Регулярные выражения

Регулярные выражения Perl - мощный инструмент для поиска и обработки текста, в то же время позволяющий реализовать в одной строке программного кода довольно сложные операции.

В качестве примера можно привести такую задачу: нужно заменить в какой-либо строке все знаки "+" на пробелы. В воплощении на C это выглядело бы так:

void PlusToSpace(char *str) {
	register int i;
	for (i=0;str[i];i++)
		if(str[i]=='+')
			str[i]=' ';
	}

На Perl же эта задача выполняется гораздо быстрее:

$str=~tr/+/ /;

Именно это и дает Perl'у преимущество перед программами, например, на C, в применении в web-области.

Формат выражения выглядит так:

/pattern/

где pattern и представляет собой маску, состоящую из любых элеменов из этого списка:

/pattern/	Соответствие
x?	ноль или один символ 'x'
x*	ноль или больше символов 'x'
x+	один или больше символов 'x'
.*	ноль или больше любых символов
.+	один или больше любых символов
{m}	M символов
[]	символы, заключенные в []
[^]	символы, кроме заключенных в []
[0-9]	любая цифра от '0' до '9'
[a-z]	любая буква от 'a' до 'z'
[^0-9]	любой символ, не находящийся между '0' и '9'
[^a-z]	любой символ, не находящийся между 'a' и 'z'
/^.../	первый символ в строке
/...$/	последний символ в строке
\d	одна цифра, то же, что и [0-9]
\d+	одна или больше цифр, то же, что и [0-9]+
\D	одна не-цифра, то же, что и [0-9]
\D+	одна или больше не-цифр, то же, что и [0-9]+
\w	один alphanumeric символ (латинская буква или цифра), то же, что и [a-zA-Z0-9]
\w+	один или больше alphanumeric-символов, то же, что и [a-zA-Z0-9]+
\W	один не-alphanumeric символ, то же что и [^a-zA-Z0-9]
\W+	один или больше не-alphanumeric символ, то же что и [^a-zA-Z0-9]+
\s	один space символ (пробел, табуляция, новая строка), то же что и [\n\t\r\f]
\s+	один или больше space символов, то же что и [\n\t\r\f]
\S	один не-space символ, то же что и [^\n\t\r\f]
\S+	один или больше не-space символов, то же что и [^\n\t\r\f]+
a\|b\|c	'a' или 'b' или 'c'
abc	подстрока "abc"
(pattern)	() запоминает группу символов, присваивая их переменным $1, $2 и т.д. См. примеры.
/pattern/i	игнорировать регистр букв

Это, конечно, не понять с первого раза, поэтому вот примеры:

Пример	Описание
$str=~/perl/;	проверяет, есть ли в строке $str подстрока "perl"
$str=~/^perl/;	проверяет, начинается ли строка с подстроки "perl"
$str=~/perl$/;	проверяет, заканчивается ли строка на подстроку "perl"
$str=~/c\|g\|i/;	проверяет, содержит ли строка символ 'c' или 'g' или 'i'
$str=~/cg{2,4}i/;	проверяет, содержит ли строка символ 'c', следующие сразу за ним 2-4 символа 'g', за которыми следует символ 'i'
$str=~/cg*i/;	проверяет, содержит ли строка символ 'c', слудующие за ним 0 или больше символа 'g', за которыми следует символ 'i'
$str=~/c..i/;	проверяет, содержит ли строка символ 'c', и символ 'i', разделенные двумя любыми буквами
$str=~/[cgi]/;	проверяет, содержит ли строка один из символов 'c', 'g' или 'i'
$str=~/\d/;	проверяет, содержит ли строка цифру
$str=~/\W/;	проверяет, содержит ли строка символы, не являющиеся буквами латинского алфавита и цифрами

Использование regular expressions

=~ (проверка соответствия строки маске)

Этот оператор выполняет функцию, схожую c функцией оператора ==, сравнивая переменную, содержащую строку с маской.

Пример 1:

	$string="I love cgi";
	if($string=~/cgi/) {
		print "верно";
		}

Пример 2:

	$string="chmod 755 test.cgi";
	if($string=~/[a-z]+\s\d+\s.*/) {
		print "верно";
		}

#     'chmod' -- [a-z]+   - 1 или больше букв
#         ' ' -- \s       - 1 пробел
#       '755' -- \d+      - 1 или больше цифр
#         ' ' -- \s       - 1 пробел
#  'test.cgi' -- .*       - дальше идут любые символы

Пример 3: проверка, e-mail адреса

	$string="billgates@microsoft.com";
	if($string=~/\w+\@\w+\.\w+/) {
		print "верно";
		}

# 'billgates' -- \w+      - 1 или больше букв/цифр
#         '@' -- \@       - символ @
# 'microsoft' -- \w+      - 1 или больше букв/цифр
#         '.' -- \.       - символ .
#       'com' -- \w+      - 1 или больше букв/цифр

!~ (проверка несоответствия строки маске)

Этот оператор является обратным оператору =~ (так же как != явл обратным по отношению к ==).

tr (перевод)

Аргументами этой функции эвляются две маски с одинаковым количеством элементов.

$string=tr/SEARCHLIST/REPLACELIST/;

А занимается она тем, что заменяет элемент из SEARCHLIST соответствующим элементом из REPLACELIST.

Пример 1:

	$string="testing";
	$string=~tr/et/ET;      # Сейчас $string="TEsTing";
	$string=~tr/a-z/A-Z/;   # А сейчас $string="TESTING";

Пример 2:

	$string="I+like+CGI";
	$string~tr/+/ /;        # Сейчас $string="I Like CGI"

s (замена)

Эта функция заменяет часть строки, соответствующую PATTERN на REPLACE.

$string=s/PATTERN/REPLACE/eg;

Где 'e' и 'g' - необязательные параметры:

g - заменяет все встречающиеся части строка, соответствующие PATTERN. Если этот параметр опущен - заменяет только первое соответствие.
e - означает что REPALCE является выражением, а не просто строкой (в REPLACE содержатся переменные)

Пример 1:

	$string="i:love:perl";
	$string=~s/:/*/;      # now $string="i*love:perl"
	$string=~s/:/*/;      # now $string="i*love*perl"
	$string=~s/*/+/g;     # now $string="i+love+perl"
	$string=~s/+/ /g;     # now $string="i love perl"
	$string=~s/perl/cgi/; # now $string="i love cgi"

Пример 2:

	$string="i love perl";
	$string=~s/(love)/<$1>/;   # теперь $string="i  perl"

# Сдесь первое найденное слово "love"
# присваевается переменной $1

Пример 3:

	$string="www22cgi44";
	$string=~s/(\d+)/$1*3/eg;   #сейчас $string="www66cgi132";
# Параметр 'e' показывает
# что $1*2 - вычисление, а не просто строка

/pattern/

Работу этой функции поясняют примеры:

Пример 1

  $string="chmod 711 cgi";
  $string=~/(\w+)\s+(\d+)/;

(\w+) соответствует любому количуству букв. Соотвествие, найденное в строке будет присвоено переменной $1.
\s+ соответствует любому количуству пробелов.
(\d+) соответствует любому количуству цифр. Соотвествие, найденное в строке будет присвоено переменной $2.

Теперь $1="chmod", $2="711"

Пример 2:

	$string="chmod 711 cgi";
	@list=split(/\s+/,$string); # разбить строку $string,
	                            # используя пробелы
	                            # в качестве разделителей

Получим массив:

  @list=("chmod","711","cgi");