Perl正则表达式进阶
2023-05-04 16:39:20 
阿炯
正则表达式是 Perl 语言的一大特色，也是 Perl 程序中的一大难点，不过如果能够很好的掌握它，就可以轻易地用正则表达式来完成字符串处理的任务。正则表达式（Regular Expression，缩写为regexp，regex或regxp)，又称正规表达式、常规表达式、正规化表示法或正规表示法，是指一个用来描述或者匹配一系列符合某个句法规则的字符串的单个字符串。在很多文本编辑器或其他工具里，正则表达式通常被用来检索和/或替换那些符合某个模式的文本内容。许多程序设计语言都支持利用正则表达式进行字符串操作。例如在Perl中就内建了一个功能强大的在正则表达式引擎。正则表达式这个概念最初是由 Unix 中的工具软件（例如sed和grep）普及开的（摘自维基百科）。
目前业界有两套正则表达式规则，一套是由电气和电子工程师 协会（IEEE）制定的POSIX Extended 1003.2兼容正则，另一套来自PCRE（Perl Compatible Regular Expression）库提供PERL兼容正则，这是个开放源代码的软件，作者为 Philip Hazel。本文可作为《Perl正则表达式入门》的提高版本。
1、正则表达式的三种形式
首先应该知道 Perl 程序中，正则表达式有三种存在形式，分别是：
匹配：m/<regexp>;/ （还可以简写为 /<regexp>;/ ，通常都略去 m）
替换：s/<pattern>;/<replacement>;/
转化：tr/<pattern>;/<replacemnt>;/
这三种形式一般都和 =~ 或 !~ 搭配使用（其中 "=~" 表示相匹配，在整条语句中读作 does，"!~" 表示不匹配，在整条语句中读作 doesn't），并在左侧有待处理的标量变量。如果没有该变量和 =~ !~ 操作符，则默认为处理 $_ 变量中的内容。举例如下：
$str = "I love Perl";
$str =~ m/Perl/; # 表示如果在 $str 中发现 "Perl" 字符串，则返回 "1" 否则返回 "0"。
$str =~ s/Perl/BASH/; # 表示将变量 $str 中的 "Perl" 字符串替换为 "BASH"，如果发生此替换则返回 "1"，否则返回 "0"。
$str !~ tr/A-Z/a-z/; # 表示将变量 $str 中的所有大写字母转化为小写字母，如果转化发生了则返回 "0"，否则返回 "1"。
另外还有：
foreach (@array) { s/a/b/; } # 此处每次循环将从 @array 数组中取出一个元素存放在 $_ 变量中，并对 $_ 进行替换处理。
while (<FILE>;) { print if (m/error/); } # 这一句稍微复杂一些，他将打印 FILE 文件中所有包含 error 字符串的行。
Perl 的正则表达式中如果出现() ，则发生匹配或替换后 () 内的模式被 Perl 解释器自动依次赋给系统 $1, $2 ...... 请看下面的例子：
$string = "I love perl";
$string =~ s/(love)/<$1>;/; # 此时 $1 = "love"，并且该替换的结果是将 $string 变为 "I <love>; perl"
$string = "i love perl";
$string =~ s/(i)(.*)(perl)/<$3>;$2<$1>;/; # 这里 $1 = "i"，$2 = " love "，$3 = "perl"，并且替换后 $string 变为 "<perl>; love <i>;"
替换操作 s/<pattern>;/<replacement>;/ 还可以在末尾加上 e 或 g 参数，它们的含义分别为：
s/<pattern>;/<replacement>;/g 表示把待处理字符串中所有符合 <pattern>; 的模式全部替换为 <replacement>; 字符串，而不是只替换第一个出现的模式。
s/<pattern>;/<replacement>;/e 表示将把 <replacemnet>; 部分当作一个运算符，这个参数用的不多。
比如下面的例子：
$string = "i:love:perl";
$string =~ s/:/*/; #此时 $string="i*love:perl";
$string = "i:love:perl";
$string =~ s/:/*/g; #此时 $string="i*love*perl";
$string =~ tr/*/ /; #此时 $string="i love perl";
$string = "www22cgi44";
$string =~ s/(\d+)/$1*2/e; # (/d+)代表 $string 中的一个或多个数字字符，将这些数字字符执行 *2 的操作，因此最后 $string 变成了 "www44cgi88"。
下面给出一个完整的例子：
#!/usr/bin/perl
print "请输入一个字符串!\n";
$string = <STDIN>; # <STIDN>;代表标准输入，会让使用者输入一字符串
chop($string); # 将$string最后一个换行的字符\n删除掉
if($string =~ /perl/){
print("输入的字符串中有 perl 这个字符串!\n";
}
如果输入的字符串含有 perl 这个字符串的话，就会显示后面的提示信息。
2、正则表达式中的常用模式
下面是正则表达式中的一些常用模式。
/pattern/ 结果
. 匹配除换行符以外的所有字符
x? 匹配 0 次或一次 x 字符串
x* 匹配 0 次或多次 x 字符串，但匹配可能的最少次数
x+ 匹配 1 次或多次 x 字符串，但匹配可能的最少次数
.* 匹配 0 次或一次的任何字符
.+ 匹配 1 次或多次的任何字符
{m} 匹配刚好是 m 个 的指定字符串
{m,n} 匹配在 m个 以上 n个 以下 的指定字符串
{m,} 匹配 m个 以上 的指定字符串
[] 匹配符合 [] 内的字符
[^] 匹配不符合 [] 内的字符
[0-9] 匹配所有数字字符
[a-z] 匹配所有小写字母字符
[^0-9] 匹配所有非数字字符
[^a-z] 匹配所有非小写字母字符
^ 匹配字符开头的字符
$ 匹配字符结尾的字符
\d 匹配一个数字的字符，和 [0-9] 语法一样
\d+ 匹配多个数字字符串，和 [0-9]+ 语法一样
\D 非数字，其他同 \d
\D+ 非数字，其他同 \d+
\w 英文字母或数字的字符串，和 [a-zA-Z_0-9] 语法一样
\w+ 和 [a-zA-Z0-9]+ 语法一样
\W 非英文字母或数字的字符串，和 [^a-zA-Z0-9] 语法一样
\W+ 和 [^a-zA-Z0-9]+ 语法一样
\s 空格，和 [\n\t\r\f] 语法一样
\s+ 和 [\n\t\r\f]+ 一样
\S 非空格，和 [^\n\t\r\f] 语法一样
\S+ 和 [^\n\t\r\f]+ 语法一样
\b 匹配以英文字母,数字为边界的字符串
\B 匹配不以英文字母,数值为边界的字符串
