专业背景：计算机科学 研究方向与兴趣: JavaEE-Web软件开发, 生物信息学, 数据挖掘与机器学习, 智能信息系统 目前工作: 基因组, 转录组, NGS高通量数据分析, 生物数据挖掘, 植物系统发育和比较进化基因组学
2010-06-13 22:21:02| 分类： perl&bioperl | 标签： |举报 |字号大中小 订阅
一定有人还记得在dos和Unix下面的这些命令：
$ls -l img1?.jpg
C:>dir *.exe
这里的星号通配符和问号通配符就是正则表达式符号，确切地说是Dos shell和Unix shell使用的正则表达式符号。Perl的正则表达式规则与这两些shell的都有所不同，但Perl的正则表达式影响最大，几乎成了业界标准，以至于近年来新建的一些计算机语言都要申明自己实现了Pcre(Perl兼容的正则表达式），要不然都不好意思出来混江湖(微软除外)。
Perl正则表达式的使用很简单(其实实现起来很难)，跟我来：
1. Perl正则表达式相关的操作符
先不说正则表达式本身，下面我们的正则表达式就用"apple". 先定义一个字符串
my $szProductType = "apple cider";
现在要检验它里面有没有字符串"apple"。
if( $szProductType =~ /apple/){
print $szProductType."\n";
}
上面的=~要看做一个符号，是Perl的正则表达式匹配操作符。这个符号匹配成功返回1，否则返回0。后面的两个/之间包括的就是正则表达式，这是就是apple。正则表达式也可以不用/符号而改用其它符号包括，鉴于海马一向厌恶这种标新立异做无用功的行为，就不说怎么操作了，偏执到不喜欢/符号的人请自己去查Perl手册吧。如果要求匹配一个字符串里面没有"apple"怎么办？当然可以这样(花括号里该写什么自己写吧，我省略啦)
unless ($szProductType =~ /apple/){ }
还可以这样
if( ! ($szProductType =~ /apple/)){}
但是，为了表示你很懂Perl, 你应该这样，这也是我最喜欢的方式（画外音：这和前面那个被批判的标新立异有啥区别，嗯？），使用不匹配操作符号!~。
if( $szProductType !~ /apple/)){}
最后，为了避免被人看穿自己很不懂Perl，看到下面的表达式的时候千万不要露怯
if( $szProductType !~ m/apple/)){}
这个m是干什么的？答案是，这个地方有m没m一样的，都是表示匹配(match)。请直接无视之。对于匹配操作符也是一样的情况。
2. Perl正则表达式语法
所谓正则表达式，就是一串特别设计过的字符串，可以按照你的意图用匹配操作寻找你要求的目标。我这里不是Perl手册，也不是教科书，所以我从例子开始，具体的完整说明还请查手册。
2.1 转义符号\
前面说过缺省情况下正则表达式要用/包起来，那么现在要寻找一个字符串里面有没有/怎么办？不是有歧义了么那个表达式。换你设计Perl语言该咋办？玩过C语言的人看到这里一定在嘿嘿笑，因为在C里面简单，要写/必须写成\/，要写\必须写成\\。说Perl在语法上是C的表弟是很不错的，Perl规定的转义符号也是\. 常用的特殊符号有回车\n, 跳格\t, 斜杠\\和\/，引号\'和\"，方括号\[和\]，圆括号\(和\)，美元号\$，上尖号\^，星号\*，点号\.，问号\?，加号\+。我都是随手写的，建议拿不定主意的话，非52个字母的符号都去查查手册吧。举例：查一个字符串里有没有美元号
my $szValue = '$6580.90';
$szValue =~ /\$/;
2.2 或操作
Perl的正则表达式缺省是区别大小写的。什么，前面早该告诉你？真可怜，又一个从Windows世界来的小孩，就和我想当然以为在美国商店应该在复活节大做生意创造GDP一样，可是人家不开门。为了串即匹配"Apple"又匹配"apple"，你可以这样：
$szProductType =~ /[Aa]pple/;
在方括号里的字母是"或"的关系，击中其中一个就可以了。在一个正则表达式中可以用任意多个方括号，但是不要嵌套。常常能见到的一种表达式
[0-9]
表示0到9这十个字母，也可以用\d来代替。\D则表示非数字字符。
[a-zA-Z]
表示52个字母。
顺便在这里把反义也讲了吧，[^0-9]代表非数字的其它字符，[^a]代表非a的其它字符。^在这里是反义的意思，但是请注意^还能做头锚用，后面会讲到。
2.3 尾缀
有人摇头不喜欢上面的解决方案――我要求真正匹配一个不区分大小写的"Apple"应该怎么办？请这样
$szProductType =~ /apple/i;
放在第二个/符号后面的尾缀i取消了一切大小写检查。
另外再说两个有用的尾缀吧，第一个是g（全局匹配），如果有字符串
my $string = "Apple juice, apple Cider, apple jeans, apple pie, apple plate, apPLe bag,…";
而用表达式$string =~ /apple/i；只会遇到第一个apple就结束。现在我们可以用尾缀g配合while循环
while( $string =~ /(apple.*?),/ig){
print "$1\n";
}
