尾';
如果用了 m 修飾詞，您仍然可以用：
\A 表示沒有 m 修飾詞的 '^' 意思
\Z 表示沒有 m 修飾詞的 '$' 意思
\z 代表字串的結尾（即 \Z ，但不包括最尾 \n 和前面字元的中間）
$st = "AA\nAA\nAA\n";
$pattern1 = '\AAA';
$pattern2 = 'AA\Z';
$pattern3 = 'AA\z';
總括來說，s 修飾詞會影響 '.' 的意思，
m 修飾詞會影響 '^' 和 '$' 的意思，
s 和 m 總共有四種可能：
沒有 s 和 m ：預設模式 (Default Mode)
/s ：單行模式 (Single Line Mode)
/m ：多行模式 (Multi-Line Mode)
/sm ：清楚多行模式 (Clean Multi-Line Mode)
看看大家能否解釋以下程式的執行結果：
####
$st = "A\nA\nA\n";
$pattern = '(^|$|.)';
@matches = $st =~ /$pattern/smg;
####
------------------------------------------------------------------------------------------------
[[ 字的邊界 Word Boundary ]]
字的邊界是指兩個連續字元的中間，
一個會配到 \w，而另一個會配到 \W。
（字串的開頭和結尾也視為配到 \W）
例如：
$st = 'ABC-=+';
$pattern = 'C\b';
@matches = $st =~ /$pattern/g;
因為左邊的 'C' 會配到 \w，而右邊的 '-' 會配到 \W，
所以 \b 會配到它們的中間。
\b 不代表某個字元，而是代表某個位置的特性。
您可以想像成：
$st = '界ABC界-=+';
$pattern = 'C界';
您可以用 \B 來表示 \b 的相反，即「不是邊界」，
例如：
$st = 'ABCDE';
$pattern = '\BC\B';
@matches = $st =~ /$pattern/g;
因為 'C' 本身配到 \w ，而它左邊的'B'和右邊的'D'也是配到 \w，
所以沒有邊界。
------------------------------------------------------------------------------------------------
[[ 不分大小寫 (Case-insensitive) ]]
如果加入了 i 修飾詞，就會做不分大小寫的配對，
例如：
$st = '11AA22BB';
$pattern = '[abAB]';
@matches = $st =~ /$pattern/g;
可以用 i 修飾詞寫成：
$st = '11AA22BB';
$pattern = '[AB]'; # 或者 '[ab]'
@matches = $st =~ /$pattern/ig;
因為不分大小寫，所以不必在 $pattern 把大小寫都列出來了。
------------------------------------------------------------------------------------------------
[[ x 修飾詞 ]]
如果用了 x 修飾詞，就會令 regexp 解譯器忽略 $pattern 內的白格，
（除了那些在被反斜號標示了的白格，及那些在字元類別內的白格）
還有在 $pattern 內的 '#' 也會有好像 Perl 一樣的單行註解作用，
（除了那些在被反斜號標示了的'#'，及那些在字元類別內的'#'）
它的用途是讓您可以把 regexp 寫成容易閱讀的方式，及加入註解。
例子：
不用 x 修飾詞的寫法：
$st = '11AA22 33\\\\44##';
$pattern = '(A| |\\\\|#)';
@matches = $st =~ /$pattern/g;
用了 x 修飾詞的寫法：
$st = '11AA22 33\\\\44##';
$pattern = q{
( # 左括號表示 Alternation 開始
A # 'A' 字元
| # 或者
[ ] # 用字元類別表示空格
| # 或者
\\\\ # 反斜號字元
|
[#] # 用字元類別表示'#'
) # 右括號表示完結
};
@matches = $st =~ /$pattern/xg;
------------------------------------------------------------------------------------------------
[[ 伸展模式 (Extended Patterns) ]]
除了傳統的 regexp 語法外，Perl 還定義了一些額外的語法，
但在其它工具未必有這些語法，而且有些語法可能還在實驗階段，
說不定將來會被刪除，詳情請參閱說明文件。
這些語法都是這樣子的：
(?char)
而 char 就表示伸展的種類。
------------------------------------------------------------------------------------------------
[[ 伸展模式 - 內嵌註解 (Embedding Comments) ]]
語法：
(?#text)
在 text 位置的東西會當作註解，
但要留意 text 內不可以含有右括號。
例：
$pattern = '(?# THIS IS A COMMENT)(A| |\\\\|#)';
------------------------------------------------------------------------------------------------
[[ 伸展模式 - 非捕捉群組 (Non-capturing groupings) ]]
語法：
(?:pattern)
之前提到括號有個特別的作用，就是會把配到的東西放進 $1, $2,...，
例如：
$time_string = '12:34:56';
$pattern = '(\d\d):(\d\d):(\d\d)';
if ($time_string =~ /$pattern/) {
($hour, $minute, $second) = ($1, $2, $3);
print "hour=$hour,minute=$minute,second=$second";
}
但如果您不想放的話，可以用 (?:pattern)：