a|b|c 匹配符合a字符 或是b字符 或是c字符 的字符串
abc 匹配含有 abc 的字符串
(pattern) () 这个符号会记住所找寻到的字符串，是一个很实用的语法。第一个 () 内所找到的字符串变成 $1 这个变量或是 \1 变量，第二个 () 内所找到的字符串变成 $2 这个变量或是 \2 变量，以此类推下去。
/pattern/i，i这个参数表示忽略英文大小写，也就是在匹配字符串的时候，不考虑英文的大小写问题。
\ 如果要在 pattern 模式中找寻一个特殊字符，如 "*"，则要在这个字符前加上 \ 符号，这样才会让特殊字符失效。
下面给出一些例子：
范例 说明
/perl/ 找到含有 perl 的字符串
/^perl/ 找到开头是 perl 的字符串
/perl$/ 找到结尾是 perl 的字符串
/c|g|i/ 找到含有 c 或 g 或 i 的字符串
/cg{2,4}i/ 找到 c 后面跟着 2个到 4个 g ，再跟着 i 的字符串
/cg{2,}i/ 找到 c 后面跟着 2个以上 g ，再跟着 i 的字符串
/cg{2}i/ 找到 c 后面跟着 2个 g，再跟着 i 的字符串
/cg*i/ 找到 c 后面跟着 0个或多个 g ，再跟着 i 的字符串，如同/cg{0,}i/
/cg+i/ 找到 c 后面跟着一个以上 g，再跟着 i 的字符串，如同/cg{1,}i/
/cg?i/ 找到 c 后面跟着 0个或是 1个 g ，再跟着 i 的字符串，如同/cg{0,1}i/
/c.i/ 找到 c 后面跟着一个任意字符，再跟着 i 的字符串
/c..i/ 找到 c 后面跟着二个任意字符，再跟着 i 的字符串
/[cgi]/ 找到符合有这三个字符任意一个的字符串
/[^cgi]/ 找到没有这三个字符中任意一个的字符串
/\d/ 找寻符合数字的字符，可以使用/\d+/来表示一个或是多个数字组成的字符串
/\D/ 找寻符合不是数字的字符，可以使用/\D+/来表示一个或是更多个非数字组成的字符串
/\*/ 找寻符合 * 这个字符，因为 * 在常规表达式中有它的特殊意思，所以要在这个特殊符号前加上 \ 符号，这样才会让这个特殊字符失效
/abc/i 找寻符合 abc 的字符串而且不考虑这些字符串的大小写
3、正则表达式的八大原则
如果在 Unix 中曾经使用过 sed、awk、grep 这些命令的话，相信对于 Perl 中的正则表达式(Regular Expression)不会感到陌生。Perl语言由于有这个功能，所以对字符串的处理能力非常强。在Perl程序中经常可以看到正则表达式的运用。正则表达式是初学 Perl 的难点所在，不过只要一旦掌握其语法就可以拥有几乎无限的模式匹配能力，而且 Perl 编程的大部分工作都要掌握常规表达式。下面介绍正则表达式使用过程中的八大原则：
原则1：正则表达式有三种不同形式(匹配(m/ /)，替换(s/ / /eg)和转换(tr/ / /))。
原则2：正则表达式仅对标量进行匹配( $scalar =~ m/a/; 可以工作; @array =~ m/a/ 将把@array作为标量对待，因此可能不会成功)。
原则3：正则表达式匹配一个给定模式的最早的可能匹配。缺省时，仅匹配或替换正则表达式一次( $a = 'string string2'; $a =~ s/string/ /; 导致 $a = 'string 2')。
原则4：正则表达式能够处理双引号所能处理的任意和全部字符( $a =~ m/$varb/ 在匹配前把varb扩展为变量；如果 $varb = 'a' $a = 'as'，$a =~ s/$varb/ /; 等价于 $a =~ s/a/ /; ，执行结果使 $a = " s" )。
原则5：正则表达式在求值过程中产生两种情况：结果状态和反向引用：$a=~ m/pattern/ 表示 $a 中是否有子串 pattern 出现，$a =~ s/(word1)(word2)/$2$1/ 则“调换”这两个单词。
原则6：正则表达式的核心能力在于通配符和多重匹配运算符以及它们如何操作。$a =~ m/\w+/ 匹配一个或多个单词字符；$a =~ m/\d/" 匹配零个或多个数字。
原则7：如果欲匹配不止一个字符集合，Perl使用 "|" 来增加灵活性。如果输入 m/(cat|dog)/ 则相当于“匹配字符串 cat 或者 dog。
原则8：Perl用 (?..) 语法给正则表达式提供扩展功能。
想要学习所有这些原则？建议大家先从简单的开始，并且不断的尝试和实验。实际上如果学会了 $a =~ m/ERROR/ 是在 $a 中查找子串ERROR，那么就已经比在 C 这样的低层语言中得到了更大的处理能力。
4、正则表达式规范
1.定界符
=~ m/there/;
=~ s/there/here/;
还有类型的定界符：
=~ /there/
=~ m#there#;
=~ s#there#here#;
=~ m(there);
=~ s(there)(here);
=~ m{there};
=~ s{there}{here};
=~ m[there];
=~ s[there][here];
=~ m,there,;
=~ s,there,here,;
=~ m.there.;
=~ s.there.here.;
=~ m|there|;
=~ s|there|here|;
=~ m'there';
=~ s'there'here';
2.修改符
修改符一般放在语句最后一个正斜杠（或者其他分隔符）的后面，修改符还可在匹配范式内定义，这是用(? 修改符)来实现的。
/x 允许在范式中加上注释和额外的空白字符，以提高程序的可读性。
/i 允许不分大小写的匹配范式。
/s 单行方式，决定了圆点 . 是否匹配换行符，使用了/s，圆点就匹配换行符，否则就不匹配。
比如：
my $string = ".\n.";
print "The original string is: $string\n";
my $num = $string =~ s|(.)|#|sg;
print "$num occurences change, and be changed to: $string\n";
exit;
/m 多行方式，决定了脱字号 ^ 和美圆符 $ 是否匹配换行符，如果不用/s，^和$只能定位在字串的开始和结束处，它们并不匹配嵌入的换行符，这种情况等同于\A和\Z，否则不仅仅匹配字串的开始和结束，也匹配刚好处在嵌入换行符前后的一个位置。
/o 仅仅一次计算表达式的值
/e 将替代字符串作为一个表达式（仅仅在替代操作时有效）
/g 是一个全局修改符。另外，/g与while使用能在字串的所有匹配中进行遍历。修改符/G必须与/g一起使用，用来匹配前一个/g匹配的停止位置。
比如：
my $string = "~32sda13dAZ.'sDa#!3_C-!";
print "The original string is: $string\n";
my $num = $string =~ s.\w.#.g;
print "$num occurences change, and be changed to: $string\n";
exit;
3.正则里一些特殊字符
