Perl\'s Regex Flavor
下一頁的表7-2概要描述Perl的正則風格。以前，Perl的許多元字符是其他系統不支持的，但是經過許多年之後，其他系統接受了許多Perl的創新。這些常見的特性在第3章的概覽裡有描述，但是 Perl 還有專屬於自己的元素，會在本章後面講解（表 7-2 覆蓋了將要講解的各個元素）
下面是對表格的補充：
○1b只有在字符組內部才是退格符的簡記法。在字符組外部，b表示單詞分界符（☞133）。
八進制轉義接收2到3位的數值。
「xnum」十六進制轉義接收兩位數字（也可以是一位數字，但是會報警）。「x{num}」能接收任意長度的十六進制數。
表7-2：Perl的正則流派概覽
○2w、d、s之類完全支持Unicode。
Perl的s不能匹配ASCII的垂直製表符（☞115）。
○3 Perl的Unicode支持針對的是Unicode Version 4.1.0。
Unicode字母表也能支持。字母表和屬性名可以有『Is』前綴，但並非必須（☞125）。區塊名可以有『In』前綴，但只有在區塊和字母表的名字發生衝突時才必須使用。
Perl也支持「p{L&}」、「p{Any}」、「p{All}、「p{Assigned}」和「p{Unassigned}」屬性。Perl 支持例如「p{Letter}」的長屬性名。名字的各個單詞之間可能是空格、下畫線，或者什麼也沒有，（例如「p{Lowercase_Letter}」，也可能寫作「p{Lowercase Letter}」）或者是「p{Lowercase·Letter}」），為了前後一致，我推薦使用第123頁表格中的長命名。
「p{^…}」等價於「P{…}」。
○4 單詞分界符完全支持Unicode。
○5 順序環視可能包含捕獲型括號。
逆序環視中的子表達式必須匹配固定長度的文本。
○6/x修飾符只能識別ASCII空白字符。/m只對換行符有影響，而且不是所有的Unicode
換行符。
/i能夠在Unicode中正常工作。
所有的元字符並不是生而平等的。「正則元字符」沒有得到正則引擎的支持，但Perl的正則文字預處理機制能對付。
正則運算符和正則文字
Regex Operands and Regex Literals
表7-2最下面的條目標注有「專屬於正則文字」。正則文字（regex literal）就是m/regex/部分中的「regex」，雖然平時稱其為「正則表達式」，但在『/』分隔符之間的部分是有自己的解析規則。用Perl的行話來說，正則文字就是「表示正則含義的雙引號字符串（regex-aware double-quoted string）」，及處理之後傳遞給正則引擎的結果。正則文字處理機制提供了特殊的功能來構建正則表達式。
舉例來說，正則文字提供了變量插值功能。如果變量$num的值是20，代碼m/：.{$num}：/得到的就是「：.{20}：」。這樣可以根據需要即時構建正則表達式。正則文字的另一功能是大小寫自動切換展開，U…E 可以保證其中的字母均為大寫。比如，m/abcUxyzE/得到正則表達式「abcXYZ」。這個例子有點做作，如果需要使用「abcXYZ」，應該直接輸入m/abcXYZ/，但是這種功能結合變量插值就很有用：如果變量$tag 包含字符串「title」，則代碼
得到
。
除正則文字之外還有什麼呢？我們可以把字符串（或者任何表達式）當作正則運算元，比如：
當$MatchField用作=～的運算元時，它的值就被解釋（interpreted）為正則表達式。這裡只能「解釋」普通的正則表達式，所以不支持只作用於正則文字的變量插值和「Q…E」。
下面的例子值得思考，如果把：
$text=~$MatchField
替換為：
$text=~m/$MatchField/
結果完全一樣。這裡的正則文字只包含一個元素——變量$MatchField。正則文字中插值變量的值不會被當作正則文字處理，所以變量內的U…E和$var之類不會被識別（第292頁說明了正則文字的處理細節）。
如果正則表達式在程序的執行期間需要多次用到，那麼正則運算元採用字符串或變量插值的效率差距就很明顯。第348頁討論了這個問題。
正則文字支持的特性
正則文字提供下面的特性：
●變量插值 正則表達式中以$和@開頭的變量會被替換為實際變量的值。$變量插入一個簡單的純量值（scalar value）。以@開頭的插入數組或者數組的一部分，以空格分隔各個元素（其實是以$〞變量作分隔符，它的默認值是空格）。
在Perl中，『%』引入一個散列變量（hash variable），但是在字符串中插入一個散列變量並沒有太大的意義，所以Perl不支持%插值。
●命名的Unicode字符 如果程序中包含「use charnames\'：full\'；」，就可以用N{name}序列引用Unicode字符。例如，N{LATIN SMALL LETTER SHARP S}匹配「s」。在Perl的unicore 目錄下的UnicodeData.txt中可以找到Perl支持的Unicode字符列表。下面的代碼能夠報告文件的位置：
「use charnames\'：full\'；」很容易忘記，或者忘記在『full』前面添加冒號，果真如此的話，N{…}就不能正常工作。同樣，如果使用了下面介紹的正則表達式重載，N{…}也不能正常工作。
●大小寫轉換前綴l和u能夠把後面的字符轉換為小寫或大寫形式。通常我們使用此功能來轉換插值變量的第一個字符。舉例來說，如果變量$title 包含「mr.」，m/…u$title…/就能生成正則表達式「…Mr.…」。Perl 的 lcfirst（）和 ucfirst（）函數提供了同樣的功能。