$time_string = '12:34:56';
$pattern = '(\d\d):(?:\d\d):(\d\d)';
if ($time_string =~ /$pattern/) {
($hour, $minute, $second) = ($1, $2, $3);
print "hour=$hour,minute=$minute,second=$second";
}
因為「分」那部份使用了(?:pattern) ，所以就不會放到本來的 $2，
這就輪到「秒」的部份放到 $2了。
------------------------------------------------------------------------------------------------
[[ 伸展模式 - 內嵌修飾詞 (Embedded Modifiers) ]]
語法：
(?imsx-imsx:pattern)
之前提到可以用 i 修飾詞來做不分大小寫的配對，例如：
$st = '11AB22Ab33aB44ab';
$pattern = 'AB';
@matches = $st =~ /$pattern/ig;
這樣整個 $pattern 都是不分大小寫了，
如果想某部份分辨大小寫，某部份不分辨，
可以用內嵌的寫法。
$st = '11AB22Ab33aB44ab';
$pattern = '(?i:A)(?-i:B)';
@matches = $st =~ /$pattern/g;
表示 A 不分大小寫，B 就分辨大小寫。
如果修飾詞前面是減號，表示關閉該修飾詞，
例如 (?s-i)，表示啟動 s 修飾詞，關閉 i 修飾詞。
其實內嵌修飾詞的語法，是在非捕捉群組內加入修飾詞而己。
------------------------------------------------------------------------------------------------
[[ 伸展模式 - 往前看(Look-ahead)和往後看(Look-behind) ]]
語法：
往前看（正）(Positive Look-ahead) (?=pattern)
往後看（正）(Positive Look-behind) (?<=pattern)
往前看（負）(Negative Look-ahead) (?!pattern)
往後看（負）(Negative Look-behind) (?
舉例來說：
$st = 'ABCDEFGH';
$pattern = '\w{2}';
@matches = $st =~ /$pattern/g;
執行結果：
0 : AB
1 : CD
2 : EF
3 : GH
您可以想像它是由左往右走，當配到一個match，
下一次就由match之後開始走：
ABCDEFGH
由A的位置開始走，配到 AB，剩下 CDEFGH ('AB')
由C的位置開始走，配到 CD，剩下 EFGH ('AB', 'CD')
由E的位置開始走，配到 EF，剩下 GH ('AB', 'CD', 'EF')
由G的位置開始走，配到 GH，剩下 ('AB', 'CD', 'EF', 'GH')
如果想在走路的時候，還要同時往前面看，
可以用「往前看」或「往後看」。
例如仍然要找出 \w{2}，但同時要檢查它的前面（即右面）必須是\w{2}，
可以寫：
$pattern = '\w{2}(?=\w{2})';
執行結果：
0 : AB
1 : CD
2 : EF
這裡的 (?=\w{2}) 用了「往前看（正）」，
這部份是不會配到任何字元，只是用來檢查字串的特性：
ABCDEFGH
由A的位置開始，配到AB，往前看到CD，剩下 CDEFGH ('AB')
由C的位置開始，配到CD，往前看到EF，剩下 EFGH ('AB', 'CD')
由E的位置開始，配到EF，往前看到GH，剩下 GH ('AB', 'CD', 'EF')
由G的位置開始，雖然GH 可以配到\w{2} ，但往前看不到 \w{2}，所以沒有match
完結
同理，如果改用「往後看」：
$pattern = '(?<=\w{2})\w{2}';
執行結果：
0 : CD
1 : EF
2 : GH
ABCDEFGH
由A的位置開始，直至走到C的位置時，
才能夠往後看到 AB，配到CD，剩下 EFGH ('CD')
由E的位置開始，往後看到CD，配到EF，剩下 GH ('CD', 'EF')
由G的位置開始，往後看到EF，配到GH，剩下 ('CD', 'EF', 'GH')
完結
Negative Look-ahead 是 Positve Look-ahead的相反，
例如仍然要找出 \w{2}，但同時要檢查它的前面必須「不是」\w{2}，
可以寫：
$st = 'ABCDEFGH';
$pattern = '\w{2}(?!\w{2})';
@matches = $st =~ /$pattern/g;
執行結果：
0 : FG
因為 'FG'的右面只有 'H' ，即 \w ，而不是 \w{2}，
所以配到。
原文連結:
http://ck101.com/forums/viewthread.php?tid=1270923&extra=page%3D1%26amp%3Bfilter%3Dtype%26amp%3Btypeid%3D29
Regular Expression （正規表示式，簡寫 regexp或regex）
是一個字串，可用來描述字串的模式，
例如我要表達「兩個英文大寫字母」，那麼 regexp 就是 [A-Z]{2}。
而使用這個 regexp ，就可以在一個字串內找出配合 (Match) 的部份，
例如在字串 $st = '11AA22BB33' 內，有哪些部份配合「兩個英文大寫字母」這個模式？
就會找到 'AA' 和 'BB' 兩部份了。
以下是一些常見的 regexp 應用：
use strict;
my ($st, $pattern, $replacement, @array, @matches);
##
## 有沒有找到至少一個 Match？
##
$st = '11AA22';
$pattern = 'AA';
if ($st =~ /$pattern/) {
print "has at least one match\n";
} else {
print "no match\n";
}
##
## 找出所有 Matches
##
$st = '11AA22BB33';
$pattern = '[A-Z]{2}';
@matches = $st =~ /$pattern/g;
