Match運算符

The Match Operator

基本的匹配操作：

$text=~m/regex/

是Perl的正則表達式應用的核心。在Perl中，正則表達式匹配操作需要兩個運算元，其一是目標字符串，其二是正則表達式，返回一個值。

匹配如何進行，返回什麼值，取決於匹配的應用場合（☞294）及其他因素。match 運算符非常方便——它可以用來測試某個正則表達式能否匹配一個字符串，或者從字符串中提取數據，甚至是與其他匹配運算符一起將字符串拆分為各個部分。雖然功能強大，這種便捷也增加了掌握的難度。需要關注的內容包括：

●如何指定正則運算元。

●如何指定匹配修飾符，以及它們的意義。

●如何指定目標字符串。

●匹配的伴隨效應。

●匹配的返回值。

●能影響匹配的外部因素。

匹配的常見形式是：

StringOperand=~RegexOperand

還有許多簡便方式，值得注意的是，某些簡便形式下，兩個運算元都不是必須出現的。本節中我們會看到各種形式的例子。

Match的正則運算元

Match's Regex Operand

正則運算元可以是正則文字或者regex對像（其實可以是字符串或者任意的表達式，但是這樣做沒什麼好處）。如果使用正則文字，可以指定修飾符。

使用正則文字

正則運算元通常是m/…/或者就是/…/內的正則文字。如果正則文字的分隔符是斜線或問號（以問號做分隔符的情況很特殊，稍後討論）則可以省略開頭的m。為保持一致，我不管是否必要都使用m。之前介紹過，如果使用m，你可以使用自己的分隔符（☞291）。

使用正則文字時，可以結合第 292 頁介紹的任何核心修飾符。匹配運算符還支持兩個另外的運算符，/c和/g，下面馬上介紹。

使用regex對像

正則運算元也可以是qr/…/生成的regex對象，例如：

可以在m/…/中使用regex對象。特殊的情況是，如果「正則文字」中只包含一個regex對象的插值，那麼它就完全等同於使用此regex對象。上面這個例子也可以寫作：

這很方便，因為它看起來更熟悉，也容許我們對regex對像使用/g修飾符（還可以使用m/…/支持的其他的修飾符，但這在本例中沒有意義，因為它們不能覆蓋regex對像內鎖定的模式修飾符☞304）。

默認的正則表達式

如果沒有指定正則表達式，例如m//（或者m/$SomeVar/而變量$SomeVar為空字符串或未定義），則Perl會使用此代碼所在的動態作用域範圍內最近應用成功的正則表達式。以前這樣很有用，因為可以提高效率，後來因為regex對象的發展（☞303），已經沒什麼意義了。

？…？的特殊匹配

除了之前介紹的正則文字的各種分隔符，match運算符還可以使用一種特殊的分隔符——問號。問號分隔符（例如 m？…？）提供的是相當生僻的功能，m？…？匹配成功之後，除非在同樣的package中調用reset函數，否則不會再次匹配。按照Perl Version 1的手冊上的說法，這「是有用的優化措施，用於在一組文件中查找某段信息的第一次出現」，但是不知何故，我在現代Perl中從未見過。

問號分隔符的特殊情況類似斜線分隔符，m也不是必須出現的：？…？完全等價於m？…？。

指定目標運算元

Specifying the Match Target Operand

常用來指定「搜索字符串」的做法是=～，例如$text=～m/…/。請記住，=～既不是賦值運算符，也不是比較運算符，只是一個看來有趣的運算符，用來連接運算元（這個表示法改編自awk）。

因為整個「expr=～m/…/」本身就是一個表達式，我們可以在任何容許出現表達式的地方使用，例如（以連線分隔）：

默認的目標字符串

如果目標字符串是變量$_，則可以省略整個「$_=～」。也就是說，默認的目標字符串就是$_。

$text=~m/regex/;

的意思是，「把regex應用到$text中的文本，忽略返回值，獲取伴隨效應」。如果忘了寫『～』，結果就是：

$text=m/regex/;