() 将表达式结组
[] 寻找一组字符
\d 等于 [0-9]
\D 等于 [^0-9]
\w 等于 [0-9A-Za-z_]
\W 等于 [^0-9A-Za-z_]
\s 等于 [\f\n\r\t]
\S 等于 [^\f\n\r\t]
. 等于 [^\n]
4.关于一些特殊符号
\b 不属于空白字符,向前缩进一个字符
\t 属于空白字符,匹配制表符
\r 属于空白字符,匹配回车符
\a 不属于空白字符,匹配闹钟符
\e 不属于空白字符,匹配转义符
\033 不属于空白字符,匹配八进制符
\x1B 不属于空白字符,匹配十六进制符
\c[ 不属于空白字符,匹配控制字符
\s 属于空白字符,匹配空格
\s 属于空白字符,匹配制表符
\f 属于空白字符,匹配换页符
\n 属于空白字符,匹配换行符
\0 不属于空白字符，功能不详
\c 不属于空白字符，功能不详
\x 不属于空白字符，功能不详
5.注意正则里的选择符的特殊性
选择运算符是所有运算符中优先级最低的，这意味着它最后执行。
6.正则里的限定符的一些经典用法
限定符常常与一些字符或词联合使用
* 匹配任意数个；
+ 匹配一个或多个；
？ 匹配零个或一个；
{n} 匹配 n 个；
{n,m} 匹配 n 至 m 个；
{n,} 匹配 n 和 n 个以上；
限定符贪婪好像与生俱有的。在缺省状态下，*或+限定符匹配满足正则表达式的一个范式的最大实例数。可用'?'号显式的规定限定符的不贪婪。如果问号放在另一个限制符之后（甚至另一个问号之后），都可以使限定符不贪婪。
7.声明与断言
首先注意声明的长度为 0；Perl种有一组控制大小写和换码的声明：
\u 使下一个字母变大写；
\l 使下一个字母变小写；
\U 使文本的剩余字符变成大写；
\L 使文本的剩余字符变成小写；
\Q 会除字母之外的其他字符进行换码处理，直至遇到 \E 声明、常规表达式结束或者字串结束。
\A声明和脱字符号（^）匹配字串的开始；
\Z声明和美元符号（$）匹配字串的结束或刚好在字串结束前的换行符；
\z 只匹配字串的结束；
\b 匹配一个单词（字）边界；
\B 匹配一个非单词（字）边界；
(?#text) 忽略括号内的注释文本；
(?:pattern) 与组一致，但匹配时不生成$1,$2；
(?imsx:pattern) 与组一致，但匹配时不生成$1,$2，在特定的风格有效期间，内嵌风格匹配修饰符；
(?=pattern) 前看声明，如果正则表达式在下一次匹配 pattern 风格，就开始匹配，而且不影响匹配效果。如/\w+(?=\t)/将匹配制表符是否恰好在一个字\w+后面出现，并且制表符不添加到$&的值中；
(?!pattern) 如果正则表达式在后面不匹配 pattern ，才会开始匹配。如/foo(?!bar)/，只有当出现 foo，并且后面不出现 bar 时才开始匹配；
(?<=pattern) 后看声明，只有在pattern已经匹配下面的表达式，并且不将 pattern 的结果放入$&变量中，才匹配下面的语句。如/(?<=\t)\W+/匹配制表符是否恰好在\W+前出现，但又不将制表符送到$&中；
(? (?[code]) 表示对 code 的使用是试验性的。如果返回真，就认为是与(?:pattern)断言同一行里的匹配。code 不插入变量。这个断言仅仅在 use re 'eval' 编译指示符时才有效；
(?>pattern) 如果类型锁定在当前位置，就使用单独的 pattern 匹配子字符串。如正则表达式/^(?>a*)ab/永远不会匹配，因为语句(?>a*)将匹配字符串开头所有的 a 字符，并删除与 ab 匹配的字符 a；
(!<=pattern) 非后看声明，与后看声明意思相反；
(!=pattern) 非前看声明，与前看声明意思相反；
(?(condition)yes-pattern|no-pattern) 条件表达式——条件语句或者是一个圆括号中的整数，或者是一个断言；
(?(condition)yes-pattern)
(?imsx) 嵌入风格匹配修饰符。当要把表达式修改符嵌入在变量中，然后把变量用在不指定自己的修饰符的一般规则表达式中；
(?-imsx) 这个断言很有用——后面带任何内容都会关闭修饰符，直到出现另一个嵌入的修饰符。
8.向后引用
Perl的正则表达式引擎允许使用前面匹配好的值，这些值叫做向后引用。
例如：
=~ m/(\w)\W*(\w)\W*(\w)\W*(\w)\W*\4\W*\3\W*\2\W*\1/;
=~ s/(\w)\W*(\w)\W*(\w)\W*(\w)/$4$3$2$1/;
5、正则表达式的一些杂项
$也能匹配\n
见Perl语言入门，page 132, 注释6
1 /^.*$/能匹配"\n"么？能！因为$不仅能匹配行尾，也能匹配\n；
2 /^.*$/能匹配"b\n"么？能！.能b匹配. \n匹配$；
3 /^.*$/能匹配"\nb"么？不能！为什么？因为默认情况下，.不能匹配\n,把模式改一下变成/^.*$/s就可以了，/s表示.能匹配任意字符，包括\n。
多行匹配/m
看一个代码示例，这段代码输出：hello
my $text = "hello, world,\nhello zdd,\nhello autumn";
while ( $text =~ /^hello/g ) {
print "hello\n"
}
稍微改变一下，加上/m选项
my $text = "hello, world,\nhello freeoa,\nhello autumn";
while ( $text =~ /^hello/mg ) {
print "hello\n"
}
现在输出变成了
hello
hello
hello
注解：默认情况下，^和$匹配整个字符串的开头和结尾，但是加上/m之后，^和$就匹配每行的开头和结尾。也就是说，因为字符串中有换行符\n，所以/m选项使得^$匹配每行的开头和结尾。如果字符串中没有换行符，那么/m选项是不起作用的。
6、正则表达式实例详解
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123456@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abc12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。
5. 匹配空白行
^$ : 开头之后马上结束：空白行，不包括任何字符
\n\s*\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 (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 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）：220 yzwb.net ESMTP MDaemon 10.1.2;
m|^220[ -]([-.\w]+) ESMTP MDaemon (\d[-.\w]+);
3）：AMQP\x01\x01\x00\n
m|^AMQP\x01\x01\x00\x0a$|;
注意回车键\n对应16进制\x0a,\r对应\x0d.