foreach my $i (0 .. $#matches) {
print "$i : $matches[$i]\n";
}
##
## 找出所有 Matches，並取代它們
##
$st = '11AA22AA33';
$pattern = 'AA';
$replacement = 'XX';
$st =~ s/$pattern/$replacement/g;
print "$st\n";
##
## 在 Matches 的位置分割
##
$st = '11AA22AA33';
$pattern = 'AA';
@array = split /$pattern/, $st;
print join ',', @array;
以下是 .Net 例子（以 C# 語言）
using System;
using System.Text.RegularExpressions;
class MainClass
{
public static void Main(string[] args)
{
string st, pattern, replacement;
string[] array;
MatchCollection mc;
//
// has at least one match?
//
st = "11AA22";
pattern = @"AA";
if ( Regex.IsMatch(st, pattern) ) {
Console.WriteLine("has at least one match");
} else {
Console.WriteLine("no match");
}
//
// get all matches
//
st = "11AA22BB33";
pattern = @"[A-Z]{2}";
mc = Regex.Matches(st, pattern);
for (int i = 0; i < mc.Count; i++ )
{
Console.WriteLine("{0} : {1}", i, mc);
}
//
// search and replace
//
st = "11AA22AA33"; pattern = @"AA"; replacement = "XX";
st = Regex.Replace(st, pattern, replacement);
Console.WriteLine("{0}", st);
//
// split
//
st = "11AA22AA33"; pattern = "AA";
array = Regex.Split(st, pattern);
Console.WriteLine(String.Join(",", array));
}
}
[[解釋 regexp 的意思]]
當您遇到一些很難看得懂的 regexp， 您可以用 YAPE::Regex::Explain 模組， 把 regexp 翻譯成英文，這對新手來說有很大幫助。
#### use YAPE::Regex::Explain;
my $pattern = '[A-Z]{2}';
print YAPE::Regex::Explain->new($pattern)->explain;
####
輸出結果：
[A-Z]{2} any character of: 'A' to 'Z' (2 times)
意思是「任何一個由 'A' 至 'Z' 的字元（兩次）」，
那麼它配合的東西就是：
AA
AB
...
AZ
BA
BB
...
ZA
ZB
...
ZZ
------------------------------------------------------------------------------------------------
>我目前所碰到的瓶頸是
>有沒有可能使用Regular Expression來判斷輸入的是數字，並且限定其數值範圍0.0
參考 perlretut 內的 "Building a regexp" 一節
------------------------------------------------------------------------------------------------
[[ 特殊字元 (Metacharacter) ]]
當您要表示一些特殊字元，例如括號，那就不能直接寫：
$pattern = '(';
而要在前面加上反斜號：
$pattern = '\(';
以下 regexp 的特殊字元：
{}[]()^$.|*+?/
為什麼這些是特殊字元呢？本文稍後會介紹。
例：
####
$st = '11((22';
$pattern = '\(\(';
@matches = $st =~ /$pattern/g;
foreach my $i (0 .. $#matches) {
print "$i : $matches[$i]\n";
}
####
順帶一提，應儘量用單引號來括字串，
因為它不會好像雙引號那樣會做字串插入，如果寫：
$pattern = "\(\(";
那結果變成：
$pattern = '((';
------------------------------------------------------------------------------------------------
[[ 脫離序列 (Escape Sequence) ]]
當您要表示 tab、 newline 等不能列印的字元，
可以用 Escape Sequence。
例：
$st = "11\t22\t33";
$pattern = '\t';
------------------------------------------------------------------------------------------------
[[ 字元類別 (Character Class) ]]
您除了可以表示一個固定的字元外，如
$pattern = 'A';
還可以表示一個字元集合，例如您想表示
「'A'字元或者'B'字元或者'C'字元」，可以寫
$pattern = '[ABC]';
即把您想 match 的字元寫在中括號內。
例：
$st = '11A22B33C44D';
$pattern = '[ABC]';
會找到以下的 match：
0 : A
1 : B
2 : C
例如您想找 'AAAXX' 或者 'AABXX' 或者 'AACXX'：
$st = '11AACXX22AABXX33AAAXX44AAD';
$pattern = 'AA[ABC]XX';
