精通正則表達式：第二章（1）

精通正則表達式：第二章

---

本文關注的是正則表達式，只是由於Perl對正則表達式的支持優於其餘語言，因此選用Perl，請不要過多的關心Perl是怎麼回事，必要的前置知識會在這裏說起。下面開始咱們的正則之旅。在本文，會使用 · 來代替正則表達式中出現的空格。

---

1、簡單易懂的Perl魔法

下面是一段簡單的Perl示例程序，功能是將華氏溫度轉換爲攝氏溫度。

$celsius = 30;
    $fahrenheit = ($celsius * 9 / 5) + 32;    #計算華氏溫度
    print "$celsius C is $fahrenheit F.\n"    #輸出兩種溫度

其結果爲：

30 C is 86 F.

從這段程序中，咱們會發現Perl的幾個特色：

• 普通的變量（如$celsius）以$開頭，能夠保存數值或者字符串。

• \#表明着註釋的開始

• 變量能夠出如今引號包圍的字符串中，最後會被其實際值替代。口怕！

同時，Perl也提供了流程控制語句，如while:

$celsius = 20;
    while ($celsius <= 45)
    {
        $fahrenheit = ($celsius * 9 / 5) + 32;
        print "$celsius C is $ fahrenheit F.\n";
        $celsius = $celsius + 5;
    }

運行結果以下：

20 C is 68 F.
25 C is 77 F.
30 C is 86 F.
35 C is 95 F.
40 C is 104 F.
45 C is 113 F.

當條件爲真的時候，while循環控制的部分就會重複執行，直到條件爲假。若是在終端中運行，則就像下面這樣：

/~> perl -w CelToFah.pl

這裏的-w參數不是必須的，可是加上參數之後，Perl會在可疑的地方報錯。這算是一種良好的習慣罷了。因爲Perl不是本文的重點，因此介紹就到這裏爲止，下面是Perl中正則表達式的使用。

---

2、匹配文本

在Perl中，最簡單的正則表達式使用方法就是：檢查變量中的文本是否能匹配指定正則表達式。實例片斷以下：

if ($reply =~ m/^[0-9]+$/){
            print "only digits\n";
        } else {
            print "not only digits\n";
    }

如你所見，第一行的表達式很有魔法風範：正則表達式是^[0-9]+$；m/.../則通知Perl要對正則表達式進行什麼操做，m意味着嘗試進行正則表達式匹配，而斜槓則用來標記界限；=~則用來鏈接對象字符串和正則表達式。

須要注意的是，=~、==、=三者請勿混淆。=~用於正則表達式，=用於變量賦值， 而==則用於測試數值是否相等。字符串是否相等，使用的是eq。在這裏，表達式

$reply =~ m/^[0-9]+$/

的返回值取決於變量reply。若是其內容能匹配正則表達式m/^[0-9]+$/，則會返回真。而兩端的^$則保證其只包含數字。接下來則是兩個例子的結合。

首先，會提示用戶輸入一個值，接受這個輸入並用正則表達式去驗證：若是輸入的是數值，則計算相應的華氏溫度；不然報錯。實例以下：

print "Enter a temperature in Celsius:\n";
    $celsius = <STDIN>;     #從用戶處接受一個輸入
    chomp($celsius);        #去掉換行符
    
    if ( $celsius =~ m/^[0-9]+$/) {
        $fahrenheit = ($celsius * 9 / 5) + 32;      #計算華氏溫度
        print "$celsius C is $fahrenheit F\n";
    } else {
        print "Expecting a number, so I don't understand \"$celsius\".\n";

}

字符裏面的轉義就再也不贅述了。要注意的是，Perl中，字符串和正則表達式的區別既不明顯，也不重要，這是它和其餘語言的一大區別。運行結果以下：

Enter a temperature in Celsius:
123
123 C is 253.4 F

該版本的Perl浮點數處理的很好……那我就不黑了。

更進一步

咱們能夠拓展這個例子，使它支持小數和負數。計算部分就交給Perl吧。負數就是一個可選的負號，而小數則是可選的小數點和任意數字。因此拓展後的正則表達式是這樣的：

m/^-?[0-9]+(\.[0-9]*)?$/

如今，他就能夠匹配-1九、0.343這類的數字了，可是.9834這種數字仍是沒法匹配，因爲不是什麼大問題，咱們會留到很後面再來處理。

成功匹配的反作用

如今，咱們除了要匹配數字，還要用戶能夠輸入C和F來標識輸入的溫度類型，並進行轉換。
咱們知道，正則表達式能夠捕獲匹配文本，並在可以在正則表達式以外進行引用。而Perl則經過臨時變量$1/$2/$3指向分組內的子表達式匹配的文本。
總之，匹配過程當中，使用/1來匹配的文本；而在匹配事後，用$1指向匹配的文本。爲此，咱們須要修改表達式。首先，忽略並去掉小數部分的匹配，以突出新特色。

m/^([-+]?[0-9]+)([CF])$/

在這個表達式中，使用括號圍住了「有價值」的部分，捕捉事後，咱們能夠決定要使用它們來作什麼。如今，咱們打算實現以前提到的事情：匹配數字，還要用戶能夠輸入C和F來標識輸入的溫度類型，並進行轉換。

