Perl语言入门笔记 第九章 用正则表达式处理文本

=pod
#第九章：用正则表达式处理文本
用s///进行替换
	s///查找替换功能
	s/Barney/Fred/; #把Barney替换成Fred
	s/with (w+)/against $1's team/;
	
	例子：
		$_ = "green scaly dinosaur";
		s/(w+) (w+)/$2, $1/; #替换后为"Scaly, green dinosaur"
		s/^/huge, /; #替换后为"huge, scaly, green dinosaur"
		s/,.*een//; #空替换：此时为"huge dinosaur"
		s/green/red/; #匹配失败：仍为"huge dinosaur"
		s/w+$/($`!)$&/;	#替换为huge (huge !)dinosaur
		s/s+(!W+)/$1 /; #替换为"huge (huge!) dinosaur"
		s/huge/gigantic/; #替换为"gigantic (huge!) dinosaur"
		
用/g进行全局替换
	s///只会一次替换，默认的行为
	$_ = "home, sweet home!";
	s/home/cave/g;
	print "$_
"; #打印"cave, sweet cave"
	
	一个常见的全局替换是缩减空白，也就是将任何连续的空白转换成单一空格：
	$_ = "Input data	 may have    extra whitespace";
	s/s+/ /g; #现在它变成了"Input data may have extra whitespace."

	s/^s+//; #将开头的空白替换成空字符串
	s/s+$//; #将结尾的空白替换成空字符串
	s/^s+|s+$//g; #去除开头和结尾的空白符，但运行可能会慢，由于perl的引擎问题

不同的定界符：
	替换时，也可以像m//和qw//一样，我们也可以改变s///的定界符，但由于替换符会用到三个定界符，所以情况又有点不同。
	s#^https://#http://#
	s{fred}{barney};
	s[fred](barney);
	s<fred>#barney#;
	
可用替换修饰符：
	s#wilma#Wilma#gi; #将所有的WilmA或者WILMA一律替换为Wilma
	s{__END__.*}; #将__END__标记和它后面的所有内容都删掉
	
绑定操作符：
	$file_name =~ s#^.*/##s; #将$file_name中所有的Unix风格的路径全部去除
	
无损替换：
	如果需要同时保留原始字符串和替换后的字符串，该怎么办?传统的做法是先复制一份拷贝后再替换：
		my $original = 'Fred ate 1 rib';
		my $copy = $original;
		$copy =~ s/d+ ribs?/10 ribs/;
	替换成一步：
		(my $copy = $original) =~ s/d+ ribs?/10 ribs/;
	新写法：
		use 5.014;
		my $copy = $original =~ s/d+ ribs?/10 ribs/r; #先做替换，再复制

大小写切换：
	U:	使目标变为大写
		$_ = "I saw Barney with Fred.";
		s/(fred|barney)/U$1/gi; #$_现在成了"I saw barney with fred."
	L: 使目标变为小写
		s/(fred|barney)/L$1/gi; #$_现在成了"I saw barney with fred"
	E: 关闭大小写转换，不然会影响后面的字符
		s/(w+) with (w+)/U$2E with $1/i; #$_现在成了"I saw FRED with barney"
	
	使用小写形式(l与u)时，他们只会影响紧跟其后的第一个字符：
		s/(fred|barney)/U$1/ig; #$_替换后为"I saw Fred with Barney"
    
    s/(fred|barney)/uL$1/ig; # 第一个字母大写，其它字符小写
    也可以用在双引号的字符串中：
    	print "Hello, Lu$nameE, would you like to play a game?
"

split操作符：
	根据给定的模式拆分字符串，对于使用制表符、冒号、空白或任意符号分割不同字段数据的字符串来说，这个操作符分解提取字段相当方便，只要你能将分隔符写成模式，就可以使用split分解数据，它的使用用法如下：
		my @fields = split /separator/, $string;
		my @fileds = split/:/, "abc:def:g:h"; #得到("abc", "def". "g", "h")
	如果两个分隔符连在一起，就会产生空字段：
		my @fields = split/:/, "abc:def:g:h"; #得到("abc", "def", "", "g", "h")
		
