perl正则表达式


简单的例子

 

这里有一些有代表性的、比较简单的例子。
vi命令作用
:%s/*//g把一个或者多个空格替换为一个空格。
:%s/*$//去掉行尾的所有空格。
:%s/^//在每一行头上加入一个空格。
:%s/^[0-9][0-9]*//去掉行首的所有数字字符。
:%s/b[aeio]g/bug/g将所有的bag、beg、big和bog改为bug。
:%s/t\([aou]\)g/h$t/g将所有tag、tog和tug分别改为hat、hot和hug（注意用group的用法和使用引用前面被匹配的字符）。

中级的例子（神奇的咒语）

例1
将所有方法foo(a,b,c)的实例改为foo(b,a,c)。这里a、b和c可以是任何提供给方法foo()的参数。也就是说我们要实现这样的转换：
之前之后
foo(10,7,2)foo(7,10,2)
foo(x+13,y-2,10)foo(y-2,x+13,10)
foo(bar(8),x+y+z,5)foo(x+y+z,bar(8),5)
下面这条替换命令能够实现这一魔法：
:%s/foo(\([^,]*\),\([^,]*\),\([^)]*\))/foo($2,$1,$3)/g
现在让我们把它打散来加以分析。写出这个表达式的基本思路是找出foo()和它的括号中的三个参数的位置。第一个参数是用这个表达式来识别的：：\([^,]*\)，我们可以从里向外来分析它：
[^,]除了逗号之外的任何字符
[^,]*0或者多个非逗号字符
\([^,]*\)将这些非逗号字符标记为，这样可以在之后的替换模式表达式中引用它
\([^,]*\),我们必须找到0或者多个非逗号字符后面跟着一个逗号，并且非逗号字符那部分要标记出来以备后用。
现在正是指出一个使用Perl正则表达式常见错误的最佳时机。为什么我们要使用[^,]*这样的一个表达式，而不是更加简单直接的写法，例如：.*，来匹配第一个参数呢？设想我们使用模式.*来匹配字符串"10,7,2"，它应该匹配"10,"还是"10,7,"？为了解决这个两义性（ambiguity），Perl正则表达式规定一律按照最长的串来，在上面的例子中就是"10,7,"，显然这样就找出了两个参数而不是我们期望的一个。所以，我们要使用[^,]*来强制取出第一个逗号之前的部分。
这个表达式我们已经分析到了：foo(\([^,]*\)，这一段可以简单的翻译为“当你找到foo(就把其后直到第一个逗号之前的部分标记为”。然后我们使用同样的办法标记第二个参数为。对第三个参数的标记方法也是一样，只是我们要搜索所有的字符直到右括号。我们并没有必要去搜索第三个参数，因为我们不需要调整它的位置，但是这样的模式能够保证我们只去替换那些有三个参数的foo()方法调用，在foo()是一个重载（overoading）方法时这种明确的模式往往是比较保险的。然后，在替换部分，我们找到foo()的对应实例，然后利用标记好的部分进行替换，是的第一和第二个参数交换位置。

