强大的Perl正则表达式实例详解(perl正则表达)

编辑：rootadmin

推荐整理分享强大的Perl正则表达式实例详解(perl正则表达)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:正则split,perl 正则忽略大小写,perl 正则忽略大小写,perl正则表达式匹配 \w \s,presto 正则,perl正则表达式匹配 \w \s,perl正则表达,perl正则表达,内容如对您有帮助，希望把文章链接给更多的朋友！

一、介绍

正则表达式各语言都有自己的规范，但是基本都差不多，都是由元字符的组合来进行匹配；由于Nmap内嵌的服务与版本探测是使用的Perl正则规范，因此此篇博客记录一下Perl正则的相关内容，方便后期查阅。

二、Perl正则例子

下面的例子可能有不足之处，有些来源于博客，没有验证；

1. 匹配IP地址：d+.d+.d+.d+

d:匹配一个数字字符,d+:匹配一次或多次数字字符。

.:使用转义字符匹配'.'。

2. 匹配邮箱类似于@qq.com： /^[a-zA-Z0-9_-.]+@[a-zA-Z0-9_-]+.[a-zA-Z]+$/

　　　　　　　　^: 匹配开头

　　　　　　　　$: 匹配结尾，这两个保证了这是连续的一串字符。

3. 匹配数字：m/^[0-9]+$/

　　　　　　　由^开头由$结尾保证了只含有数字，如果只有结尾$,那么abc这种也是可以的。

　　　　　　　可用在输入校验，校验输入的是否是数字。

4. 用户输入温度（华氏温度，摄氏温度），编程进行转换

　　　　m/^([-+]&#;[0-9]+)([CF])$/ ：匹配正负整数温度。

　　　　　　　　[CF]: 匹配中括号其中的一个

　　　　　　　　&#;：匹配前面的子表达式0次或1次

　　　　　　　　+：匹配前面的子表达式一次或多次

　　　　　　　　perl通过临时变量$1,$2保存子表达式匹配的文本。$1保存的是数字，$2保存的是符号。

　　　　m/^([-+]&#;[0-9]+(&#;:.[0-9]*)&#;)s*([CF])$/i) ：添加支持小数的温度匹配

　　　　　　　　临时变量保存的顺序与分组的开括号 ( 在表达式中的顺序有关(从左到右）；因此这个地方使用&#;:，代表该括号匹配的值不被临时变量保存。

　　　　　　　　/i: 代表忽略大小写匹配，cf也匹配。

　　　　参考地址：　　

5. 匹配空白行

　　^$ : 开头之后马上结束：空白行，不包括任何字符

　　ns*r ：

　　　　 n匹配一个换行符，等价于x0a　　　　 s匹配任何空白字符，包括空格制表换页　　　　 r匹配一个回车符，等价于x0d

6. 匹配首尾空白字符： ^s*|s*$

7. 匹配版本号1.3.0等

　　[d.]+

8. 匹配某个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).)* 表示匹配除单词win的其它所有字符

　　Windows (&#;!||NT|)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配

　　　　　　　　　　"Windows " 中的 "Windows"。

9. 匹配数字：

　　^d+(.d+)&#;

　　　　^: 定义以什么开始；　　　　d+: 表示匹配数字；　　　　&#;: 表示内容可选；

匹配下面的内容：

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

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

　　2）： yzwb.net ESMTP MDaemon .1.2;

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

　　3）：AMQPxxxn

　　　　 m|^AMQPxxxx0a$|:注意回车键n对应进制x0a,r对应x0d.

　　Nmap nmap-services-probe文件给出的匹配

三、正则元字符

元字符是正则表达式组成的基本元素。

字符描述将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'n' 匹配一个换行符。序列 '\' 匹配 "" 而 "(" 则匹配 "("。 ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 'n' 或 'r' 之后的位置。 $ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 'n' 或 'r' 之前的位置。 * 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等价于{0,}。 + 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 &#; 匹配前面的子表达式零次或一次。例如，"do(es)&#;" 可以匹配 "do" 或 "does" 中的"do" 。&#; 等价于 {0,1}。 {n} n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 {n,} n 是一个非负整数。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,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 {n,m} m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。刘， "o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o&#;'。请注意在逗号和两个数之间不能有空格。 &#; 当该字符紧跟在任何一个其他限制符 (*, +, &#;, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+&#;' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。 . 匹配除 "n" 之外的任何单个字符。要匹配包括 'n' 在内的任何字符，请使用象 '[.n]' 的模式。 (pattern) 匹配pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在Visual Basic Scripting Edition 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '′或′'。 (&#;:pattern) 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(&#;:y|ies) 就是一个比 'industry|industries' 更简略的表达式。 (&#;=pattern) 正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如， 'Windows (&#;=||NT|)' 能匹配 "Windows " 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 (&#;!pattern) 负向预查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (&#;!||NT|)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows " 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始 x|y 匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。 [xyz] 字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。 [^xyz] 负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。 [a-z] 字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。 [^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。 b 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'erb' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 B 匹配非单词边界。'erB' 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 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 d 匹配一个数字字符。等价于 [0-9]。 D 匹配一个非数字字符。等价于 [^0-9]。 f 匹配一个换页符。等价于 x0c 和 cL。 n 匹配一个换行符。等价于 x0a 和 cJ。 r 匹配一个回车符。等价于 x0d 和 cM。 s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ fnrtv]。 S 匹配任何非空白字符。等价于 [^ fnrtv]。 t 匹配一个制表符。等价于 x 和 cI。 v 匹配一个垂直制表符。等价于 x0b 和 cK。 w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 W 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。 xn 匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如， 'x' 匹配 "A"。'x' 则等价于 'x' & "1"。正则表达式中可以使用 ASCII 编码。. num 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)1' 匹配两个连续的相同字符。 n 标识一个八进制转义值或一个后向引用。如果 n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。 nm 标识一个八进制转义值或一个后向引用。如果 nm 之前至少有is preceded by at least nm 个获取得子表达式，则 nm 为后向引用。如果 nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 nm 将匹配八进制转义值 nm。 nml 如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。 un 匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， uA9 匹配版权符号 (&#;)。

利用上述元字符，可以组合出所有想要的匹配模式。下面介绍几个常用的正则表达式.

匹配中文字符的正则表达式： [u4e-u9fa5]

评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)： [^x-xff]

评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

匹配空白行的正则表达式：ns*r

评注：可以用来删除空白行

匹配HTML标记的正则表达式： <(S*&#;)[^>]*>.*&#;</1>|<.*&#; />

评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配首尾空白字符的正则表达式： ^s*|s*$

评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

匹配Email地址的正则表达式： w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*