IC入职新同学必备技能手册 - Perl (2) - 正则表达式+文本操作

正则表达式 (regular expression -> regex)

• 什么是正则表达式？（这个定义问题真的难到我了，以下来自百度）

正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

• 正则表达式能用到哪些地方？
• • Perl/Tcl/etc (用于脚本中，对string进行搜索、替换，其表达式语法是通用的，并不因为脚本不同有区别)
  • sed/grep (Linux shell cmd)
  • vim/gvim （用于完成文本查找、替换）
• 为什么要提到正则表达式？
• • 因为Perl只所以被广泛使用，就是因为内建强大的正则表达式功能，配合灵活的语法，轻松完成脚本内文本匹配、搜索、替换等功能。

正则表达式 (regex)难不难？

对于刚刚接触它的同学来说，略不友好，其语法、各种各样的灵活组合，看起来有点像天书。如下举例：

(?!(.*_PADCAL_MASK|.*HBM_MISR_MASK|.*POWER_CTL_MASK|.*RG_CTL_MASK))(.*MASK.*)

有点懵逼，是吧。淡定，我选择了一个复杂度较高的例子。大部分日常使用的正则表达式并没有这么复杂。

强烈推荐下面这个免费的regex tester：它提供了online的regex测试、解析，并且例举了全部的可用语法元素。当我碰到不确定的正则表达式 (regex)，我就会来这里去验证。

https://regex101.com/

下面开始举例+学习 （for Perl）

再次说明，只看不试是不行的，把下面的regex表达式copy到上面的Online tester里面试试。

既然regex是用来做文本操作，那么我们先设置一个sample text

# 在Perl中定义一个这样数组,4个元素
my @path_arr = (
 '/home/scratch.john_gpu/gv100',
 '/home/scratch.mike_gpu/ga100',
 '/home/scratch.mike_gpu/lr10',
 '/home/scratch.ema_ate/regression' 
);

问题1: 找到所有含_gpu的元素

foreach my $elem (@path_arr) {
 # foreach大家还记得吧
 if ($elem =~ /_gpu/ ) {
  print "$elem \n";
 }
}
#结果是：
/home/scratch.john_gpu/gv100
/home/scratch.mike_gpu/ga100
/home/scratch.mike_gpu/lr10

• 这个符号组合 =~ 是什么？
• • =~ 是Perl语言中使用正则表达式去判定“是否命中”
  • 同理，还有一个 !~ ，表示用Regex判定“是否没命中”
• /_gpu/ 是啥？
• • / / 是正则表达式的边界符，里面的称之为“正则表达式”
  • _gpu 就是一个最简单的正则表达式，因为我想搜索哪个元素带有_gpu，那就直接用明文啦。

问题2：找到所有含_gpu/ga100元素

foreach my $elem (@path_arr) {
 if ($elem =~ /_gpu\/ga100/ ) {
  print "$elem \n";
 }
}
#结果是：
/home/scratch.mike_gpu/ga100

• 正则表达式是啥？_gpu\/ga100
• 为毛不直接用 _gpu/ga100 ？
• • 因为你想搜索的符号**/**与regex的边界符冲突，对于这种情况（即被搜索符号与regex的语法元素冲突），使用反斜杠 (back-slash)进行转义(escape-char)。类似换行符\n

问题3：找到符合mike****ga100的元素 (*表示不在乎中间是什么字符)

foreach my $elem (@path_arr) {
 if ($elem =~ /mike.*ga100/ ) {
  print "$elem \n";
 }
}
#结果是：
/home/scratch.mike_gpu/ga100

• 这是什么-> .*
• • 有没有人想问，1-无穷用哪个？+ 咯
  • 这是一个基础的正则表达式啦，要分开说：
  • . 表示任意单个字符 (无论是数字、字母、标点符号、任意的东西)
  • * 表示约束预期出现的个数，允许0-无穷
  • .* 表示，匹配任意字符且出现任意个数。匹配任意东西。
• 也许，到此为止，对 .* 还是不理解，那么：
• • /w* 首先，/w表示任意字母，*还是表示任意个数。那么，/w* 表示预期匹配任意个数的字母。
  • /d* /d表示0-9的任意数字，/d*就是预期匹配任意个数的数字啦。
  • /d+ /d表示0-9的任意数字，/d+就是预期匹配至少出现一次的数字啦。

问题4：(变得稍微复杂啦) 找到所有g?100的元素(?定义为任意一个字母)，并且将g?100这部分字段提取，并打印出来

foreach my $elem (@path_arr) {
 if ($elem =~ /(g\w100)/ ) {
  print "$1 \n";
 }
}
#结果是：
ga100
gv100

• \w是啥，还记得吧，表示任意字母。
• 为啥没*了
• • 因为题目要求只要一个文字呀
• 这次怎么多了一个括号？
• • 这是关键点，这是Regex的匹配且提取
  • 提取什么？能匹配括号里regex的字段咯。
• $1是什么？
• • 这是Perl语法，如果if语句中，能够发生匹配成功，则

  1,

  2,$3 ... 存储了每个括号中的匹配字段。

  • 能有$2么？能啊，如果有两个括号，且都匹配成功

问题5：(我们要尝试替换啦) 找到所有g?100的元素，并且将g?100替换成lr10

foreach my $elem (@path_arr) {
 $elem =~ s/g\w100/lr10/ ;
 print "$elem \n" ;
}
#结果是：
 /home/scratch.john_gpu/lr10
 /home/scratch.mike_gpu/lr10
 /home/scratch.mike_gpu/lr10   # 这个出现意外不
 /home/scratch.ema_ate/regression # 这个出现意外不

• 意外吧，为啥后面两个也出来了?
• • 这个是标准的regex替换表达式，s表示替换操作，/// 是分隔符，分隔出了两段空间。
  • 第一段空间是匹配表达式
  • 第二段空间的意义：如果匹配成功，则将符合匹配的字符串替换成第二段空间的文字。
  • 因为 $elem =~ s/g\w100/lr10/ ; 这句话，只是匹配然后替换；如果没有匹配成功，自然不会发生替换。
  • s/// 是啥。

问题6：（再高级一点）找到所有g?100元素，并将原字段替换成大写的。

foreach my $elem (@path_arr) {
 if ($elem =~ /g\w100/) {
  $elem =~ s/(g\w100)/\U$1\E/ ;
  print $elem, "\n" ;
 }
}
#结果是：
 /home/scratch.john_gpu/GV100
 /home/scratch.mike_gpu/GA100

• print函数没用错，可以用逗号进行字符串拼接
• s/// 出现啦：
• • 第一段中，为啥有括号，因为我们不光要匹配，还要抽取匹配的字段
  • 第二段，$1好理解吧，\U\E是一个搭配组合，表示中间的字段转换为大写。

问题7：Perl常见的传参变量内容替换套路

这样的代码很常见：传递过来一个变量A，我想对A中的字符串内容进行一些操作（比如替换），但我又不想更改A的内容，那么：

my $A = 'my name is jason' ;
(my $B = $A) =~ s/jason/emma/;
print "A = $A \n";
print "B = $B \n";

#结果是：
A = my name is jason
B = my name is emma

写在最后

本篇内容重在抛砖引玉（cover的内容其实很浅），我墙裂建议学习regex的时候，将更多的尝试和验证放在online regex tester上，实践出真知嘛。