以CPAN上的Text::CSV库处理csv文件最好。
	
	split会保留开头处的空字段，却会舍弃结尾处的空字段。
		my @field = split /:/, ":::a:b:c:::"; #得到("", "", "", "a", "b", "c")
	根据split的/s+/模式根据空白符分隔字段也是比较常见的做法，该模式把所有连续空开都视作单个空格并以此切分数据：
		my $some_input = "This is a 	     test.
";
		my @args = split /s+/, $some_input; #得到("This", "is", "a", "test.")
	默认split会以空白符分隔$_中的字符串:
		my @fields = split; #等效于split /s+/, $_;	

join函数：
	join函数和split函数恰好相反，他会将这些片段接合成一个字符串。join函数的用法如下：
		my $result = join /$glue/, @pieces;
		my $x = join ":", 4, 6, 8, 10, 12; # $x为"4:6:8:10:12"
		
列表上下文中的m//:
	在列表上下文中使用模式匹配操作符(m//)时，如果模式匹配成功，那么返回的是所有捕获变量的列表；如果匹配失败，则会返回空列表：
		$_ = "Hello there, neighbor!";
		my($first, $second, $third) = /(S+) (S+) (S+)/;
		print "$second is my $third
";
		用等号，默认匹配的是$_
		之前在s///的例子中的/g修饰符同样可以用在m//操作符上，其效果就是让模式能够匹配到字符串中的多个地方。
		如：my $text = "Fred dropped a 5 ton granite block on Mr.Slate";
		my @words = ($text =~ /([a-z]+)/ig);
		print "Result: @words
";
		#打印：fred dropped a ton granite block on Mr. Slate
		这好比反过来用split:正则模式制定的并非想要去除的部分，反而是要留下的部分。
		一个字符串变成hash
		my $data = "Barney Rubble Fred Flintstone Wilma Fllintstone";
		my %last_name = (data =~ /(W+)s+(w+)/g);
		
		
更强大的正则表达式：

非贪婪量词：
	/fred.+barney/匹配fred, and braney bowling
	因为.+是贪婪的会匹配更多的单词，会认为barney单词然后跳过了
	/fred.+?barney/匹配fred and braney
	
	回溯动作，逐个匹配需要的内容
	CPAN上的模块可以处理HTML或类似的标记语言，使用模块为HTML::Parser
	
	贪婪样式：
		s#<BOLD>(.*)</BOLD>#$1#g;
	非贪婪样式：
		s#<BOLD>(.*?)</BOLD>#$1#g;
	
	非贪婪样式是在通配符后面加上?，如+?,*?,{5,10}?或者{8, }?, ??

跨行的模式匹配：
	传统的正则表达式是处理单行文本，perl可以处理任意长度的字符串，其模式匹配自然也可以处理多行文本
	下面的写法可以表示4行的文本：
		$_ = "I'm much better 
than Barney is 
at bowling, 
Wilma.
";
	^代表开头，$代表结尾，m代表匹配多行(m可看做multiple lines)，
	如：print "Found 'wilma' at start of line
" if /^wilma/im;
	
	open FILE, $filename or die "Can't open '$filename':$|";
	my $lines = join '', <FILE>;
	$lines =~ s/^/$filename: /gm;
	ps:将整个文件读进一个变量，然后把文件名作为每一行的前缀进行替换。
	
一次更新多个文件：
	下面的程序有问题，待解决：$^I好像并不是这样的用法
	#!/usr/bin/perl -w
	use strict;
	chomp(my $date = `date`); #用了bash shell里的date指令
	$^I = ".bak"; #能循环找当前文件夹下的文件？？？？
	while(<>)
	{
		s/^Author:.*/Author: Randal L. Schwartz/;
		s/^phone:.*
//;
		s/^Date:.*/Date: $date/;
		print;
	}	
	
	my $date = localtime;
	钻石操作符会读取命令行参指定的那些文件，程序的主循环一次会读取，更新及输出一行
		
从命令行直接编辑：
	假设你需要更新上百个文件，把里面拼错成Randall的名字改成只有一个l的Randal。你可以写个和之前类似的程序完成此事，或者在命令行上使用如下单行程序一步完成。
		$perl -p -i.bak -w -e 's/Randall/Randal/g' fred*.dat
			
=cut