Nmap nmap-services-probe文件给出的匹配
正则元字符
元字符是正则表达式组成的基本元素。
利用上述元字符，可以组合出所有想要的匹配模式，下面介绍几个常用的正则表达式。
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)： [^\x00-\xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行
匹配HTML标记的正则表达式： <(\S*?)[^>]*>.*?</\1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
匹配首尾空白字符的正则表达式： ^\s*|\s*$
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+)*
评注：表单验证时很实用
匹配网址URL的正则表达式： [a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)： ^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用
匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-4405222 或 028-87888822
匹配腾讯QQ号： [1-9][0-9]{4,}
评注：腾讯QQ号从10000开始
匹配中国邮政编码： [1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字
匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位
匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用
匹配特定数字：
^[1-9]\d*$ //匹配正整数
^-[1-9]\d*$ //匹配负整数
^-?[1-9]\d*$ //匹配整数
^[1-9]\d*|0$ //匹配非负整数（正整数 + 0）
^-[1-9]\d*|0$ //匹配非正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ //匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正。
匹配特定字符串：
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
小结
1）不同的场景、不同的语言，正则会有些许差别，只要掌握住基本的元字符以及相应的语言特性，真正用的时候花10几分钟时间熟悉一两个例子就能上手。
2）Perl正则是目前最优的，包括特性，建议读者学一学，这对处理数据有很大的好处。
7、与POSIX标准的正则表达式关系
定界符：
POSIX兼容正则没有定界符，函数的相应参数会被认为是正则。PERL兼容正则可以使用任何不是字母、数字或反斜线（\）的字符作为定界符，如果作为定界符的字符必须被用在表达式本身中，则需要用反斜线转义。也可以使用()，{}，[] 和 <> 作为定界符
修正符：
POSIX兼容正则没有修正符。PERL兼容正则中可能使用的修正符（修正符中的空格和换行被忽略，其它字符会导致错误）：
i (PCRE_CASELESS)：
匹配时忽略大小写。
m（PCRE_MULTILINE）：
当设定了此修正符，行起始(^)和行结束($)除了匹配整个字符串开头和结束外，还分别匹配其中的换行符(\n)的之后和之前。
s（PCRE_DOTALL）：
如果设定了此修正符，模式中的圆点元字符（.）匹配所有的字符，包括换行符。没有此设定的话，则不包括换行符。
x（PCRE_EXTENDED）：
如果设定了此修正符，模式中的空白字符除了被转义的或在字符类中的以外完全被忽略。
A（PCRE_ANCHORED）：
如果设定了此修正符，模式被强制为“anchored”，即强制仅从目标字符串的开头开始匹配。
D（PCRE_DOLLAR_ENDONLY）：
如果设定了此修正符，模式中的行结束($)仅匹配目标字符串的结尾。没有此选项时，如果最后一个字符是换行符的话，也会被匹配在里面。如果设定了 m 修正符则忽略此选项。
S：
当一个模式将被使用若干次时，为加速匹配起见值得先对其进行分析。如果设定了此修正符则会进行额外的分析。目前，分析一个模式仅对没有单一固定起始字符的 non-anchored 模式有用。
U（PCRE_UNGREEDY）：
使“?”的默认匹配成为贪婪状态的。
X（PCRE_EXTRA）：
模式中的任何反斜线后面跟上一个没有特殊意义的字母导致一个错误，从而保留此组合以备将来扩充。默认情况下，一个反斜线后面跟一个没有特殊意义的字母被当成该字母本身。
u（PCRE_UTF8）：
模式字符串被当成UTF-8。
逻辑区隔：
POSIX兼容正则和PERL兼容正则的逻辑区隔符号作用和使用方法完全一致：
[]：包含任选一操作的相关信息。
{}：包含匹配次数的相关信息。
()：包含一个逻辑区间的相关信息，可被用来进行引用操作。
|：表示“或”，[ab]和a|b是等价的。
元字符与“[]”相关：
有两组不同的元字符：一种是模式中除了方括号内都能被识别的，还有一种是在方括号“[]”内被识别的。
POSIX兼容正则和PERL兼容正则“[]之外”“一致”的元字符：
\ 有数种用途的通用转义符
^ 匹配字符串的开头
$ 匹配字符串的结尾
? 匹配0或者1
* 匹配 0 个或多个前面指定类型的字符
+ 匹配 1 个或多个前面指定类型的字符
POSIX兼容正则和PERL兼容正则“[]之外”“不一致”的元字符：
PERL兼容正则匹配除了换行符外的任意一个字符，POSIX兼容正则匹配任意一个字符
POSIX兼容正则和PERL兼容正则“[]之内”“一致”的元字符：
\ 有数种用途的通用转义符
^ 取反字符，但仅当其为第一个字符时有效
- 指定字符ASCII范围，仔细研究ASCII码，你会发现[W-c]等价于[WXYZ\\^_`abc]
POSIX兼容正则和PERL兼容正则“[]之内”“不一致”的元字符：
POSIX兼容正则中[a-c-e]的指定会抛出错误，PERL兼容正则中[a-c-e]的指定等价于[a-e]。
匹配次数与“{}”相关：
POSIX兼容正则和PERL兼容正则在匹配次数方面完全一致：
{2}：表示匹配前面的字符2次
{2,}：表示匹配前面的字符2次或多次，默认都是贪婪（尽可能多）的匹配
{2,4}：表示匹配前面的字符2次或4次
类型匹配：
POSIX兼容正则：
[:upper:]：匹配所有的大写字母
[:lower:]：匹配所有的小写字母
[:alpha:]：匹配所有的字母
[:alnum:]：匹配所有的字母和数字
[:digit:]：匹配所有的数字
[:xdigit:]：匹配所有的十六进制字符，等价于[0-9A-Fa-f]
[:punct:]：匹配所有的标点符号，等价于 [.,"'?!;:]
[:blank:]：匹配空格和TAB，等价于[ \t]
[:space:]：匹配所有的空白字符，等价于[ \t\n\r\f\v]
[:cntrl:]：匹配所有ASCII 0到31之间的控制符。
[:graph:]：匹配所有的可打印字符，等价于：[^ \t\n\r\f\v]