會找到以下的 match：
0 : AACXX
1 : AABXX
2 : AAAXX
留意一點，雖然 $pattern 內的 [ABC] 是先寫A，
但結果是先找到 'AACXX'，而不是'AAAXX'，
因為 Perl 是先從 $st 的左邊開始找，而不是先從右邊開始找，
而 'AACXX' 是最左邊的 match。
------------------------------------------------------------------------------------------------
[[ 字元類別 - 脫離序列 ]]
在字元類別內表示一些特殊字元，也是要加反斜號，
不過字元類別內的特殊字元是：
-]\^$
本文稍後會解釋為何它們是特殊字元。
例：
$st = '11A22B33-44]';
$pattern = '[AB\-\]]';
會找到以下的 match：
0 : A
1 : B
2 : -
3 : ]
------------------------------------------------------------------------------------------------
[[ 字元類別 - 範圍運算子 (Range Operator) ]]
您可以用減號，來表示一段字元範圍，例如
$pattern = '[ABCDEFGHIJ]';
可以寫成
$pattern = '[A-J]';
這樣就更簡潔了。又例如
$pattern = '[ABCDKLMN0123]';
可以寫成
$pattern = '[A-DK-N0-3]';
但如果把減號寫在最頭或者最尾，例如
$pattern = '[-AB]';
或
$pattern = '[AB-]';
那麼減號就直接表示 '-' 字元，而不是範圍運算子了。
例：
$st = '99A88L773]';
$pattern = '[A-DK-N0-3]';
會找到以下的 match：
0 : A
1 : L
2 : 3
------------------------------------------------------------------------------------------------
[[ 字元類別 - 反相字元類別 (Negated Character Class) ]]
例如要表示「'A'或者'B'或者'C'」，就寫
$pattern = '[ABC]';
但如果要表示「'A'或者'B'或者'C'」的相反，即「不是'A'並且不是'B'並且不是'C'」
就可以寫
$pattern = '[^ABC]';
在字元類別內，如果第一個字元是 '^'，就表示這是一個「反相字元類別」。
例：
$st = '11A22B33X44Y';
$pattern = '[^A-C0-9]';
會找到以下的 match：
0 : X
1 : Y
------------------------------------------------------------------------------------------------
[[ 字元類別 - 簡寫 ]]
Perl 提供了一些常用的字元類別簡寫，例如
$pattern = '[0-9]';
其實可以寫成
$pattern = '\d';
這就更簡潔了。以下列出這些簡寫：
\d 等於寫 [0-9]
\D 等於寫 [^0-9] ，即 \d 的相反
\w 等於寫 [0-9a-zA-Z_] ，即數字、英文大小寫字母和底線
\W 等於寫 [^0-9a-zA-Z_] ，即 \w 的相反
\s 等於寫 [\ \t\n\r\f] ，即白格字元 (Whitespace character)，
包括space, tab, newline, carriage return, form feed
\S 等於寫 [^\ \t\n\r\f] ，即 \s 的相反
還有一個很特別的簡寫，就是點號 '.'，
因為它比較複雜，所以稍後再介紹它。
例：
$st = '11A22b33_44=';
$pattern = '\D';
會找到以下的 match：
0 : A
1 : b
2 : _
3 : =
例：
$st = '11AA22A_33A044AX';
$pattern = 'A[^\dX-Z]';
會找到以下的 match：
0 : AA
1 : A_
------------------------------------------------------------------------------------------------
[[ Alternation ]]
如果想表示「'AB'字串或'KLM'字串或者'PQRST'」，可以寫
$pattern = 'AB|KLM|PQRST';
即用直線分隔它們。
Alternation 跟 Character Class 很像，
例如以下兩者是一樣的：
$pattern = '[ABC]';
$pattern = 'A|B|C';
不過 Character Class 不能表示超過一個字元的字串。
例：
$st = '11AB22KLMN33PQRS';
$pattern = 'AB|KLM|PQRST';
會找到以下的 match：
0 : AB
1 : KLM
如果寫：
$pattern = 'PQRST|KLM|AB';
那還是會先找到 'AB'，效果跟 Character Class 一樣。
------------------------------------------------------------------------------------------------
[[群組 (Group)]]
如果想表示「'ABC'或者'ABKL'或者'ABPQR'」，除了可以寫：
$pattern = 'ABC|ABKL|ABPQR';
還可以這樣寫：
$pattern = 'AB(C|KL|PQR)';
即用括號來分開'AB'和接著的那三個 Alternatives，
好像數學上把 2*3 + 2*4 + 2*5 寫成 2 * (3+4+5)。
如果想連'AB'都要 match：
$pattern = 'AB|ABC|ABKL|ABPQR';
也可以把空字串都寫到括號內：
$pattern = 'AB(C|KL|PQR|)';
------------------------------------------------------------------------------------------------
[[群組 - 特殊變數 $1, $2, ...]]