print "Enter a temperature in Celsius:\n";
    $input = <STDIN>;     #從用戶處接受一個輸入
    chomp($input);        #去掉換行符
    
    if ( $input =~ m/^([-+]?[0-9]+)([CF])$/) {
        #程序運行到這裏就已經匹配好了。$1保存數字，$2保存符號。
        $InputNum = $1;
        $type = $2;
        
        if ($type eq "C") {
            #輸入爲攝氏溫度，計算華氏溫度
            $celsius = $InputNum;
            $fahrenheit = ($celsius * 9 / 5) + 32;
        } else {
            #不然，應該是"F"，那就計算攝氏溫度。
            $fahrenheit = $InputNum;
            $celsius = ($fahrenheit - 32) *5 /9;
        }
        #如今獲得兩個溫度值，顯示結果，並使用格式化字符串。
        printf "%.2f C is %.2f F.\n", $celsius, $fahrenheit ;
    } else{
        #若是一開始沒有匹配，則報錯。
        print "Expecting a number followed by \"C\" or \"F\",\n";
        print "So I don't understand \"$input\".\n";
    }

結果以下：

PS E:\LearnPerl> perl -w .\REdigits1.pl
Enter a temperature in Celsius:
22F
-5.56 C is 22.00 F.
PS E:\LearnPerl> perl -w .\REdigits1.pl
Enter a temperature in Celsius:
39C
39.00 C is 102.20 F.
PS E:\LearnPerl> perl -w .\REdigits1.pl
Enter a temperature in Celsius:
oops
Expecting a number followed by "C" or "F",
So I don't understand "oops".

但這裏離成功還有必定距離，好比：

• 沒法接受浮點數

• 不能允許小寫的c和f

• 不能接受數字和字母之間的空格

爲了遇上這些距離，咱們還有幾件事情要作。首先，咱們向正則表達式添加小數部分的匹配。修改以下：
m/^([-+]?[0-9]+(\.[0-9]*)?)([CF])$/
這裏，我在小數部分添加了一個括號。括號自己雖然沒有被咱們使用，可是確實影響了引用捕獲文本的變量。如今，結果變成了下面這樣：

Enter a temperature in Celsius:
11.2F
type is .2
InputNum is 11.2

能夠明顯的看到，$1匹配的整個數字，也就是外圍的第一個括號分組([-+]?[0-9]+(\.[0-9]*)?)；而$2則匹配第一個括號分組嵌套的(\.[0-9]*)；$3則是原來的變量$2。這樣就能夠明白，分組的序號由分組的開括號(在 表達式中的順序有關（從左到右）。
咱們如今能夠將$type變量的賦值改成$3，或者，使用非捕獲型括號。

可使用(?:...)來表示只分組，不捕獲。這樣，一是不會影響捕獲計數，二是能夠提升匹配效率，三是讓代碼更加清晰。可是，若是是隻使用一次的正則，能夠考慮棄之不用。

如今，咱們能夠來處理空格了。咱們可使用·*來表示。再度修改以下：
m/^([-+]?[0-9]+(?:\.[0-9]*)?) *([CF])$/
有人注意到哪裏修改了嗎？嗯……這樣確實很難注意到這邊有一個空格。與此同時，若是輸入的是製表符（天知道爲何會輸入進來），那就匹配不到了。因此，咱們可使用元字符\s來匹配空白字符，三度修改以下：
m/^([-+]?[0-9]+(?:\.[0-9]*)?)\s*([CF])$/
好了，如今只剩下小寫字母的問題了。咱們可使用一個修飾符（modifier）。
結果變成這樣：m/^([-+]?[0-9]+(?:\.[0-9]*)?)\s*([CF])$/i`這個修飾符只是Perl中的用法，其餘語言有不一樣的實現方式，如Python使用的在編譯的時候指定。
如今，大功告成，來測試一下：

Enter a temperature in Celsius:
33.98 c
1.10 C is 33.98 F.

結果不盡如人意……嗯，再修改一下便可。
最終版本就是這樣子的：

print "Enter a temperature in Celsius:\n";
    $input = <STDIN>;     #從用戶處接受一個輸入
    chomp($input);        #去掉換行符
    
    if ( $input =~ m/^([-+]?[0-9]+(?:\.[0-9]*)?)\s*([CF])$/i) {
        #程序運行到這裏就已經匹配好了。$1保存數字，$2保存符號。
        $InputNum = $1;
        $type = $2;
        
        if ($type =~ m/c/i) {
            #輸入爲攝氏溫度，計算華氏溫度
            $celsius = $InputNum;
            $fahrenheit = ($celsius * 9 / 5) + 32;
        } else {
            #不然，應該是"F"，那就計算攝氏溫度。
            $fahrenheit = $InputNum;
            $celsius = ($fahrenheit - 32) *5 /9;
        }
        #如今獲得兩個溫度值，顯式結果。
        printf "%.2f C is %.2f F.\n", $celsius, $fahrenheit ;
    } else{
        #若是一開始沒有匹配，則報錯。
        print "Expecting a number followed by \"C\" or \"F\",\n";
        print "So I don't understand \"$input\".\n";
    }

---

到這裏就先休息下吧。順便來道題目思考思考：

(·*|\t*)和[·\t]*之間在匹配的結果有什麼差異？