Perl處理數據(一)：s替換、split和join

s替換

m//模式用來匹配文本，也就是說用來找數據。而s///用來查找並替換文本，因此能夠用來處理文本文件。在有了正則的基礎以後，s///用起來會簡單不少。

用法格式爲：

$str =~ s/reg/replacement/FLAGS;

它表示用reg去搜索$str中的內容，並將搜索出來的內容替換爲replacement。

1.s///的斜線能夠替換爲其餘對稱的符號(括號類)或相同的符號。

例如s!!!、s###、s%%%、s()()、s{}{}、s<><>、s[][]等，還能夠混用符號，例如s{}##、s{}()等。

$str = "ma xiaofang or ma longshuai";

$str =~ s/ma/gao/g;

print "$str\n";

第二句直接會替換掉原來的$str。

2.s//替換的返回值是替換成功的次數(數量)。

例如上面使用全局替換修飾符g，使得替換了兩個"ma"，返回值爲2，若是去掉全局替換修飾符，則只替換第一個"ma"，返回值爲1。

因此，經過s///返回值能夠看成布爾值來作判斷：沒有替換成功，將返回0，若是替換成功，則返回值至少爲1。

$str ="ma xiaofang or ma longshuai";
print "substituted" if $str =~ s/ma/gao/;

3.還有一種操做符$str !~ s///，它的用法和=~是相同的，只不過它轉換了布爾邏輯：替換成功時返回false，替換失敗時返回1。

4.因爲分組後會當即將分組捕獲的結果保存到特殊變量\1和$1中，因此在replacement部分可使用這些變量。

$str = "gao xiaofang or ma longshuai";

$str =~ s/(gao)(.*)(ma)(.*)/\3$2\1$4/;   # \1和$1均可以在replacement中使用

print "$str\n";      # 輸出ma xiaofang or gao longshuai

修飾符

除了全局修飾符g外，m//可用的修飾符在s///中基本均可用，最經常使用的修飾符仍是gimsx。此外，s///還有本身的修飾符r和e，稍後解釋。

$str = "Gao xiaofang or Ma longshuai";
$str =~ s/(gao).* or (ma).*/$2 xiaofang or $1 longshuai/ig;
print "$str\n";

再例如，壓縮空白：

s/(\s)+/\1/g;   # 將多個空白縮減成一個
s/^\s+//;       # 去除行首空白
s/\s+$//;       # 去除行尾空白
s/^\s+|\s+$//;  # 去除行首空白和行尾空白

r修飾符

本來s///的返回值是替換成功的次數，使用r修飾符，可讓這個替換操做返回替換後的字符串。幾個注意點：

1. r修飾符其實是在替換前先拷貝一份待替換數據，而後在副本上進行替換，因此原始數據不會有任何改變
   
2. r修飾符其實是返回拷貝後的數據，若是替換成功，則返回替換後的字符串，若是替換失敗，則直接返回這個副本
   
3. r修飾符的替換返回結果必定是純文本字符串，即便它操做的是一個對象

$str = "ma xiaofang or ma longshuai";

print  $str =~ s/Ma/gao/igr,"\n";   # 輸出替換後的內容
print "$str\n";                     # 原始內容不變
$copy = $str =~ s/Ma/gao/igr,"\n";  # 替換後的內容賦值給新的變量
print "$copy\n";                    # 輸出替換後的內容

若是不使用r修飾符，想要將替換的內容輸出，只能先將其保存到一個新的變量中，而後輸出這個變量：

$str = "ma xiaofang or ma longshuai";

($copy = $str) =~ s/Ma/gao/ig;
print "$str\n";        # 原始數據不變
print "$copy\n";       # 替換後的數據

若是上面省略了括號，那麼表示$str被替換，且將成功替換的次數返回給$copy。

#!/usr/bin/perl
$str = "ma xiaofang or ma longshuai";