括號還有一種特別的功能，就是把括號內 match 到的部份
放到特殊變數 $1, $2, ...。
例如您想檢查某字串是含有時間的模式，例如 HH:MM:SS，
（不檢查數值範圍），同時想取得時分秒各個部份，可以寫：
####
my ($time_string, $hour, $minute, $second);
$time_string = '12:34:56';
$pattern = '(\d\d):(\d\d):(\d\d)';
if ($time_string =~ /$pattern/) {
($hour, $minute, $second) = ($1, $2, $3);
print "hour=$hour,minute=$minute,second=$second";
} else {
print 'Invalid time format';
}
####
執行結果：
hour=12,minute=34,second=56
至於哪部份是 $1, $2, ...，就以開括號出現的先後順序來決定，
例如括著「時」那個開括號是第一個出現的，所以它就對應 $1。
(\d\d):(\d\d):(\d\d)
1______2______3
------------------------------------------------------------------------------------------------
[[群組 - 巢狀群組]]
括號內也可以有括號，成為巢狀群組，例如：
(\d\d):((\d\d):(\d\d))
1______23______4
####
my ($time_string, $hour, $minute, $second);
$time_string = '12:34:56';
$pattern = '(\d\d):((\d\d):(\d\d))';
if ($time_string =~ /$pattern/) {
print "\$1=$1\n\$2=$2\n\$3=$3\n\$4=$4";
} else {
print 'Invalid time format';
}
####
執行結果：
$1=12
$2=34:56
$3=34
$4=56
------------------------------------------------------------------------------------------------
[[群組 - 返回參照 (Backreferences) \1, \2, ...]]
跟 $1, $2, ... 有很密切關係的東西，就是 Backreferences，
即 \1, \2, ... 。
它們不同之處，在於 $1 只應該用在 regexp 「以外」，
而 \1 只應該用在 regexp 「以內」。
例：
####
$st = 'A_A';
$pattern = '([ABC])_\1';
if ($st =~ /$pattern/) {
print "\$1=$1";
}
####
執行結果：
$1=A
您可以嘗試把 $st 改成：
$st = 'B_B';
$st = 'C_C';
您會發現 \1 能夠取得之前所 match 的東西，
即應該放到 $1 的值。但要緊記，不應該在 regexp 以內寫 $1。
例：
####
$st = 'ALZ_A_L_Z';
$pattern = '([ABC])([KLM])([XYZ])_\1_\2_\3';
if ($st =~ /$pattern/) {
print "\$1=$1\n\$2=$2\n\$3=$3";
}
####
執行結果：
$1=A
$2=L
$3=Z
------------------------------------------------------------------------------------------------
[[ 群組 - $1, $2, ... 的開始和結束位置 ]]
Perl 5.6.0 提供了兩個陣列 @- 和 @+，
@- 儲存了 $1, $2, ... 的開始位置，@+ 就儲存結束位置。
例：
####
my ($time_string, $hour, $minute, $second);
$time_string = '12:34:56';
$pattern = '(\d\d):(\d\d):(\d\d)';
$time_string =~ /$pattern/;
foreach my $i (1 .. $#-) {
print "Match $i='${$i}' at position ($-[$i] , $+[$i])\n";
}
####
執行結果：
Match 1='12' at position (0 , 2)
Match 2='34' at position (3 , 5)
Match 3='56' at position (6 , 8)
------------------------------------------------------------------------------------------------
[[ 群組 - $` 、 $& 和 $' ]]
如果 regexp 沒有寫括號，就沒有 $1, $2, ... 可用了，
但您仍然可以用 $& 來取得 match，$` 則取得 match 前面所有東西，
$' 取得 match 後面所有東西。
####
$st = '11AA22';
$pattern = 'AA';
$st =~ /$pattern/;
print "\$`=$`\n\$&=$&\n\$'=$'";
####
執行結果：
$`=11
$&=AA
$'=22
如果用 substr 來表示，那麼：
$` 是 substr( $st, 0, $-[0] )
$& 是 substr( $st, $-[0], $+[0] - $-[0] )
$' 是 substr( $st, $+[0] )
------------------------------------------------------------------------------------------------