它的意思是「對$_中的文本應用正則表達式，獲取伴隨效應，把返回的 true/false 值賦給$text」。也就是說，下面兩者是等價的：

有時候使用默認目標字符串很方便，尤其是與其他默認情況的結構（許多結構都有默認值）結合時。下面的代碼就很常見：

總的來說，依賴默認運算元會增加無經驗程序員閱讀代碼的難度。

顛倒match的意義

可以用！～來取代=～，對返回值進行邏輯非操作（馬上會介紹這麼做的返回值和伴隨效應，但是對於！～，返回值就是true或者false），下面三種辦法是等價的：

從我個人出發，我喜歡中間的辦法。無論選用哪種辦法，都會產生設置$1等的伴隨效應。！～只是判斷「如果不能匹配」的簡便方式。

Match運算符的不同用途

Different Uses of the Match Operator

可以從match運算符返回的true/false判斷匹配是否成功，也可以從成功匹配中獲取其他的信息，與其他match運算符結合起來。match運算符的行為主要取決於它的應用場合（☞294），以及是否使用了/g修飾符。

普通的「匹配與否」——scalar context，不使用/g

在scalar context中（例如if測試），match運算符返回的就是true/false：

也可以把結果賦值給一個scalar變量，然後檢查

普通的「從字符串中提取數據」——list context，不使用/g

不使用/g的list context，是字符串中提取數據的常用做法。返回值是一個list，每個元素是正則表達式中捕獲型括號內的表達式捕獲的內容。下面這個簡單的例子用來從 69/8/31中提取日期：

my （$year，$month，$day）=$date=～m{^（\d+）/（\d+）/（\d+） $}x；匹配的3個數作為3個變量（當然還包括$1、$2和$3等）。每一組捕獲型括號都對應到返回序列中的一個元素，空序列表示匹配失敗。

有時候，某組捕獲括號沒有參與最終的成功匹配。例如，m/（this）|（that）/必然有一組括號不會參與匹配。這樣的括號返回未定義的值 undef。如果匹配成功，又沒有使用捕獲型括號，在不使用/g的list context中，會返回list（1）。

List context可以以各種方式指定，包括把結果賦值給一個數組，例如：

my@parts=$text=~m/^(\d+)-(\d+)-(\d+)$/;

如果match的接收參數是scalar變量，請將匹配的應用場合指定為list context，這樣才能獲得匹配的某些捕獲內容，而不是表示匹配成功與否的Boolean值。比較這兩個測試：

第一個例子中，變量外的括號導致my函數為賦值指定list context。第二個例子沒有括號，所以應用場合為scalar context，$success只得到true/false值。

下面給出了一個更簡單的做法：

這次匹配發生在list context中（由「my （…）=」提供），所以序列中的變量會根據對應的$1、$2之類進行賦值。不過，匹配完成之後，因為整個組合是在if條件語句的scalar context中，Perl把list轉換為一個scalar變量。它接收的是list的長度，如果匹配不成功，長度為0，如果不為0，則表示匹配成功。

「提取所有匹配」——list context，使用/g

此結構的用處在於，它返回一個文本序列，每個元素對應捕獲型括號匹配的文本（如果沒有捕獲型括號，就返回整個表達式匹配的文本），但上一節的例子只能針對一次匹配，而這種結構針對所有匹配。

下面這個簡單的例子用來提取字符串中的所有整數：

my@nums=$text=~m/\d+/g;

如果$text包含IP地址『64.156.215.240』，@num會接收4個元素，『64』、『156』、『215』、『240』。與其他結構相結合，就能很方便地把 IP 地址轉換為 8 位 16 進制數字，例如『409cd7f0』，如果需要創建緊湊的log文件，這很方便：

my $hex_ip=join'',map {sprintf(〞%02x〞,$_)} $ip=~m/\d+/g;

下面的代碼可以把它轉換回來：

my $ip=join'.',map {hex($_)} $hex_ip=~m/../g

另一個例子是匹配一行中的所有浮點數：

my@nums=$text=~m/\d+(?:\.\d+)?|\.\d+/g;

一定要使用非捕獲型括號，因為捕獲型括號會改變返回的結果。下面的例子說明了捕獲型括號的價值：

my@Tags=$Html=~m/＜(\w+)/g;

@Tags會保存$Html中依次出現的各個tag，這裡假設每一個『＜』都有對應的『＞』。

下面的例子使用了多個捕獲型括號：把Unix中郵箱聯繫人的alias文件的內容存放在一個字符串中，數據格式是：

為了提取每一行中的暱稱（alias）和完整地址，我們可以使用m/^alias\s+（\S+）\s+（.+）/m （不使用/g）。在list context中，返回的序列包括兩個元素，例如（'Jeff'，'[email protected]'）。現在用/g匹配所有這樣的組合，得到的序列是：

如果這個序列恰好符合key/value的形式，我們可以直接把它存入一個關聯數組（associative array）。

my%alias=$text=~m/^alias\s+(\S+)\s+(.+)/mg;