[:print:]：匹配所有的可打印字符和空格，等价于：[^\t\n\r\f\v]
[.c.]：功能不明
[=c=]：功能不明
[:<:]：匹配单词的开始
[:>:]：匹配单词的结尾
PERL兼容正则（在此可以看出PERL正则的强大）：
\a alarm，即 BEL 字符（'0）
\cx "control-x"，其中 x 是任意字符
\e escape（'0B）
\f 换页符 formfeed（'0C）
\n 换行符 newline（'0A）
\r 回车符 carriage return（'0D）
\t 制表符 tab（'0）
\xhh 十六进制代码为 hh 的字符
\ddd 八进制代码为 ddd 的字符，或 backreference
\d 任一十进制数字
\D 任一非十进制数的字符
\s 任一空白字符
\S 任一非空白字符
\w 任一“字”的字符
\W 任一“非字”的字符
\b 字分界线
\B 非字分界线
\A 目标的开头（独立于多行模式）
\Z 目标的结尾或位于结尾的换行符前（独立于多行模式）
\z 目标的结尾（独立于多行模式）
\G 目标中的第一个匹配位置
目前业界有两套正则表达式规则，一套是由电气和电子工程师 协会（IEEE）制定的POSIX Extended 1003.2兼容正则，另一套来自PCRE（Perl Compatible Regular Expression）库提供PERL兼容正则，这是个开放源代码的软件，作者为 Philip Hazel。本文可作为《Perl正则表达式入门》的提高版本。
1、正则表达式的三种形式
首先应该知道 Perl 程序中，正则表达式有三种存在形式，分别是：
匹配：m/<regexp>;/ （还可以简写为 /<regexp>;/ ，通常都略去 m）
替换：s/<pattern>;/<replacement>;/
转化：tr/<pattern>;/<replacemnt>;/
这三种形式一般都和 =~ 或 !~ 搭配使用（其中 "=~" 表示相匹配，在整条语句中读作 does，"!~" 表示不匹配，在整条语句中读作 doesn't），并在左侧有待处理的标量变量。如果没有该变量和 =~ !~ 操作符，则默认为处理 $_ 变量中的内容。举例如下：
$str = "I love Perl";
$str =~ m/Perl/; # 表示如果在 $str 中发现 "Perl" 字符串，则返回 "1" 否则返回 "0"。
$str =~ s/Perl/BASH/; # 表示将变量 $str 中的 "Perl" 字符串替换为 "BASH"，如果发生此替换则返回 "1"，否则返回 "0"。
$str !~ tr/A-Z/a-z/; # 表示将变量 $str 中的所有大写字母转化为小写字母，如果转化发生了则返回 "0"，否则返回 "1"。
另外还有：
foreach (@array) { s/a/b/; } # 此处每次循环将从 @array 数组中取出一个元素存放在 $_ 变量中，并对 $_ 进行替换处理。
while (<FILE>;) { print if (m/error/); } # 这一句稍微复杂一些，他将打印 FILE 文件中所有包含 error 字符串的行。
Perl 的正则表达式中如果出现() ，则发生匹配或替换后 () 内的模式被 Perl 解释器自动依次赋给系统 $1, $2 ...... 请看下面的例子：
$string = "I love perl";
$string =~ s/(love)/<$1>;/; # 此时 $1 = "love"，并且该替换的结果是将 $string 变为 "I <love>; perl"
$string = "i love perl";
$string =~ s/(i)(.*)(perl)/<$3>;$2<$1>;/; # 这里 $1 = "i"，$2 = " love "，$3 = "perl"，并且替换后 $string 变为 "<perl>; love <i>;"
替换操作 s/<pattern>;/<replacement>;/ 还可以在末尾加上 e 或 g 参数，它们的含义分别为：
s/<pattern>;/<replacement>;/g 表示把待处理字符串中所有符合 <pattern>; 的模式全部替换为 <replacement>; 字符串，而不是只替换第一个出现的模式。
s/<pattern>;/<replacement>;/e 表示将把 <replacemnet>; 部分当作一个运算符，这个参数用的不多。
比如下面的例子：
$string = "i:love:perl";
$string =~ s/:/*/; #此时 $string="i*love:perl";
$string = "i:love:perl";
$string =~ s/:/*/g; #此时 $string="i*love*perl";
$string =~ tr/*/ /; #此时 $string="i love perl";
$string = "www22cgi44";
$string =~ s/(\d+)/$1*2/e; # (/d+)代表 $string 中的一个或多个数字字符，将这些数字字符执行 *2 的操作，因此最后 $string 变成了 "www44cgi88"。
下面给出一个完整的例子：
#!/usr/bin/perl
print "请输入一个字符串!\n";
$string = <STDIN>; # <STIDN>;代表标准输入，会让使用者输入一字符串
chop($string); # 将$string最后一个换行的字符\n删除掉
if($string =~ /perl/){
print("输入的字符串中有 perl 这个字符串!\n";
}
如果输入的字符串含有 perl 这个字符串的话，就会显示后面的提示信息。
2、正则表达式中的常用模式
下面是正则表达式中的一些常用模式。
/pattern/ 结果
. 匹配除换行符以外的所有字符
x? 匹配 0 次或一次 x 字符串
x* 匹配 0 次或多次 x 字符串，但匹配可能的最少次数
x+ 匹配 1 次或多次 x 字符串，但匹配可能的最少次数
.* 匹配 0 次或一次的任何字符
.+ 匹配 1 次或多次的任何字符
{m} 匹配刚好是 m 个 的指定字符串
{m,n} 匹配在 m个 以上 n个 以下 的指定字符串
{m,} 匹配 m个 以上 的指定字符串
[] 匹配符合 [] 内的字符
[^] 匹配不符合 [] 内的字符
[0-9] 匹配所有数字字符
[a-z] 匹配所有小写字母字符
[^0-9] 匹配所有非数字字符
[^a-z] 匹配所有非小写字母字符
^ 匹配字符开头的字符
$ 匹配字符结尾的字符
\d 匹配一个数字的字符，和 [0-9] 语法一样
\d+ 匹配多个数字字符串，和 [0-9]+ 语法一样
\D 非数字，其他同 \d
\D+ 非数字，其他同 \d+
\w 英文字母或数字的字符串，和 [a-zA-Z_0-9] 语法一样
\w+ 和 [a-zA-Z0-9]+ 语法一样
\W 非英文字母或数字的字符串，和 [^a-zA-Z0-9] 语法一样
\W+ 和 [^a-zA-Z0-9]+ 语法一样
\s 空格，和 [\n\t\r\f] 语法一样
\s+ 和 [\n\t\r\f]+ 一样
