主頁 > 知識庫 > 強大的Perl正則表達式實例詳解

強大的Perl正則表達式實例詳解

一、介紹

正則表達式各語言都有自己的規(guī)范，但是基本都差不多，都是由元字符的組合來進行匹配；由于Nmap內(nèi)嵌的服務(wù)與版本探測是使用的Perl正則規(guī)范，因此此篇博客記錄一下Perl正則的相關(guān)內(nèi)容，方便后期查閱。

二、Perl正則例子

下面的例子可能有不足之處，有些來源于博客，沒有驗證；

1. 匹配IP地址：\d+\.\d+\.\d+\.\d+

\d:匹配一個數(shù)字字符,\d+:匹配一次或多次數(shù)字字符。

\.:使用轉(zhuǎn)義字符匹配'.'。

2. 匹配郵箱類似于123456@qq.com： /^[a-zA-Z0-9_\-.]+@[a-zA-Z0-9_\-]+.[a-zA-Z]+$/

　　　　　　　　^: 匹配開頭

　　　　　　　　$: 匹配結(jié)尾，這兩個保證了這是連續(xù)的一串字符。

3. 匹配數(shù)字：m/^[0-9]+$/

　　　　　　　由^開頭由$結(jié)尾保證了只含有數(shù)字，如果只有結(jié)尾$,那么abc12這種也是可以的。

　　　　　　　可用在輸入校驗，校驗輸入的是否是數(shù)字。

4. 用戶輸入溫度（華氏溫度，攝氏溫度），編程進行轉(zhuǎn)換

　　　　m/^([-+]?[0-9]+)([CF])$/ ：匹配正負整數(shù)溫度。

　　　　　　　　[CF]: 匹配中括號其中的一個

　　　　　　　　?：匹配前面的子表達式0次或1次

　　　　　　　　+：匹配前面的子表達式一次或多次

　　　　　　　　perl通過臨時變量$1,$2保存子表達式匹配的文本。$1保存的是數(shù)字，$2保存的是符號。

　　　　m/^([-+]?[0-9]+(?:\.[0-9]*)?)\s*([CF])$/i) ：添加支持小數(shù)的溫度匹配

　　　　　　　　臨時變量保存的順序與分組的開括號 ( 在表達式中的順序有關(guān)(從左到右）；因此這個地方使用?:，代表該括號匹配的值不被臨時變量保存。

　　　　　　　　/i: 代表忽略大小寫匹配，cf也匹配。

　　　　參考地址：https://segmentfault.com/a/1190000004375773（精通正則表達式（第三版））　　

5. 匹配空白行

　　^$ : 開頭之后馬上結(jié)束：空白行，不包括任何字符

　　\n\s*\r ：

　　　　 \n匹配一個換行符，等價于\x0a
　　　　 \s匹配任何空白字符，包括空格制表換頁
　　　　 \r匹配一個回車符，等價于\x0d

6. 匹配首尾空白字符： ^\s*|\s*$

7. 匹配版本號1.3.0等

　　[\d.]+

8. 匹配某個字符以外的所有字符：

　　[^a]* 表示匹配除a以外的所有字符，*代表0次或多次。

　　[^abc]* 表示匹配除a、b、c以外的所有字符。

　　((?!win).)* 表示匹配除單詞win的其它所有字符

　　Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配

　　　　　　　　　　"Windows 2000" 中的 "Windows"。

9. 匹配數(shù)字：

　　^\d+(\.\d+)?

　　　　^: 定義以什么開始；
　　　　\d+: 表示匹配數(shù)字；
　　　　?: 表示內(nèi)容可選；

匹配下面的內(nèi)容：

　　1）： {"service":"nutcracker", "source":"ubuntu", "version":"0.3.0",

　　m|^\{"service":"nutcracker", "source":"([^"]+)", "version":"([\d.]+)",|

　　2）：220 yzwb.net ESMTP MDaemon 10.1.2;

　　　　 m|^220[ -]([-.\w]+) ESMTP MDaemon (\d[-.\w]+);

　　3）：AMQP\x01\x01\x00\n

　　　　 m|^AMQP\x01\x01\x00\x0a$|:注意回車鍵\n對應(yīng)16進制\x0a,\r對應(yīng)\x0d.