[[ 重覆 (Repetition) ]]
如果想表示「五個 'A' 字元」，可以寫
$pattern = 'AAAAA';
也可以用量化詞 (Quantifier) ，寫成
$pattern = 'A{5}';
這樣就更清楚了。而量化詞可以寫在字元、字元類別或群組的後面。
例：
$st = '11AAA22AAAAA';
$pattern = 'A{5}';
------------------------------------------------------------------------------------------------
[[重覆 - 最多和最少]]
量化詞可分成兩類：
1) 最多配對（貪心的） Maximal Match (Greedy)
2) 最少配對（不貪心的） Minimal Match (Non-greedy)
以下列出「最多配對」：
A? 表示 0 個或 1 個 'A' 字元（以最多為準）
A* 表示 0 個或以上的 'A' 字元（以最多為準）
A+ 表示 1 個或以上的 'A' 字元（以最多為準）
A{n} 表示 n 個 'A' 字元
A{n,m} 表示最少 n 個，最多 m 個 'A' 字元（以最多為準）
A{n,} 表示最少 n 個 'A' 字元（以最多為準）
以下列出「最少配對」：
A?? 表示 0 個或 1 個 'A' 字元（以最少為準）
A*? 表示 0 個或以上的 'A' 字元（以最少為準）
A+? 表示 1 個或以上的 'A' 字元（以最少為準）
A{n}? 表示 n 個 'A' 字元
（這個其實沒有所謂的「最多」還是「最少」之分，
定義這個符號只是為了保持符號一致性而己）
A{n, m}? 表示最少 n 個，最多 m 個 'A' 字元（以最少為準）
A{n,}? 表示最少 n 個 'A' 字元（以最少為準）
到底「最多配對」和「最少配對」有什麼分別呢？例如
$st = 'AAAAA';
$pattern1 = 'A{3,5}'; # 最多配對
$pattern2 = 'A{3,5}?'; # 最少配對
那麼 match 可能是：
1) 'AAA'（字元位置0至2）
2) 'AAAA'（字元位置0至3）
3) 'AAAAA'（字元位置0至4）
如果是「最多配對」，那麼 match 就是 'AAAAA'，因為它是最多次數，
如果是「最少配對」，那麼 match 就是 'AAA'，因為它是最少次數。
------------------------------------------------------------------------------------------------
[[ 特點字元 - 任何一個字元 ]]
如果要表示「任何一個字元」，可以用點號 '.'。
在預設的情況下，它會配到「任何一個字元，除了 "\n" 之外」：
$st = "123ABC_!@\n";
$pattern = '.';
@matches = $st =~ /$pattern/g;
如果要配到「任何一個字元，包括 "\n"」，
就到加入 s 這個「修飾詞」(Modifier)：
@matches = $st =~ /$pattern/sg;
s 的意思是「把字串當作單行 (Single Line)」。
------------------------------------------------------------------------------------------------
[[ 字串的開頭 ]]
如果要表示「字串的開頭」，可以用 '^'，例如：
$st = 'AA22';
$pattern = '^AA';
@matches = $st =~ /$pattern/g;
執行結果：
0 : AA
但 match 當中不會有 '^' 所配出來的字元，
因為 '^' 主要用來測試字串的特性（例如字串位置），
而不是配任何字元的。
為了方便理解，您可以把它「想像」成一個看得見的字元，
例如：
$st = '頭AA22尾'; ## $st = 'AA22'
$pattern = '頭AA'; ## $pattern = '^AA';
------------------------------------------------------------------------------------------------
[[ 字串的結尾 ]]
如果要表示「字串的結尾，或者在字串最尾的 \n 和前面字元的中間」，
可以用 '$'，例如：
$st = "AA\nBB\n"; ## 用了雙引號
$pattern = '$';
@matches = $st =~ /$pattern/g;
結果有兩個 match ，但是'$' 與 '^' 一樣，是不會配到字元的。
您可以把它想像成：
$st = "頭AA\nBB尾\n尾"; ## $st = "AA\nBB\n";
$pattern = '尾'; ## $pattern = '$';
另外，當檢查一個字串是否符合某種格式時，
通常會 '^' 和 '$' 一起用，
例如檢查某字串是否符合「三位數字」的格式：
####
$st = "123";
$pattern = '^\d{3}$';
if ($st =~ /$pattern/) {
print "Valid format";
} else {
print "Invalid format";
}
####
------------------------------------------------------------------------------------------------
[[ 多行 (Multi-line) ]]
一個字串內可以含有 \n，例如：
$st = "AA\nAA\nAA\n";
$pattern = '^AA';
如果我們想 '^' 配到每一行的開頭，
可以用 m 修飾詞：
@matches = $st =~ /$pattern/mg;
執行結果：
0 : AA
1 : AA
2 : AA
想像成：
$st = "頭AA尾\n頭AA尾\n頭AA尾\n尾";