\S 非空格，和 [^\n\t\r\f] 语法一样
\S+ 和 [^\n\t\r\f]+ 语法一样
\b 匹配以英文字母,数字为边界的字符串
\B 匹配不以英文字母,数值为边界的字符串
a|b|c 匹配符合a字符 或是b字符 或是c字符 的字符串
abc 匹配含有 abc 的字符串
(pattern) () 这个符号会记住所找寻到的字符串，是一个很实用的语法。第一个 () 内所找到的字符串变成 $1 这个变量或是 \1 变量，第二个 () 内所找到的字符串变成 $2 这个变量或是 \2 变量，以此类推下去。
/pattern/i，i这个参数表示忽略英文大小写，也就是在匹配字符串的时候，不考虑英文的大小写问题。
\ 如果要在 pattern 模式中找寻一个特殊字符，如 "*"，则要在这个字符前加上 \ 符号，这样才会让特殊字符失效。
下面给出一些例子：
范例 说明
/perl/ 找到含有 perl 的字符串
/^perl/ 找到开头是 perl 的字符串
/perl$/ 找到结尾是 perl 的字符串
/c|g|i/ 找到含有 c 或 g 或 i 的字符串
/cg{2,4}i/ 找到 c 后面跟着 2个到 4个 g ，再跟着 i 的字符串
/cg{2,}i/ 找到 c 后面跟着 2个以上 g ，再跟着 i 的字符串
/cg{2}i/ 找到 c 后面跟着 2个 g，再跟着 i 的字符串
/cg*i/ 找到 c 后面跟着 0个或多个 g ，再跟着 i 的字符串，如同/cg{0,}i/
/cg+i/ 找到 c 后面跟着一个以上 g，再跟着 i 的字符串，如同/cg{1,}i/
/cg?i/ 找到 c 后面跟着 0个或是 1个 g ，再跟着 i 的字符串，如同/cg{0,1}i/
/c.i/ 找到 c 后面跟着一个任意字符，再跟着 i 的字符串
/c..i/ 找到 c 后面跟着二个任意字符，再跟着 i 的字符串
/[cgi]/ 找到符合有这三个字符任意一个的字符串
/[^cgi]/ 找到没有这三个字符中任意一个的字符串
/\d/ 找寻符合数字的字符，可以使用/\d+/来表示一个或是多个数字组成的字符串
/\D/ 找寻符合不是数字的字符，可以使用/\D+/来表示一个或是更多个非数字组成的字符串
/\*/ 找寻符合 * 这个字符，因为 * 在常规表达式中有它的特殊意思，所以要在这个特殊符号前加上 \ 符号，这样才会让这个特殊字符失效
/abc/i 找寻符合 abc 的字符串而且不考虑这些字符串的大小写
3、正则表达式的八大原则
如果在 Unix 中曾经使用过 sed、awk、grep 这些命令的话，相信对于 Perl 中的正则表达式(Regular Expression)不会感到陌生。Perl语言由于有这个功能，所以对字符串的处理能力非常强。在Perl程序中经常可以看到正则表达式的运用。正则表达式是初学 Perl 的难点所在，不过只要一旦掌握其语法就可以拥有几乎无限的模式匹配能力，而且 Perl 编程的大部分工作都要掌握常规表达式。下面介绍正则表达式使用过程中的八大原则：
原则1：正则表达式有三种不同形式(匹配(m/ /)，替换(s/ / /eg)和转换(tr/ / /))。
原则2：正则表达式仅对标量进行匹配( $scalar =~ m/a/; 可以工作; @array =~ m/a/ 将把@array作为标量对待，因此可能不会成功)。
原则3：正则表达式匹配一个给定模式的最早的可能匹配。缺省时，仅匹配或替换正则表达式一次( $a = 'string string2'; $a =~ s/string/ /; 导致 $a = 'string 2')。
原则4：正则表达式能够处理双引号所能处理的任意和全部字符( $a =~ m/$varb/ 在匹配前把varb扩展为变量；如果 $varb = 'a' $a = 'as'，$a =~ s/$varb/ /; 等价于 $a =~ s/a/ /; ，执行结果使 $a = " s" )。
原则5：正则表达式在求值过程中产生两种情况：结果状态和反向引用：$a=~ m/pattern/ 表示 $a 中是否有子串 pattern 出现，$a =~ s/(word1)(word2)/$2$1/ 则“调换”这两个单词。
原则6：正则表达式的核心能力在于通配符和多重匹配运算符以及它们如何操作。$a =~ m/\w+/ 匹配一个或多个单词字符；$a =~ m/\d/" 匹配零个或多个数字。
原则7：如果欲匹配不止一个字符集合，Perl使用 "|" 来增加灵活性。如果输入 m/(cat|dog)/ 则相当于“匹配字符串 cat 或者 dog。
原则8：Perl用 (?..) 语法给正则表达式提供扩展功能。
想要学习所有这些原则？建议大家先从简单的开始，并且不断的尝试和实验。实际上如果学会了 $a =~ m/ERROR/ 是在 $a 中查找子串ERROR，那么就已经比在 C 这样的低层语言中得到了更大的处理能力。
4、正则表达式规范
1.定界符
=~ m/there/;
=~ s/there/here/;
还有类型的定界符：
=~ /there/
=~ m#there#;
=~ s#there#here#;
=~ m(there);
=~ s(there)(here);
=~ m{there};
=~ s{there}{here};
=~ m[there];
=~ s[there][here];
=~ m,there,;
=~ s,there,here,;
=~ m.there.;
=~ s.there.here.;
=~ m|there|;
=~ s|there|here|;
=~ m'there';
=~ s'there'here';
2.修改符
修改符一般放在语句最后一个正斜杠（或者其他分隔符）的后面，修改符还可在匹配范式内定义，这是用(? 修改符)来实现的。
/x 允许在范式中加上注释和额外的空白字符，以提高程序的可读性。
/i 允许不分大小写的匹配范式。
/s 单行方式，决定了圆点 . 是否匹配换行符，使用了/s，圆点就匹配换行符，否则就不匹配。
比如：
my $string = ".\n.";
print "The original string is: $string\n";
my $num = $string =~ s|(.)|#|sg;
print "$num occurences change, and be changed to: $string\n";
exit;
/m 多行方式，决定了脱字号 ^ 和美圆符 $ 是否匹配换行符，如果不用/s，^和$只能定位在字串的开始和结束处，它们并不匹配嵌入的换行符，这种情况等同于\A和\Z，否则不仅仅匹配字串的开始和结束，也匹配刚好处在嵌入换行符前后的一个位置。
/o 仅仅一次计算表达式的值
/e 将替代字符串作为一个表达式（仅仅在替代操作时有效）
/g 是一个全局修改符。另外，/g与while使用能在字串的所有匹配中进行遍历。修改符/G必须与/g一起使用，用来匹配前一个/g匹配的停止位置。
比如：
my $string = "~32sda13dAZ.'sDa#!3_C-!";
print "The original string is: $string\n";
my $num = $string =~ s.\w.#.g;
print "$num occurences change, and be changed to: $string\n";