●大小寫轉換範圍L和U能夠把後面所有的字符轉換為小寫或大寫，其作用範圍一直到表達式末尾，或是E為止。同樣是$title，m/…U$titleE…/會產生正則表達式「…MR.…」。Perl的lc（）和uc（）函數提供了同樣的功能。
我們可以把這兩者結合起來：無論變量$title 採用怎樣的字母組合，m/…Lu$titleE…/都會得到「…Mr.…」。
●文字文本範圍Q「轉義（quote）」正則表達式元字符（也就是在它們之前放一個反斜線，保證它們只作為普通的字符），其作用範圍直到字符串的結尾，或者直到E。它能轉義正則表達式元字符，但不能轉義表示變量插值的正則文字U，當然也不能轉義E。奇怪的是，如果反斜線開頭的字符序列不能識別——例如F或者H，反斜線也不會被轉義。即使是Q…E，這樣的序列也會導致「unrecognized escape」警告。
在實踐中，這些限制並不是嚴重的缺陷，Q…E 通常用於引用插值文本，這樣就可以正確轉義所有的元字符。例如，如果$title包含「Mr.」，那麼代碼m/…Q$titleE…/就會生成正則表達式「…Mr.…」，我們要的就是這樣——希望匹配的是$title中的字符，而不是$title中的正則表達式。
如果你希望在正則表達式中包含某些用戶輸入的數據，這非常有用。舉例來說，m/Q$UserInputE/i能夠對$UserInput（作為字符串，而不是正則表達式）中的字符進行不區分大小寫的搜索。
Perl的函數quotemeta（）提供了與Q…E等價的功能。
●重載 借助重載，用戶可以使用任何期望的方式預處理正則文字的文字字符。這是概念值得討論，但是目前的實現還有諸多限制。關於重載的細節討論請參見第341頁。
使用自己的正則表達式分隔符
Perl語法中最奇妙（也是最有用）的特性之一就是用戶可以使用自己的正則文字分隔符。傳統的分隔符是斜線，例如 m/…/、s/…/…/和 qr/…/，不過還可以使用除數字、字母和空格之外的字符。常用的包括：
右邊四個是特殊的分隔符：
●右邊的四個例子具有不同的開始-結束分隔符，而且可能嵌套（也就是說，如果開始-結束分隔符匹配恰當，表達式中容許包含與分隔符一樣的字符）。因為圓括號和方括號在正則表達式中經常用到，m（…）和m[…]可能不如其他更有吸引力。使用/x修飾符時，可能出現下面的形式：
也可以使用某種組合標記 regex，另一組（如果你喜歡，也可以用同樣的）標記replacement。例如：
如果這樣做了，就可以在兩對分隔符之間插入空格和註釋。第 319 頁進一步講解了substitution運算符的replacement運算元。
●對match運算符來說，把問號作為分隔符有其特殊價值（禁止更多的匹配），這一點在下一節講解關於match運算符時討論（☞308）。
●288頁已經提到，正則文字被解析成「表示正則含義的雙引號字符串」。如果用單引號作分隔符，就無法使用這些功能。使用 m\'…\'時就不會進行變量插值，實時修改文本的結構（比如Q…E）不會生效，N{…}也無法使用。也許在使用包含多個@的正則表達式時m\'…\'很有價值，因為這樣可以不需要轉義。
如果進行match操作，而分隔符是斜線或者問號，可以省略m，也就是：
是等價的。但我更喜歡明確寫上m。
正則文字的解析方式
How Regex Literals Are Parsed
大多數情況下，如果用戶「只會用到」上文講解的正則文字特性，就不需要理解 Perl 將它們轉換為真正的正則表達式的具體細節。就這一點來說，Perl直觀性非常方便，但是許多時候，瞭解細節並無壞處。下面列出了各種處理的順序：
1.找到結束分隔符，讀入修飾符（例如/i之類）。下面的處理就能判斷是否採用了/x之類的模式。
2.變量插值。
3.如果使用了正則表達式重載，正則文字的每個部分都會交給重載子程序來處理。各部分由插值變量分隔；插入的值是無法重載的。
如果正則表達式沒有進行重載，處理N{…}。
4.應用大小寫轉換結構（例如Q…E）。
5.把結果提交給正則引擎。
以上是程序員眼中的處理，但是 Perl 內部的處理其實是很複雜的。單單是第二步，就必須識別正則表達式的元字符，比如不應把「this$|that$」下畫線的那部分識別為變量。
正則修飾符
Regex Modifiers
Perl的正則運算符容許在正則文字的結束分隔符之後添加正則修飾符（例如m/…/i、s/…/…/i和qr/…/i中的i）。所有運算符都支持的核心修飾符一共有5種，詳見表7-3。
頭四種在第 3 章已經介紹過，它們能夠作為模式修飾符（☞135）或者範圍模式修飾符（☞135），在正則表達式之中使用。如果正則表達式內部出現了修飾符，match運算符也用到了修飾符，則正則表達式內部的修飾符的優先級更高（從另一方面來說就是，一旦修飾符應用到正則表達式內部的某些元素，這些元素就不再受其他修飾符的影響）。
表7-3：所有正則運算符可用到的核心修飾符
第五個核心修飾符/o，與效率有很大的關係。此問題從第348頁開始討論。
如果需要使用多個修飾符，只需要把它們並排列在結束分隔符之後即可，排列的順序是無關緊要的（注3）。請注意，斜線本身不是修飾符，你可以使用m/＜title＞/i、m|＜title＞|i，或是m{＜title＞}i，甚至是m＜＜title＞＞i。不過在講解修飾符時，通行的做法是加上一個斜線，例如「修飾符/i」。