$pattern = '頭AA';
用了 m 修飾詞，也會令 '$' 配到每一行的結尾，
$st = "AA\nAA\nAA\n";
$pattern = 'AA$';
@matches = $st =~ /$pattern/mg;
想像成：
$st = "頭AA尾\n頭AA尾\n頭AA尾\n尾";
$pattern = 'AA尾';
如果用了 m 修飾詞，您仍然可以用：
\A 表示沒有 m 修飾詞的 '^' 意思
\Z 表示沒有 m 修飾詞的 '$' 意思
\z 代表字串的結尾（即 \Z ，但不包括最尾 \n 和前面字元的中間）
$st = "AA\nAA\nAA\n";
$pattern1 = '\AAA';
$pattern2 = 'AA\Z';
$pattern3 = 'AA\z';
總括來說，s 修飾詞會影響 '.' 的意思，
m 修飾詞會影響 '^' 和 '$' 的意思，
s 和 m 總共有四種可能：
沒有 s 和 m ：預設模式 (Default Mode)
/s ：單行模式 (Single Line Mode)
/m ：多行模式 (Multi-Line Mode)
/sm ：清楚多行模式 (Clean Multi-Line Mode)
看看大家能否解釋以下程式的執行結果：
####
$st = "A\nA\nA\n";
$pattern = '(^|$|.)';
@matches = $st =~ /$pattern/smg;
####
------------------------------------------------------------------------------------------------
[[ 字的邊界 Word Boundary ]]
字的邊界是指兩個連續字元的中間，
一個會配到 \w，而另一個會配到 \W。
（字串的開頭和結尾也視為配到 \W）
例如：
$st = 'ABC-=+';
$pattern = 'C\b';
@matches = $st =~ /$pattern/g;
因為左邊的 'C' 會配到 \w，而右邊的 '-' 會配到 \W，
所以 \b 會配到它們的中間。
\b 不代表某個字元，而是代表某個位置的特性。
您可以想像成：
$st = '界ABC界-=+';
$pattern = 'C界';
您可以用 \B 來表示 \b 的相反，即「不是邊界」，
例如：
$st = 'ABCDE';
$pattern = '\BC\B';
@matches = $st =~ /$pattern/g;
因為 'C' 本身配到 \w ，而它左邊的'B'和右邊的'D'也是配到 \w，
所以沒有邊界。
------------------------------------------------------------------------------------------------
[[ 不分大小寫 (Case-insensitive) ]]
如果加入了 i 修飾詞，就會做不分大小寫的配對，
例如：
$st = '11AA22BB';
$pattern = '[abAB]';
@matches = $st =~ /$pattern/g;
可以用 i 修飾詞寫成：
$st = '11AA22BB';
$pattern = '[AB]'; # 或者 '[ab]'
@matches = $st =~ /$pattern/ig;
因為不分大小寫，所以不必在 $pattern 把大小寫都列出來了。
------------------------------------------------------------------------------------------------
[[ x 修飾詞 ]]
如果用了 x 修飾詞，就會令 regexp 解譯器忽略 $pattern 內的白格，
（除了那些在被反斜號標示了的白格，及那些在字元類別內的白格）
還有在 $pattern 內的 '#' 也會有好像 Perl 一樣的單行註解作用，
（除了那些在被反斜號標示了的'#'，及那些在字元類別內的'#'）
它的用途是讓您可以把 regexp 寫成容易閱讀的方式，及加入註解。
例子：
不用 x 修飾詞的寫法：
$st = '11AA22 33\\\\44##';
$pattern = '(A| |\\\\|#)';
@matches = $st =~ /$pattern/g;
用了 x 修飾詞的寫法：
$st = '11AA22 33\\\\44##';
$pattern = q{
( # 左括號表示 Alternation 開始
A # 'A' 字元
| # 或者
[ ] # 用字元類別表示空格
| # 或者
\\\\ # 反斜號字元
|
[#] # 用字元類別表示'#'
) # 右括號表示完結
};
@matches = $st =~ /$pattern/xg;
------------------------------------------------------------------------------------------------
[[ 伸展模式 (Extended Patterns) ]]
除了傳統的 regexp 語法外，Perl 還定義了一些額外的語法，
但在其它工具未必有這些語法，而且有些語法可能還在實驗階段，
說不定將來會被刪除，詳情請參閱說明文件。
這些語法都是這樣子的：
(?char)
而 char 就表示伸展的種類。
------------------------------------------------------------------------------------------------
[[ 伸展模式 - 內嵌註解 (Embedding Comments) ]]
語法：
(?#text)
在 text 位置的東西會當作註解，
但要留意 text 內不可以含有右括號。
例：
$pattern = '(?# THIS IS A COMMENT)(A| |\\\\|#)';
------------------------------------------------------------------------------------------------
