Perl正则表达式中字符与字符集有哪些

这篇文章将为大家详细讲解有关Perl正则表达式中字符与字符集有哪些，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

⑴元字符

元字符的元（meta）实际上是通配的意思（但与linux的通配符不是一个体系）。在Perl中，反斜杠\就是一个特殊的元字符，要想匹配元字符本身（而不是他在正则表达式里面的含义），可以在相应的元字符之前加反斜杠，例如'\.'、'\*'、'\\'就分别匹配文本中的'.'、'*'、'\'。此外元字符^匹配行首，在集合字符[]内部表示补集，元字符$则匹配行尾。

⑵模式分组与捕获

fred+    #可匹配freddddd…(fred)+    #可匹配fredfredfred…

(.)\1        #匹配一个任意字符并重复一次，也即匹配两个连续的相同字符y(….) d\1      #匹配y开头后面四个任意字符，d开头也是相同这样字符的两个单词，例如yabba dabbay(.)(.)\2\1      #匹配y开头后面两个任意字符，然后接下来是这两个字符的倒序的单词，这是匹配类似yabba的这种回文结构y((.)(.)\3\2) d\1    #嵌套结构的反向引用，这里匹配y开头和d开头具有四个字符回文结构的单词组，例如yabba dabba

(.)\g{1}11    #匹配类似于aa11这样的字符

在这种格式写法下，还可以使用相对位置进行编号：

(.)(.)\g{-1}11  #匹配类似于xaa11这样的字符

相对反向引用使用负号来指左边的捕获组，-1则为在左边最靠近引用位置的捕获组，这种写法避免了在另外加入括号之后所有编号都必须修改的窘况，更有利于程序维护。

y(?:(.)(.)\2\1) d(?:(.)(.)\4\3)    #外层括号只起到模式分组作用，可以匹配类似yabba deffe结构的词组

⑶字符集

字符集（character class）是指一组可能出现的字符，通过写在方括号[]内的表达式进行表示，字符集可以匹配包含在集合内的单个字符。例如[abcxyz]可以匹配出现在字符串中的a、b、c、x、y、z中的任一个，相连的字符中间可以使用连字符-表示范围，例如上式可以写为[a-cx-z]，如果在集合内包含连字符本身（而不是表示范围的含义）则可以使用反斜杠转义。对于ASCII字符可以使用反斜杠加八进制数字编码进行表示，例如[\000-\177]会匹配全部127个ASCII字符。在集合中开头添加脱字符^可以取补集，例如[^0-9]会匹配除数字以外的字符。对于Unicode字符集，除了可以像\x{2668}通过编码进行匹配外，还可以通过Unicode属性，例如很多字符属于空白符Space、数字Digit等，那么匹配的表达式则为\p{Space}和\p{Digit}。

字符集的出现是为了简写正则表达式，字符集也可以缩写例如\d可以代表[0-9]，\w可以代表[a-zA-Z0-9_]。但在Perl从ASCII时代迈向Unicode时代之后，字符集的缩写更加宽泛，\d除了可以匹配普通数字，还可以匹配其他语言里的各种数字写法。从Perl 5.14开始，可以在正则表达式界定符后面添加修饰符a（关于界定符和修饰符详见下一小节），则正则表达式严格按照ASCII编码进行匹配，例如/\d/a则等同于/[0-9]/。字符集缩写将小写字母改为大写字母即变为补集，例如ASCII编码下\D可以代表[^0-9]，此外很有意思的是[\d\D]将会匹配任何字符且包括换行符，这比'.'所包含的范围更广。

⑷元字符优先级

和操作符或者函数一样，正则表达式的元字符也存在优先级问题。元字符优先级规则如下所示：

①在此优先级表的最顶端是括号()，在模式分组和反向引用的时候使用，括号内部的任何部分比括号外的部分结合更紧密；

②第二级是数量词即星号(*), 加号（+），问号（？）以及由花括号表示的数量词，如{5,15}、{3, }、{5}等，它们通常和前一项元素紧密结合；

③第三级的是锚定和序列（sequence），锚定包括开头^、结尾$、词界符\b、非词界符\B，序列（一个元素紧接着一个元素）实际上是一种操作，虽然它没有使用元字符；

关于“Perl正则表达式中字符与字符集有哪些”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。