例2
假设有一个CSV（commaseparatedvalue）文件，里面有一些我们需要的信息，但是格式却有问题，目前数据的列顺序是：姓名，公司名，州名缩写，邮政编码，现在我们希望讲这些数据重新组织，以便在我们的某个软件中使用，需要的格式为：姓名，州名缩写-邮政编码，公司名。也就是说，我们要调整列顺序，还要合并两个列来构成一个新列。另外，我们的软件不能接受逗号前后面有任何空格（包括空格和制表符）所以我们还必须要去掉逗号前后的所有空格。
这里有几行我们现在的数据：
BillJones,HI-TEKCorporation,CA,95011
SharonLeeSmith,DesignWorksIncorporated,CA,95012
B.Amos,HillStreetCafe,CA,95013
AlexanderWeatherworth,TheCraftsStore,CA,95014
...
我们希望把它变成这个样子：
BillJones,CA95011,HI-TEKCorporation
SharonLeeSmith,CA95012,DesignWorksIncorporated
B.Amos,CA95013,HillStreetCafe
AlexanderWeatherworth,CA95014,TheCraftsStore
...
我们将用两个Perl正则表达式来解决这个问题。第一个移动列和合并列，第二个用来去掉空格。
下面就是第一个替换命令：
:%s/\([^,]*\),\([^,]*\),\([^,]*\),\(.*\)/,,/
这里的方法跟例1基本一样，第一个列（姓名）用这个表达式来匹配：\([^,]*\)，即第一个逗号之前的所有字符，而姓名内容被用标记下来。公司名和州名缩写字段用同样的方法标记为和，而最后一个字段用\(.*\)来匹配（"匹配所有字符直到行末"）。替换部分则引用上面标记的那些内容来进行构造。
下嬲飧鎏婊幻钤蛴美慈コ崭瘢?
:%s/[\t]*,[\t]*/,/g
我们还是分解来看：[\t]匹配空格/制表符，[\t]*匹配0或多个空格/制表符，[\t]*,匹配0或多个空格/制表符后面再加一个逗号，最后，[\t]*,[\t]*匹配0或多个空格/制表符接着一个逗号再接着0或多个空格/制表符。在替换部分，我们简单的我们找到的所有东西替换成一个逗号。这里我们使用了结尾的可选的g参数，这表示在每行中对所有匹配的串执行替换（而不是缺省的只替换第一个匹配串）。

例3
假设有一个多字符的片断重复出现，例如：

  1. Billytriedreallyhard  
  2. Sallytriedreallyreallyhard  
  3. Timmytriedreallyreallyreallyhard  
  4. Johnnytriedreallyreallyreallyreallyhard  

而你想把"really"、"reallyreally"，以及任意数量连续出现的"really"字符串换成一个简单的"very"（simpleisgood!），那么以下命令：
:%s/\(really\)\(really\)*/very/
就会把上述的文本变成：
　

  1. 　Billytriedveryhard  
  2. Sallytriedveryhard  
  3. Timmytriedveryhard  
  4. Johnnytriedveryhard  

表达式\(really\)*匹配0或多个连续的"really"（注意结尾有个空格），而\(really\)\(really\)*匹配1个或多个连续的"really"实例。
困难的例子（不可思议的象形文字）
Comingsoon.

不同工具中的Perl正则表达式

 

OK，你已经准备使用RE（regularexpressions，Perl正则表达式），但是你并准备使用vi。所以，在这里我们给出一些在其他工具中使用RE的例子。另外，我还会总结一下你在不同程序之间使用RE可能发现的区别。
当然，你也可以在VisualC++编辑器中使用RE。选择Edit->Replace，然后选择"Regularexpression"选择框，FindWhat输入框对应上面介绍的vi命令:%s/pat1/pat2/g中的pat1部分，而Replace输入框对应pat2部分。但是，为了得到vi的执行范围和g选项，你要使用ReplaceAll或者适当的手工FindNextandReplace（译者按：知道为啥有人骂微软弱智了吧，虽然VC中可以选中一个范围的文本，然后在其中执行替换，但是总之不够vi那么灵活和典雅）。
sed
Sed是StreamEDitor的缩写，是Unix下常用的基于文件和管道的编辑工具，可以在手册中得到关于sed的详细信息。
这里是一些有趣的sed脚本，假定我们正在处理一个叫做price.txt的文件。注意这些编辑并不会改变源文件，sed只是处理源文件的每一行并把结果显示在标准输出中（当然很容易使用重定向来定制）：

sed脚本描述

sed's/^$/d'price.txt删除所有空行
sed's/^[\t]*$/d'price.txt删除所有只包含空格或者制表符的行
sed's/"//g'price.txt删除所有引号