[[ 伸展模式 - 非捕捉群組 (Non-capturing groupings) ]]
語法：
(?:pattern)
之前提到括號有個特別的作用，就是會把配到的東西放進 $1, $2,...，
例如：
$time_string = '12:34:56';
$pattern = '(\d\d):(\d\d):(\d\d)';
if ($time_string =~ /$pattern/) {
($hour, $minute, $second) = ($1, $2, $3);
print "hour=$hour,minute=$minute,second=$second";
}
但如果您不想放的話，可以用 (?:pattern)：
$time_string = '12:34:56';
$pattern = '(\d\d):(?:\d\d):(\d\d)';
if ($time_string =~ /$pattern/) {
($hour, $minute, $second) = ($1, $2, $3);
print "hour=$hour,minute=$minute,second=$second";
}
因為「分」那部份使用了(?:pattern) ，所以就不會放到本來的 $2，
這就輪到「秒」的部份放到 $2了。
------------------------------------------------------------------------------------------------
[[ 伸展模式 - 內嵌修飾詞 (Embedded Modifiers) ]]
語法：
(?imsx-imsx:pattern)
之前提到可以用 i 修飾詞來做不分大小寫的配對，例如：
$st = '11AB22Ab33aB44ab';
$pattern = 'AB';
@matches = $st =~ /$pattern/ig;
這樣整個 $pattern 都是不分大小寫了，
如果想某部份分辨大小寫，某部份不分辨，
可以用內嵌的寫法。
$st = '11AB22Ab33aB44ab';
$pattern = '(?i:A)(?-i:B)';
@matches = $st =~ /$pattern/g;
表示 A 不分大小寫，B 就分辨大小寫。
如果修飾詞前面是減號，表示關閉該修飾詞，
例如 (?s-i)，表示啟動 s 修飾詞，關閉 i 修飾詞。
其實內嵌修飾詞的語法，是在非捕捉群組內加入修飾詞而己。
------------------------------------------------------------------------------------------------
[[ 伸展模式 - 往前看(Look-ahead)和往後看(Look-behind) ]]
語法：
往前看（正）(Positive Look-ahead) (?=pattern)
往後看（正）(Positive Look-behind) (?<=pattern)
往前看（負）(Negative Look-ahead) (?!pattern)
往後看（負）(Negative Look-behind) (?
舉例來說：
$st = 'ABCDEFGH';
$pattern = '\w{2}';
@matches = $st =~ /$pattern/g;
執行結果：
0 : AB
1 : CD
2 : EF
3 : GH
您可以想像它是由左往右走，當配到一個match，
下一次就由match之後開始走：
ABCDEFGH
由A的位置開始走，配到 AB，剩下 CDEFGH ('AB')
由C的位置開始走，配到 CD，剩下 EFGH ('AB', 'CD')
由E的位置開始走，配到 EF，剩下 GH ('AB', 'CD', 'EF')
由G的位置開始走，配到 GH，剩下 ('AB', 'CD', 'EF', 'GH')
如果想在走路的時候，還要同時往前面看，
可以用「往前看」或「往後看」。
例如仍然要找出 \w{2}，但同時要檢查它的前面（即右面）必須是\w{2}，
可以寫：
$pattern = '\w{2}(?=\w{2})';
執行結果：
0 : AB
1 : CD
2 : EF
這裡的 (?=\w{2}) 用了「往前看（正）」，
這部份是不會配到任何字元，只是用來檢查字串的特性：
ABCDEFGH
由A的位置開始，配到AB，往前看到CD，剩下 CDEFGH ('AB')
由C的位置開始，配到CD，往前看到EF，剩下 EFGH ('AB', 'CD')
由E的位置開始，配到EF，往前看到GH，剩下 GH ('AB', 'CD', 'EF')
由G的位置開始，雖然GH 可以配到\w{2} ，但往前看不到 \w{2}，所以沒有match
完結
同理，如果改用「往後看」：
$pattern = '(?<=\w{2})\w{2}';
執行結果：
0 : CD
1 : EF
2 : GH
ABCDEFGH
由A的位置開始，直至走到C的位置時，
才能夠往後看到 AB，配到CD，剩下 EFGH ('CD')
由E的位置開始，往後看到CD，配到EF，剩下 GH ('CD', 'EF')
由G的位置開始，往後看到EF，配到GH，剩下 ('CD', 'EF', 'GH')
完結
Negative Look-ahead 是 Positve Look-ahead的相反，
例如仍然要找出 \w{2}，但同時要檢查它的前面必須「不是」\w{2}，
可以寫：
$st = 'ABCDEFGH';
$pattern = '\w{2}(?!\w{2})';
@matches = $st =~ /$pattern/g;
執行結果：
0 : FG
因為 'FG'的右面只有 'H' ，即 \w ，而不是 \w{2}，
所以配到。
原文連結:
http://ck101.com/forums/viewthread.php?tid=1270923&extra=page%3D1%26amp%3Bfilter%3Dtype%26amp%3Btypeid%3D29
發表文章
0 意見:
張貼留言張貼留言