首页 > 代码库 > <摘录>perl正则表达式中的元字符、转义字符、量词及匹配方式

<摘录>perl正则表达式中的元字符、转义字符、量词及匹配方式

  Linux平台上被广泛使用的正则表达式库PCRE - Perl-compatible regular expressions,从其名字即可知道,PCRE提供的是一套与Perl中相兼容的正则表达式。

元字符(Meta-character)

  • \‘ :在任何元字符前面加上反斜线,就会使它失去元字符的特殊作用。例如/3\.1415/这个模式里没有通配符
  • ^‘ : 匹配行首;在字符集中它是脱字符,表示求补集
  • $‘ : 匹配行尾(或结尾处新行之前字符)
  • .‘ :除新行(newline)外的任一字符(‘/s‘选项将使‘.‘匹配新行字符)
  • |‘ : 或,表示左边匹配或右边匹配都可以
  • (‘与‘)‘ :分组,例如 “/(fred)+/ 可匹配“fredfredfred”这样的字符串
  • [‘与‘]‘ :字符类。表示一类字符集合中任意一个,方括号内可使用‘-‘表示范围,如[0-9]表示匹配数字0到9; 也可使用‘^‘表示求补集,如[^0-9]表示除数字0到9外的其他字符


下面量词中的前三个字符也是元字符
量词(Quantifier)

  • *‘ : 0或任意次。例如“\t*”表示0到任意多个字表符;“.*”捡破烂模式,它能通吃所有的字符串
  • +‘ : 1或更多次
  • ?‘ : 0或1次
  • {n} : n次
  • {n,} : 至少n次
  • {n, m} : n到m次。例如“/a{5,15}/可以匹配重复5到15次的字母a

自动匹配变量

  • $`: 匹配部分的前一部分存放在$`之中,后面的符号在键盘左上方与“ ”在一个键上
  • $&:整个被匹配上的部分保存在这个变量中
  • $‘:这个变量保存了字符串中剩下的部分,即除了匹配部分的前一部分,被匹配上的部分后剩下的部分。

匹配方式

  • 贪婪(greedy)方式:在模式其余部分匹配前提下,尽可能多地匹配字符。

     贪婪量词:+* 

  • 非贪婪匹配(minimum): 对于每一个贪婪的量词,都有一个非贪婪的量词。以加号(+)为例,我们可以改用非贪婪的量词+?,这表示一次或更多匹配(加号的本意)。但是匹配的字符串却  是越短越好,而不再是越长越好。

      非贪婪量词:+?*?

  • 占有式:与贪婪方式相近,尽可能多地匹配字符,但绝不回退(backtrack,即使模式其余部分无法匹配,也不减少本部分的匹配数量)。在数量词之后使用‘+‘表示使用占有式匹配。


转义序列

  • \t‘ : 制表符(HT, TAB)
  • \n‘ : 换行(LF, NL)
  • \r‘ : 回车(CR)
  • \f‘ : 进纸(Form Feed, FF)
  • \a‘ : 报警 (Alarm, BEL)
  • ‘\e‘ : 转义(ESC)
  • "\0xx" : 八进制数值对应字符,如\033表示ESC
  • "\xhh" : 16进制数值对应字符,如\x1B表示ESC
  • "\x{hhhh}" : 16进制long型数值对应字符,如\x{263a}表示unicode SMILEY
  • "\cK" : K可以为任意字母,表示控制字符"control-K","\cK"表示如VT
  • "\N{name}" : unicode命名字符
  • "\N{U+hhhh}" : unicode字符
  • ‘\l‘ : 小写下一字符
  • ‘\u‘ : 大写下一字符
  • ‘\L‘ : 小写随后字符串直至‘\E‘
  • ‘\U‘ : 大写随后字符串直至‘\E‘
  • ‘\E‘ : 结束大小写转换
  • ‘\Q‘ : 引用随后字符(禁止转义)直至‘\E‘


字符类及其他转义字符

  • \w‘ :匹任任一单词(word)字符(26个英文字母、10个数字,加下划线‘_‘),等同于字符集[A-Za-z0-9_]
  • \W‘ : 匹配任一非单词字母
  • \s‘ : 任一空白字符(空格‘ ‘, 制表符‘\t‘等)
  • \S‘ : 任一非空白字符
  • \d‘ : 任一数字字符[0-9]
  • \D‘ : 任一非数字字符
  • “\pP” : 匹配命名属性P
  • "\PP" : 匹配非P
  • ‘\X‘ : 匹配unicode扩展字符集(eXtended grapheme cluster)
  • ‘\C‘ : 匹配单个C字符(字节),即使工作在unicode模式下
  • ‘\n‘ : n为数字,后向引用指定组n
  • "\gn" : 后向引用指定组n
  • "\g{-n}" : 表示相对(当前位置之前的)第n个后用引用组n
  • "\g{name}" :后向引用命名组(name)。例如“(/(.)\g{1}ll)”可以匹配aall这样的字符串,aa为连续相同的两个字符
  • "\k{name}" : 后向引用
  • ‘\K‘ : 使\K左侧部分,不引入到$&中
  • ‘\N‘ : 除‘\n‘外的任一字符
  • ‘\v‘ : 垂直空白符
  • ‘\V‘ : 非垂直空白符
  • ‘\h‘ : 水平空白符
  • ‘\H‘ : 非水平空白符
  • ‘\R‘ : 行分割符号


POSIX字符类
POSIX字符类表示语法:[:class:],在pattern中则必须写为"[[:class:]]"。

  • "[[:alpha:]]" : (英文)字母
  • "[[:alnum:]]" : 字母或数字字符
  • "[[:ascii:]]" : ASCII字符集中字符
  • "[[:blank:]]" : GNU扩展,等价于空格‘ ‘或水平制表符‘\t‘
  • "[[:cntrl:]]" : 任一控制字符
  • "[[:digit:]]" : 任一数字字符,等价于‘\d‘
  • "[[:graph:]]" : 除空格外的任一可打印字符
  • "[[:lower:]]" : 任一小写字符
  • "[[:print:]]" : 任一可打印字符,包括空格
  • "[[:punct:]]" : 除单词字符(字母,‘_‘)外的任一图形字符
  • "[[:space:]]" : 任一空白字符,等价于‘\s‘垂直制表符"\cK"
  • "[[:upper:]]" : 任一大写字符
  • "[[:word:]]" : Perl扩展, 等价于‘\w‘
  • "[[:xdigit:]]" : 任一16进制数字


Perl中,"[[^:class:]]"表示posix指定类的补集,这种情况下也可略去[::],在类名前加‘^‘表示为"[^class]"。

  • \b‘ : 单词边界。例如整单词搜索模式“/\bFred\b/”,可以匹配Fred或fred
  • ‘\B‘ : 非单词边界
  • ‘\A‘ : 字符串首
  • ‘\Z‘ : 字符串尾或尾部换行字符之前
  • ‘\z‘ : 字符串尾
  • ‘\G‘ : 在上一个匹配处进行匹配