　　Nmap nmap-services-probe文件給出的匹配

三、正則元字符

元字符是正則表達式組成的基本元素。

字符	描述
\	將下一個字符標記為一個特殊字符、或一個原義字符、或一個后向引用、或一個八進制轉(zhuǎn)義符。例如，'n' 匹配字符 "n"。'\n' 匹配一個換行符。序列 '\\' 匹配 "\" 而 "\(" 則匹配 "("。
^	匹配輸入字符串的開始位置。如果設(shè)置了 RegExp 對象的 Multiline 屬性，^ 也匹配 '\n' 或 '\r' 之后的位置。
$	匹配輸入字符串的結(jié)束位置。如果設(shè)置了RegExp 對象的 Multiline 屬性，$ 也匹配 '\n' 或 '\r' 之前的位置。
*	匹配前面的子表達式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等價于{0,}。
+	匹配前面的子表達式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價于 {1,}。
?	匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等價于 {0,1}。
{n}	n 是一個非負整數(shù)。匹配確定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的兩個 o。
{n,}	n 是一個非負整數(shù)。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等價于 'o+'。'o{0,}' 則等價于 'o*'。
{n,m}	m 和 n 均為非負整數(shù)，其中n = m。最少匹配 n 次且最多匹配 m 次。劉， "o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價于 'o?'。請注意在逗號和兩個數(shù)之間不能有空格。
?	當(dāng)該字符緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對于字符串 "oooo"，'o+?' 將匹配單個 "o"，而 'o+' 將匹配所有 'o'。
.	匹配除 "\n" 之外的任何單個字符。要匹配包括 '\n' 在內(nèi)的任何字符，請使用象 '[.\n]' 的模式。
(pattern)	匹配pattern 并獲取這一匹配。所獲取的匹配可以從產(chǎn)生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在Visual Basic Scripting Edition 中則使用 $0…$9 屬性。要匹配圓括號字符，請使用 '′或′'。
(?:pattern)	匹配 pattern 但不獲取匹配結(jié)果，也就是說這是一個非獲取匹配，不進行存儲供以后使用。這在使用 "或" 字符 (\|) 來組合一個模式的各個部分是很有用。例如， 'industr(?:y\|ies) 就是一個比 'industry\|industries' 更簡略的表達式。
(?=pattern)	正向預(yù)查，在任何匹配 pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如， 'Windows (?=95\|98\|NT\|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。預(yù)查不消耗字符，也就是說，在一個匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預(yù)查的字符之后開始。
(?!pattern)	負向預(yù)查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如'Windows (?!95\|98\|NT\|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。預(yù)查不消耗字符，也就是說，在一個匹配發(fā)生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預(yù)查的字符之后開始
x\|y	匹配 x 或 y。例如，'z\|food' 能匹配 "z" 或 "food"。'(z\|f)ood' 則匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一個字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]	負值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。
[a-z]	字符范圍。匹配指定范圍內(nèi)的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范圍內(nèi)的任意小寫字母字符。
[^a-z]	負值字符范圍。匹配任何不在指定范圍內(nèi)的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范圍內(nèi)的任意字符。
\b	匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\cx	匹配由x指明的控制字符。例如， \cM 匹配一個 Control-M 或回車符。 x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 'c' 字符。
\d	匹配一個數(shù)字字符。等價于 [0-9]。
\D	匹配一個非數(shù)字字符。等價于 [^0-9]。
\f	匹配一個換頁符。等價于 \x0c 和 \cL。
\n	匹配一個換行符。等價于 \x0a 和 \cJ。
\r	匹配一個回車符。等價于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。
\t	匹配一個制表符。等價于 \x09 和 \cI。
\v	匹配一個垂直制表符。等價于 \x0b 和 \cK。
\w	匹配包括下劃線的任何單詞字符。等價于'[A-Za-z0-9_]'。
\W	匹配任何非單詞字符。等價于 '[^A-Za-z0-9_]'。
\xn	匹配 n，其中 n 為十六進制轉(zhuǎn)義值。十六進制轉(zhuǎn)義值必須為確定的兩個數(shù)字長。例如， '\x41' 匹配 "A"。'\x041' 則等價于 '\x04' "1"。正則表達式中可以使用 ASCII 編碼。.
\num	匹配 num，其中 num 是一個正整數(shù)。對所獲取的匹配的引用。例如，'(.)\1' 匹配兩個連續(xù)的相同字符。
\n	標識一個八進制轉(zhuǎn)義值或一個后向引用。如果 \n 之前至少 n 個獲取的子表達式，則 n 為后向引用。否則，如果 n 為八進制數(shù)字 (0-7)，則 n 為一個八進制轉(zhuǎn)義值。
\nm	標識一個八進制轉(zhuǎn)義值或一個后向引用。如果 \nm 之前至少有is preceded by at least nm 個獲取得子表達式，則 nm 為后向引用。如果 \nm 之前至少有 n 個獲取，則 n 為一個后跟文字 m 的后向引用。如果前面的條件都不滿足，若 n 和 m 均為八進制數(shù)字 (0-7)，則 \nm 將匹配八進制轉(zhuǎn)義值 nm。
\nml	如果 n 為八進制數(shù)字 (0-3)，且 m 和 l 均為八進制數(shù)字 (0-7)，則匹配八進制轉(zhuǎn)義值 nml。
\un	匹配 n，其中 n 是一個用四個十六進制數(shù)字表示的 Unicode 字符。例如， \u00A9 匹配版權(quán)符號 (?)。

利用上述元字符，可以組合出所有想要的匹配模式。下面介紹幾個常用的正則表達式.