$copy = $str =~ s/Ma/gao/ig;
print "$str\n";        # 輸出gao xiaofang or gao longshuai
print "$copy\n";       # 輸出2

r修飾符在map函數中很是好用，它能夠替換一個列表中的某些元素。

例如，下面的map將@list中首字母大寫的單詞替換爲小寫。須要注意的是這裏使用了{}。

@list = qw(Ma longshuai Gao xiaofang);
@new_list = map {s/([A-Z])([a-z]+)/\L\1\E\2/rg} @list;
print "@new_list\n";

e修飾符

e是一個超神的修飾符，它可讓replacement部分看成一個後執行的表達式。

$str="ma longshuai or ma xiaofang";
$str =~ s/ma/$& x 2/eg;
print $str,"\n";

執行上面的程序，它將輸出"mama longshuai or mama xiaofang"

上面的過程大體爲：搜索字符串"ma"，而後將其保存到特殊變量$&中，在replacement部分，將其重複一次，因此獲得"mama"。

甚至，能夠用sprintf直接格式化輸出替換後的內容。

split函數

split函數用於將字符串分割爲一個列表(因此在標量上下文返回的是列表的大小)。

split用法以下：

split /pattern_sep/,$string,limit

其中pattern_sep用於指定分隔符，容許使用正則表達式(通常都是很簡單的正則)，且能夠指定多個分隔符。limit表示最多分割爲幾個元素，若是指定爲1(默認)，則表示儘量多地分隔。，

例如，用split分割字符串abc:def::1234:xyz，分隔符指定爲:

$str="abc:def::1234:xyz";
@list = split /:/,$str;
print "list: [@list]\n";
print "list_size: ",scalar(@list),"\n";

上面的字符串分割後將有5個元素：abc,def,空,1234,xyz。

能夠加上一個limit參數，限制最多分隔爲多少個元素，例如上面指定limit=2，表示只分隔一次：

$str="abc:def::1234:xyz";
@list = split /:/,$str,2;   # 返回"abc","def::1234:xyz"兩個元素

split在分割字符串的時候，若是分割後字符串首部會出現空字串，split會保留這些空元素，但若是是尾部空字串，則捨棄。

例如：

$str=":::abc:def:1234:xyz::::";
@new_list=join(".",split /:/,$str);
print "@new_list\n";       # 輸出：...abc.def.1234.xyz

上面使用了join函數，指定了用"."將split後列表中的各元素鏈接起來。

split能夠指定多個分隔符，且可使用正則表達式來表示。

例如：

$str="abc:def::12:xyz";
@list = split /::/,$str);  # 返回："abc:def","12:xyz"
@list = split /[:]+/,$str);  # 返回："abc","def","12","xyz"
@list = split /[:0-9]/,$str);  # 返回："abc","def","","","","","xyz"

若是不設置分隔符，那麼將認爲全部的空白(包括行首空白)都是分隔符，且會將連續的多個空白(即便是多個連續的空行)自動壓縮看成一個分隔符，但同時它必須也省略第二個字符串參數。也就是說，這時只能對$_進行處理。若是省略了分隔符，卻設置了待處理的字符串參數，則返回空。

$_="abc 123   xyz\tmn\t\tdef\n\nABC";
@arr=split;
print "@arr";   #輸出：abc 123 xyz mn def ABC

對省略分隔符作個總結：只要是空白，不管是否在行首，不管是不是換行符，全部連續空白都會被看成單個分隔符。

因此它有點相似於split /\s+/,$str的行爲，只不過指定了分隔符的話就會保留行首一個空白。

還能夠指定空分隔符，它會將字符串中的每一個字符都分隔。

$str="abcdef";
print join(",",split //,$str);   # 輸出a,b,c,d,e,f

通常來講，分隔符的正則都很簡單，若是須要寫複雜的模式，請避免在分隔符正則中使用用於分組的括號，由於括號會被看成分隔符。若是想要使用括號，則可使用非捕獲分組(?:)的形式。

join函數

join函數用於將列表中各個元素用給定字符鏈接起來，和split的行爲有點相反。它返回一個列表。

join用法以下：

join $sep,$list

其中$sep只能是字符串，這一點和split不同。

例如：

print join "-",a,b,c,d,efg;   # 輸出："a-b-c-d-efg"

能夠將split後的結果用join換一個分隔符鏈接起來：

$str="abc:def::1234:xyz";
@new_list = join(",",split /:/,$str);
print "@new_list\n";          # 輸出：abc,def,,1234,xyz