awk

awk是一种编程语言，可以用来对文本数据进行复杂的分析和处理。可以在手册中得到关于awk的详细信息。这个古怪的名字是它作者们的姓的缩写（Aho，Weinberger和Kernighan）。
在Aho，Weinberger和Kernighan的书TheAWKProgrammingLanguage中有很多很好的awk的例子，请不要让下面这些微不足道的脚本例子限制你对awk强大能力的理解。我们同样假定我们针对price.txt文件进行处理，跟sed一样，awk也只是把结果显示在终端上。
awk脚本描述
awk'!~/^$/'price.txt删除所有空行
awk'NF>0'price.txtawk中一个更好的删除所有空行的办法
awk'~/^[JT]/'price.txt打印所有第二个字段是'J'或者'T'打头的行中的第三个字段
awk'!~/[Mm]isc/{print+}'price.txt针对所有第二个字段不包含'Misc'或者'misc'的行，打印第3和第4列的和（假定为数字）
awk'!~/^[0-9]+\.[0-9]*$/'price.txt打印所有第三个字段不是数字的行，这里数字是指d.d或者d这样的形式，其中d是0到9的任何数字
awk'~/John|Fred/'price.txt如果第二个字段包含'John'或者'Fred'则打印整行

grep

grep是一个用来在一个或者多个文件或者输入流中使用RE进行查找的程序。它的name编程语言可以用来针对文件和管道进行处理。可以在手册中得到关于grep的完整信息。这个同样古怪的名字来源于vi的一个命令，g/re/p，意思是globalregularexpressionprint。
下面的例子中我们假定在文件phone.txt中包含以下的文本，——其格式是姓加一个逗号，然后是名，然后是一个制表符，然后是电话号码：
Francis,John5-3871
Wong,Fred4-4123
Jones,Thomas1-4122
Salazar,Richard5-2522

grep命令描述

grep'\t5-...1'phone.txt把所有电话号码以5开头以1结束的行打印出来，注意制表符是用\t表示的
grep'^S[^]*R'phone.txt打印所有姓以S打头和名以R打头的行
grep'^[JW]'phone.txt打印所有姓开头是J或者W的行
grep',....\t'phone.txt打印所有姓是4个字符的行，注意制表符是用\t表示的
grep-v'^[JW]'phone.txt打印所有不以J或者W开头的行
grep'^[M-Z]'phone.txt打印所有姓的开头是M到Z之间任一字符的行
grep'^[M-Z].*[12]'phone.txt打印所有姓的开头是M到Z之间任一字符，并且点号号码结尾是1或者2的行

egrep

egrep是grep的一个扩展版本，它在它的Perl正则表达式中支持更多的元字符。下面的例子中我们假定在文件phone.txt中包含以下的文本，——其格式是姓加一个逗号，然后是名，然后是一个制表符，然后是电话号码：
Francis,John5-3871
Wong,Fred4-4123
Jones,Thomas1-4122
Salazar,Richard5-2522
egrepcommandDescription
egrep'(John|Fred)'phone.txt打印所有包含名字John或者Fred的行
egrep'John|22$|^W'phone.txt打印所有包含John或者以22结束或者以W的行
egrep'net(work)?s'report.txt从report.txt中找到所有包含networks或者nets的行
Perl正则表达式语法支持情况
命令或环境.[]^$\(\)\{\}?+|()
viXXXXX
VisualC++XXXXX
awkXXXXXXXX
sedXXXXXX
TclXXXXXXXXX
exXXXXXX
grepXXXXXX
egrepXXXXXXXXX
fgrepXXXXX
perlXXXXXXXXX

vi替换命令简介

Vi的替换命令：
:ranges/pat1/pat2/g
其中
:这是Vi的命令执行界面。
range是命令执行范围的指定，可以使用百分号（%）表示所有行，使用点（.）表示当前行，使用美元符号（$）表示最后一行。你还可以使用行号，例如10,20表示第10到20行，.,$表示当前行到最后一行，.+2,$-5表示当前行后两行直到全文的倒数第五行，等等。
s表示其后是一个替换命令。
pat1这是要查找的一个Perl正则表达式，这篇文章中有一大堆例子。
pat2这是希望把匹配串变成的模式的Perl正则表达式，这篇文章中有一大堆例子。
g可选标志，带这个标志表示替换将针对行中每个匹配的串进行，否则则只替换行中第一个匹配串。

posted on 2011-11-10 19:32  nwf  阅读(493)  评论(0)  编辑  收藏  举报

导航