匹配中文字符的正則表達式： [\u4e00-\u9fa5]

評注：匹配中文還真是個頭疼的事，有了這個表達式就好辦了

匹配雙字節(jié)字符(包括漢字在內(nèi))： [^\x00-\xff]

評注：可以用來計算字符串的長度（一個雙字節(jié)字符長度計2，ASCII字符計1）

匹配空白行的正則表達式：\n\s*\r

評注：可以用來刪除空白行

匹配HTML標記的正則表達式： (\S*?)[^>]*>.*?/\1>|.*? />

評注：網(wǎng)上流傳的版本太糟糕，上面這個也僅僅能匹配部分，對于復(fù)雜的嵌套標記依舊無能為力

匹配首尾空白字符的正則表達式： ^\s*|\s*$

評注：可以用來刪除行首行尾的空白字符(包括空格、制表符、換頁符等等)，非常有用的表達式

匹配Email地址的正則表達式： \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

評注：表單驗證時很實用

匹配網(wǎng)址URL的正則表達式： [a-zA-z]+://[^\s]*

評注：網(wǎng)上流傳的版本功能很有限，上面這個基本可以滿足需求

匹配帳號是否合法(字母開頭，允許5-16字節(jié)，允許字母數(shù)字下劃線)： ^[a-zA-Z][a-zA-Z0-9_]{4,15}$

評注：表單驗證時很實用

匹配國內(nèi)電話號碼： \d{3}-\d{8}|\d{4}-\d{7}

評注：匹配形式如 0511-4405222 或 021-87888822

匹配騰訊QQ號： [1-9][0-9]{4,}

評注：騰訊QQ號從10000開始

匹配中國郵政編碼： [1-9]\d{5}(?!\d)

評注：中國郵政編碼為6位數(shù)字

匹配身份證： \d{15}|\d{18}

評注：中國的身份證為15位或18位

匹配ip地址： \d+\.\d+\.\d+\.\d+

評注：提取ip地址時有用

匹配特定數(shù)字：

^[1-9]\d*$　 　 //匹配正整數(shù)

^-[1-9]\d*$ 　 //匹配負整數(shù)

^-?[1-9]\d*$　　 //匹配整數(shù)

^[1-9]\d*|0$　 //匹配非負整數(shù)（正整數(shù) + 0）

^-[1-9]\d*|0$　　 //匹配非正整數(shù)（負整數(shù) + 0）

^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮點數(shù)

^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配負浮點數(shù)

^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮點數(shù)

^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非負浮點數(shù)（正浮點數(shù) + 0）

^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮點數(shù)（負浮點數(shù) + 0）

評注：處理大量數(shù)據(jù)時有用，具體應(yīng)用時注意修正

匹配特定字符串：

^[A-Za-z]+$　　//匹配由26個英文字母組成的字符串

^[A-Z]+$　　//匹配由26個英文字母的大寫組成的字符串

^[a-z]+$　　//匹配由26個英文字母的小寫組成的字符串

^[A-Za-z0-9]+$　　//匹配由數(shù)字和26個英文字母組成的字符串

^\w+$　　//匹配由數(shù)字、26個英文字母或者下劃線組成的字符串

四、總結(jié)

　　1）不同的場景、不同的語言，正則會有些許差別，只要掌握住基本的元字符以及相應(yīng)的語言特性，真正用的時候花10幾分鐘時間熟悉一兩個例子就能上手。

　　2）Perl正則是目前最優(yōu)的，包括特性，建議讀者學(xué)一學(xué)，這對處理數(shù)據(jù)有很大的好處。

　　3）在我理解，我們?nèi)绻皇窍脒_到我們抽取數(shù)據(jù)的目的，正則匹配的原理沒有必要搞懂，會用就行。

好了，以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

您可能感興趣的文章:

Perl5和Perl6對比使用Sigils的差別
Perl6中的垃圾收集
Perl中的符號 ->;、=>; 和 :: 分別表示什么意思？
Perl中常見符號與操作
Perl學(xué)習(xí)教程之單行命令詳解
Perl時間處理函數(shù)用法介紹
Perl字符串處理函數(shù)大全
詳解linux下批量替換文件內(nèi)容的三種方法(perl,sed,shell)
Perl與JS的對比分析(數(shù)組、哈希)
使用Perl生成隨機密碼
ASP.NET中HyperLink超鏈接控件的使用方法
將Perl5代碼遷移到Perl6上的解決方案

標簽：安康喀什崇左山西海南濟南長沙山西

巨人網(wǎng)絡(luò)通訊聲明：本文標題《強大的Perl正則表達式實例詳解》，本文關(guān)鍵詞；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。