exit;
3.正则里一些特殊字符
() 将表达式结组
[] 寻找一组字符
\d 等于 [0-9]
\D 等于 [^0-9]
\w 等于 [0-9A-Za-z_]
\W 等于 [^0-9A-Za-z_]
\s 等于 [\f\n\r\t]
\S 等于 [^\f\n\r\t]
. 等于 [^\n]
4.关于一些特殊符号
\b 不属于空白字符,向前缩进一个字符
\t 属于空白字符,匹配制表符
\r 属于空白字符,匹配回车符
\a 不属于空白字符,匹配闹钟符
\e 不属于空白字符,匹配转义符
\033 不属于空白字符,匹配八进制符
\x1B 不属于空白字符,匹配十六进制符
\c[ 不属于空白字符,匹配控制字符
\s 属于空白字符,匹配空格
\s 属于空白字符,匹配制表符
\f 属于空白字符,匹配换页符
\n 属于空白字符,匹配换行符
\0 不属于空白字符，功能不详
\c 不属于空白字符，功能不详
\x 不属于空白字符，功能不详
5.注意正则里的选择符的特殊性
选择运算符是所有运算符中优先级最低的，这意味着它最后执行。
6.正则里的限定符的一些经典用法
限定符常常与一些字符或词联合使用
* 匹配任意数个；
+ 匹配一个或多个；
？ 匹配零个或一个；
{n} 匹配 n 个；
{n,m} 匹配 n 至 m 个；
{n,} 匹配 n 和 n 个以上；
限定符贪婪好像与生俱有的。在缺省状态下，*或+限定符匹配满足正则表达式的一个范式的最大实例数。可用'?'号显式的规定限定符的不贪婪。如果问号放在另一个限制符之后（甚至另一个问号之后），都可以使限定符不贪婪。
7.声明与断言
首先注意声明的长度为 0；Perl种有一组控制大小写和换码的声明：
\u 使下一个字母变大写；
\l 使下一个字母变小写；
\U 使文本的剩余字符变成大写；
\L 使文本的剩余字符变成小写；
\Q 会除字母之外的其他字符进行换码处理，直至遇到 \E 声明、常规表达式结束或者字串结束。
\A声明和脱字符号（^）匹配字串的开始；
\Z声明和美元符号（$）匹配字串的结束或刚好在字串结束前的换行符；
\z 只匹配字串的结束；
\b 匹配一个单词（字）边界；
\B 匹配一个非单词（字）边界；
(?#text) 忽略括号内的注释文本；
(?:pattern) 与组一致，但匹配时不生成$1,$2；
(?imsx:pattern) 与组一致，但匹配时不生成$1,$2，在特定的风格有效期间，内嵌风格匹配修饰符；
(?=pattern) 前看声明，如果正则表达式在下一次匹配 pattern 风格，就开始匹配，而且不影响匹配效果。如/\w+(?=\t)/将匹配制表符是否恰好在一个字\w+后面出现，并且制表符不添加到$&的值中；
(?!pattern) 如果正则表达式在后面不匹配 pattern ，才会开始匹配。如/foo(?!bar)/，只有当出现 foo，并且后面不出现 bar 时才开始匹配；
(?<=pattern) 后看声明，只有在pattern已经匹配下面的表达式，并且不将 pattern 的结果放入$&变量中，才匹配下面的语句。如/(?<=\t)\W+/匹配制表符是否恰好在\W+前出现，但又不将制表符送到$&中；
(? (?[code]) 表示对 code 的使用是试验性的。如果返回真，就认为是与(?:pattern)断言同一行里的匹配。code 不插入变量。这个断言仅仅在 use re 'eval' 编译指示符时才有效；
(?>pattern) 如果类型锁定在当前位置，就使用单独的 pattern 匹配子字符串。如正则表达式/^(?>a*)ab/永远不会匹配，因为语句(?>a*)将匹配字符串开头所有的 a 字符，并删除与 ab 匹配的字符 a；
(!<=pattern) 非后看声明，与后看声明意思相反；
(!=pattern) 非前看声明，与前看声明意思相反；
(?(condition)yes-pattern|no-pattern) 条件表达式——条件语句或者是一个圆括号中的整数，或者是一个断言；
(?(condition)yes-pattern)
(?imsx) 嵌入风格匹配修饰符。当要把表达式修改符嵌入在变量中，然后把变量用在不指定自己的修饰符的一般规则表达式中；
(?-imsx) 这个断言很有用——后面带任何内容都会关闭修饰符，直到出现另一个嵌入的修饰符。
8.向后引用
Perl的正则表达式引擎允许使用前面匹配好的值，这些值叫做向后引用。
例如：
=~ m/(\w)\W*(\w)\W*(\w)\W*(\w)\W*\4\W*\3\W*\2\W*\1/;
=~ s/(\w)\W*(\w)\W*(\w)\W*(\w)/$4$3$2$1/;
5、正则表达式的一些杂项
$也能匹配\n
见Perl语言入门，page 132, 注释6
1 /^.*$/能匹配"\n"么？能！因为$不仅能匹配行尾，也能匹配\n；
2 /^.*$/能匹配"b\n"么？能！.能b匹配. \n匹配$；
3 /^.*$/能匹配"\nb"么？不能！为什么？因为默认情况下，.不能匹配\n,把模式改一下变成/^.*$/s就可以了，/s表示.能匹配任意字符，包括\n。
多行匹配/m
看一个代码示例，这段代码输出：hello
my $text = "hello, world,\nhello zdd,\nhello autumn";
while ( $text =~ /^hello/g ) {
print "hello\n"
}
稍微改变一下，加上/m选项
my $text = "hello, world,\nhello freeoa,\nhello autumn";
while ( $text =~ /^hello/mg ) {
print "hello\n"
}
现在输出变成了
hello
hello
hello
注解：默认情况下，^和$匹配整个字符串的开头和结尾，但是加上/m之后，^和$就匹配每行的开头和结尾。也就是说，因为字符串中有换行符\n，所以/m选项使得^$匹配每行的开头和结尾。如果字符串中没有换行符，那么/m选项是不起作用的。
6、正则表达式实例详解
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123456@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abc12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。
5. 匹配空白行
^$ : 开头之后马上结束：空白行，不包括任何字符
\n\s*\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 (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 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）：220 yzwb.net ESMTP MDaemon 10.1.2;
m|^220[ -]([-.\w]+) ESMTP MDaemon (\d[-.\w]+);
3）：AMQP\x01\x01\x00\n
m|^AMQP\x01\x01\x00\x0a$|;
注意回车键\n对应16进制\x0a,\r对应\x0d.