返回之後，可以用$alias{Jeff}訪問'Jeff'的完整地址。

迭代匹配：Scalar Context，使用/g

Iterative Matching:Scalar Context,with/g

scalar context中，m/…/g是個特殊的結構。和正常的m/…/一樣，它只進行一次匹配，但是和list context中的m/…/g一樣，它會檢查之前匹配的發生位置。每次在scalar context中使用 m/…/g——例如在循環中，它會尋找「下一個」匹配。如果失敗，就會重置「當前位置（current position）」，於是下一次應用從字符串的開頭開始。

這裡有個簡單的例子：

有兩次匹配是在scalar context中使用/g進行的，結果為：

後兩次匹配配合起來，前者把「當前位置」設置到匹配的小寫字母單詞之後，第二個讀取這個位置，在後面尋找大寫字母單詞。對兩個匹配來說，/g都是必須的，這樣匹配才能注意到「當前位置」，所以如果任何一個沒有使用/g，第二行會指向『WOW』。

scalar context 中的/g匹配非常適合用作while循環的條件：

最終會找到所有的匹配，但是 while的循環體是在匹配之間（或者說，在每次匹配之後）執行。一旦某次匹配失敗，結果就是false，然後while循環結束。同樣，一旦失敗，/g狀態會重置，也就是循環結束之後的/g匹配會從字符串的開頭開始。

比較：

和

唯一的區別是/g，但是這區別不可小視。如果$text包含之前那個IP地址，第二個程序輸出我們期望的結果：

相反，第一個程序不斷地打印「found：64」，不會終止。不使用/g，就意味著「找到$text中第一個「（\d+）」」，也就是『64』，無論匹配多少次都是如此。添加/g之後，它變成了「找到$text中的下一個「（\d+）」」，依次找到各個數字。

「當前匹配位置」和pos（）函數

Perl中每個字符串都有對應的「當前匹配位置（current match position）」，傳動裝置會從這裡開始第一次匹配的嘗試。這是字符串的屬性之一，而與正則表達式無關。在字符串創建或者修改時，「當前匹配位置」會指向字符串的開頭，但是如果/g匹配成功，它就會指向本次匹配的結束位置。下一次對字符串應用/g匹配時，匹配會從同樣的「當前匹配位置」開始。可以通過pos（…）函數得到目標字符串的「當前匹配位置」，例如：

結果是：

（記住，字符串的下標是從0開始的，所以「location 2」就是第3個字符之前的位置）。在/g匹配成功之後，$+[0]（@+的第一個元素☞302）就等於目標字符串中的pos。

pos（）函數的默認參數是match運算符的默認參數：變量$_。

預設定字符串的pos

pos（）的真正能力在於，我們可以通過它來指定正則引擎從什麼位置開始匹配（當然是針對/g的下一次匹配）。我在Yahoo！的時候，要處理的Web服務器log文件的格式是，包含32字節的定長數據，然後是請求的頁面，然後是其他信息。提取請求頁面的辦法是「^.{32}」，跳過開頭的定長數據：

這種硬辦法不夠美觀，而且要強迫正則引擎處理前32個字節。如果我們親自動手，代碼會好看得多，效率也高得多：

這個程序好些，但還不夠好。這個正則表達式從我們規定的位置開始，而在此之前不需要匹配，這一點與上個程序不同。如果因為某些原因，第32個字符不能由「\S」匹配，前面那個程序就會匹配失敗，但是新程序因為沒有錨定到字符串的特殊位置，會由傳動裝置啟動驅動過程。也就是說，它會錯誤地返回一個「\S+」在字符串後面部分的匹配。幸好，在下一節我們會看到，這個問題很容易修復。

使用\G

元字符\G的意思是「錨定到上一次匹配結束位置」。這正是上一節中我們希望解決的問題。

\G告訴傳動裝置，「不要啟動驅動過程，如果在此處匹配不能成功，就報告失敗」。

前面幾章曾經介紹過「\G」：第3章有簡單介紹（☞130），更複雜的例子在第5章（☞212）。

請注意，在Perl中，只有「\G」出現在正則表達式開頭，而且沒有全局性多選結構的情況下，結果才是可預測的。第 6 章的優化 CSV 解析程序的例子中（☞271），正則表達式以「\G（？：^|，）…」開頭。如果更嚴格的「^」能夠匹配，就沒必要檢查「\G」，所以你可能會把它改為「（？：^|\G，）…」。不幸的是，在Perl中這樣行不通；其結果不可預測（注7）。