就可以找出所有带apple的词汇。注意尾缀是可以叠加使用的。上面正则表达式中的圆括号、点号和问号和$1，下面马上会讲到。
另一个有用的的尾缀是s。s会强迫点号(.)匹配换行符号(\n)，这对于多行匹配是必须的。不要小看这个技巧，我花了几个小时才找到的哦。
2.4 捕获匹配的字符串
my $szValue = '$1999.99';
if( $szValue =~ /\$([0-9]+)\.([0-9]+)/){
print "$1 dollors $2 cents \n";
}
上面表达式里的加号表示匹配一到多个前面的符号，在这里符号是数字。用圆括号括住的内容，将会依次（从左到右）出现在$1, $2, $3……里面。另外，顺便说，整个正则表达式匹配的结果是放在$&里面，上面这个表达式演算下来$&的值还是"$1999.99"。
另外，还有\1, \2形式的反向引用，使得表达式里面可以用捕获的字符串。举例：表达式 "(\w)\1{4,}" 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 时，匹配结果是：成功；匹配到的内容是 "ccccc"。再次匹配下一个时，将得到 999999999(要用while和/g来配合）。
2.5 任意符号.，和次数符号*以及+
Perl正则表达式里点号是通配任意字母的，例如
$string =~ /w.*/i;
就匹配$string里从第一个w字母开始一直到字符串结束。*表示匹配任意字母0到任意多次。*号也常被换成+号，表示匹配1到任意多次。如果即没有*也没有+，那么就是匹配1次。如果要自己定义匹配的次数或者次数上下限怎么办？用{}符号：
$string =~ /\d{5,15}/;
上面的式子匹配5到15位数字
$string =~ /\d{20}/;
上面的式子匹配20位数字。
附带说两个常用的符号，\S和\s。前者是"非空白"，后者是"空白"，具体来说包括回车、空格、跳格、响铃。
2.6贪婪的+和*，止贪剂?
Perl的正则表达式是贪婪的(确切地说，次数符号+和*是贪婪的)，可以帮助你做一些事情。
my $string = '$290098';
$string =~ /\$(\d+)/;
由于+号的贪婪性，$1会得到值"290098"，而不是遇到第一个数字2就完成匹配。
但有的时候你会不希望他贪婪，希望见好就收。还是我前面用过的一个例子
my $string = "Apple juice, apple Cider, apple jeans, apple pie, apple plate, apPLe bag,…";
如果用
$string =~ /(apple.*),/i;
由于*的贪婪性，它会一直匹配到最后一个逗号才停下来，这不是我们想要的结果。解决办法是用止贪符号?紧跟在*或者+后面。
$string =~ /(apple.*?),/i;
问号会约束*遇到第一个逗号就停下来。
2.6 头锚^和尾锚$
有时候你希望从一个字符串的开始或者结尾匹配
my $string = 'A quick brown fox jumps over a lazy snake';
$string =~ /^A/; # 匹配第一个字母是否为A
$string =~ /snake$/; # 匹配最后几个字母是否为snake
还有一个\b，匹配的是单词边界，意思是空白或者开头或者结尾。
3. 其它相关函数及注意事项
3.1 替换功能和quotemeta
有时候你不仅希望找到你想要那些字符串，还想替换掉它们。还记得前面说的匹配符后面的m符号么？现在是使用另一个，s符号(替换，subplace)的时候了。
$string =~ s/apple/apple/i;
上面表达式将$string里所有不用形式的apple统一成全小写的apple. 这里面可以用变量：
$string =~ s/$string1/$string2/i;
$string里所有匹配$string1的地方都会被替换成$string2。但是，要注意，除非你能确保$string1里面不含任何特殊符号(+-*^$.()[]等)或者你需要的就是那些符号，最好在调用上面式子之前处理一下$string1
$string1 = quotemeta($string1);
quotemeta()的作用是给字符串里的特殊符号加上合适的转义符号。注意，不需要给$string2做这个处理。
3.2 不要在while里改变字符串
还记得2.3里面的while循环么？警告：不要在while循环里改变$string的值，否则可能会陷入无限循环。如果你真得这样做，把$string复制一次，一个镜像用来循环，一个用来做替换。
3.3 study及提高性能
有很多人想了很多种办法来提高Perl正则表达式的性能，我一概记不住。如果你要处理的字符串很庞大。。。记得在对它使用正则表达式之前用官方方法对它study一下：
study($string);
http://www.chinaunix.net/jh/23/303346.html
在Windows上面，VC.NET(VC7)框架里是有正则表达式了。警告：微软的老大们并没有实现Perl兼容。例如，在 Perl 中，{,1}是{0,1}的简写，但.NET并不支持。具体看这里http://msdn2.microsoft.com/en-us/library/xbyh1eyc.aspx
参考：
评论