使用/gc進行「Tag-team」匹配

正常情況下，m/…/g匹配失敗會把目標字符串的pos重置到字符串的開頭，但給/g添加/c之後會造成一種特殊的效果：匹配失敗不會重置目標字符串的 pos（/c離不開/g，所以我一般使用/gc）。

m/…/gc最常見的用法是與「\G」一起，創建「詞法分析器」，把字符串解析為各個記號（token）。下例簡要說明了如何解析$html中的HTML代碼：

每個正則表達式的粗體部分匹配一種類型的HTML結構。從當前位置開始，依次檢查每一個正則表達式（使用/gc），但是只能在當前位置嘗試匹配（因為使用了「\G」）。按照順序依次檢查各個正則表達式，直到找到能夠匹配的結構為止，然後報告。之後把$html 的 pos指向下一個記號的開始，進入下一輪循環的搜索。

循環終止的條件是m/\G\z/gc能夠匹配，即當前位置（「\G」）指向字符串的末尾（「\z」）。

有一點要注意，每輪循環必須有一個匹配。否則（而且我們不希望退出）就會進入無窮循環，因為$html的 pos既不會變化也不會重置。對現在的程序來說，最終的else分支永遠不會調用，但是如果我們希望修改這個程序（馬上就會這麼做），或許會引入錯誤，所以else分支是有必要保留的。對目前這個程序來說，如果接收預料之外的數據（例如『＜＞』），會在每次遇到預料之外的字符時，就發出一條警報。

另一點需要注意的是各表達式的檢查順序，例如把「\G（.）」作為最後的檢查。也可以來看下面這個識別＜script＞代碼的例子：

$html=~m/\G (＜script[^＞]＊＞.＊?＜/script＞)/xgcsi

哇，這裡使用了 5 個修飾符！為了正常運行，我們必須把它放在對字符串進行第一次「＜[^＞]+＞」的匹配之前。否則「＜[^＞]+＞」會匹配開頭的＜script＞標籤，這個表達式就沒法運行了。

第3章還介紹了關於/gc的更高級的例子（☞132）。

Pos相關問題總結

下面是match運算符與目標字符串的pos之間互相作用的總結：

同樣，只要修改了字符串，pos就會重置為undef（也就是初始值，指向字符串的起始位置）。

Match運算符與環境的關係

The Match Operator's Environmental Relations

下面幾節將總結我們已經見到的，match運算符與Perl環境之間的互相影響。

match運算符的伴隨效應

通常，成功匹配的伴隨效應比返回值更重要。事實上，在void context中使用match運算符（這樣甚至不必檢查返回值），只是為了獲取伴隨效應（這種情況類似scalar context）。下面總結了成功匹配的伴隨效應：

●匹配之後會設置$1和@+之類變量，供當前語法塊內其他代碼使用（☞299）。

●設置默認正則表達式，供當前語法塊內其他代碼使用（☞308）。

●如果m？…？能夠匹配，它（也就是m？…？運算符）會被標記為無法繼續匹配，至少在同樣的package中，不調用reset就無法繼續匹配（☞308）。

當然，這些伴隨效應只能在匹配成功時發生，不成功的匹配不會影響它們。相反，下面的伴隨效應在任何匹配中都會發生：

●目標字符串的pos會指定或者重置（☞313）。

●如果使用了/o，正則表達式會與這個運算符「融為一體（fuse）」，不會重新求值（evaluate，☞352）。

match運算符的外部影響

match運算符的行為會受到運算元和修飾符的影響。下面總結了影響match運算符的外部因素：

應用場合context

match運算符的應用場合（scalar、list，或者void）對匹配的進行、返回值和伴隨效應有重要影響。

pos(…)

目標字符串的pos（由前一次匹配顯式或隱式設定）表示下一次/g匹配應該開始的位置，同時也是「\G」匹配的位置。

默認表達式

如果提供的正則表達式為空，就使用默認的表達式（☞308）。

study

對匹配的內容或返回值沒有任何影響，但如果對目標字符串調用此函數，匹配所花的時間更少（也可能更多）。參考「Study函數」（☞359）。

m？…？和reset

m？…？運算符有一個看不見的「已/未匹配」狀態，在使用 m？…？匹配或者 reset 時設定（☞308）。

在context中思考（不要忘記context）

在match運算符講解結束之前，我要提幾個問題。尤其是，在while、if和foreach控制結構中發生變化時，確實需要保持頭腦清醒。請問，運行下面的程序會得到什麼結果？

這有點兒難度，ϖ 請翻到下頁查看答案。