Nmap nmap-services-probe文件给出的匹配
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 ' |
| (?: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 (?=95|98|NT|2000)' 能匹配 "Windows 2000" 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 (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 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， 'er\b' 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。'er\B' 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 [ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
| \t | 匹配一个制表符。等价于 \x09 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， '\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "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， \u00A9 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： [\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)： [^\x00-\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：\n\s*\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+)*
评注：表单验证时很实用
匹配网址URL的正则表达式： [a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)： ^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用
匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-4405222 或 028-87888822
匹配腾讯QQ号： [1-9][0-9]{4,}
评注：腾讯QQ号从10000开始
匹配中国邮政编码： [1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字
匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位
匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用
匹配特定数字：
^[1-9]\d*$ //匹配正整数
^-[1-9]\d*$ //匹配负整数
^-?[1-9]\d*$ //匹配整数
^[1-9]\d*|0$ //匹配非负整数（正整数 + 0）
^-[1-9]\d*|0$ //匹配非正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ //匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正。
匹配特定字符串：
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
小结
1）不同的场景、不同的语言，正则会有些许差别，只要掌握住基本的元字符以及相应的语言特性，真正用的时候花10几分钟时间熟悉一两个例子就能上手。
2）Perl正则是目前最优的，包括特性，建议读者学一学，这对处理数据有很大的好处。
7、与POSIX标准的正则表达式关系
定界符：
POSIX兼容正则没有定界符，函数的相应参数会被认为是正则。PERL兼容正则可以使用任何不是字母、数字或反斜线（\）的字符作为定界符，如果作为定界符的字符必须被用在表达式本身中，则需要用反斜线转义。也可以使用()，{}，[] 和 <> 作为定界符
修正符：
POSIX兼容正则没有修正符。PERL兼容正则中可能使用的修正符（修正符中的空格和换行被忽略，其它字符会导致错误）：
i (PCRE_CASELESS)：
匹配时忽略大小写。
m（PCRE_MULTILINE）：
当设定了此修正符，行起始(^)和行结束($)除了匹配整个字符串开头和结束外，还分别匹配其中的换行符(\n)的之后和之前。
s（PCRE_DOTALL）：
如果设定了此修正符，模式中的圆点元字符（.）匹配所有的字符，包括换行符。没有此设定的话，则不包括换行符。
x（PCRE_EXTENDED）：
如果设定了此修正符，模式中的空白字符除了被转义的或在字符类中的以外完全被忽略。
A（PCRE_ANCHORED）：
如果设定了此修正符，模式被强制为“anchored”，即强制仅从目标字符串的开头开始匹配。
D（PCRE_DOLLAR_ENDONLY）：
如果设定了此修正符，模式中的行结束($)仅匹配目标字符串的结尾。没有此选项时，如果最后一个字符是换行符的话，也会被匹配在里面。如果设定了 m 修正符则忽略此选项。
S：
当一个模式将被使用若干次时，为加速匹配起见值得先对其进行分析。如果设定了此修正符则会进行额外的分析。目前，分析一个模式仅对没有单一固定起始字符的 non-anchored 模式有用。
U（PCRE_UNGREEDY）：
使“?”的默认匹配成为贪婪状态的。
X（PCRE_EXTRA）：
模式中的任何反斜线后面跟上一个没有特殊意义的字母导致一个错误，从而保留此组合以备将来扩充。默认情况下，一个反斜线后面跟一个没有特殊意义的字母被当成该字母本身。
u（PCRE_UTF8）：
模式字符串被当成UTF-8。
逻辑区隔：
POSIX兼容正则和PERL兼容正则的逻辑区隔符号作用和使用方法完全一致：
[]：包含任选一操作的相关信息。
{}：包含匹配次数的相关信息。
()：包含一个逻辑区间的相关信息，可被用来进行引用操作。
|：表示“或”，[ab]和a|b是等价的。
元字符与“[]”相关：
有两组不同的元字符：一种是模式中除了方括号内都能被识别的，还有一种是在方括号“[]”内被识别的。
POSIX兼容正则和PERL兼容正则“[]之外”“一致”的元字符：
\ 有数种用途的通用转义符
^ 匹配字符串的开头
$ 匹配字符串的结尾
? 匹配0或者1
* 匹配 0 个或多个前面指定类型的字符
+ 匹配 1 个或多个前面指定类型的字符
POSIX兼容正则和PERL兼容正则“[]之外”“不一致”的元字符：
PERL兼容正则匹配除了换行符外的任意一个字符，POSIX兼容正则匹配任意一个字符
POSIX兼容正则和PERL兼容正则“[]之内”“一致”的元字符：
\ 有数种用途的通用转义符
^ 取反字符，但仅当其为第一个字符时有效
- 指定字符ASCII范围，仔细研究ASCII码，你会发现[W-c]等价于[WXYZ\\^_`abc]
POSIX兼容正则和PERL兼容正则“[]之内”“不一致”的元字符：
POSIX兼容正则中[a-c-e]的指定会抛出错误，PERL兼容正则中[a-c-e]的指定等价于[a-e]。
匹配次数与“{}”相关：
POSIX兼容正则和PERL兼容正则在匹配次数方面完全一致：
{2}：表示匹配前面的字符2次
{2,}：表示匹配前面的字符2次或多次，默认都是贪婪（尽可能多）的匹配
{2,4}：表示匹配前面的字符2次或4次
类型匹配：
POSIX兼容正则：
[:upper:]：匹配所有的大写字母
[:lower:]：匹配所有的小写字母
[:alpha:]：匹配所有的字母
[:alnum:]：匹配所有的字母和数字
[:digit:]：匹配所有的数字
[:xdigit:]：匹配所有的十六进制字符，等价于[0-9A-Fa-f]
[:punct:]：匹配所有的标点符号，等价于 [.,"'?!;:]
[:blank:]：匹配空格和TAB，等价于[ \t]
[:space:]：匹配所有的空白字符，等价于[ \t\n\r\f\v]
[:cntrl:]：匹配所有ASCII 0到31之间的控制符。
[:graph:]：匹配所有的可打印字符，等价于：[^ \t\n\r\f\v]
[:print:]：匹配所有的可打印字符和空格，等价于：[^\t\n\r\f\v]
[.c.]：功能不明
[=c=]：功能不明
[:<:]：匹配单词的开始
[:>:]：匹配单词的结尾
PERL兼容正则（在此可以看出PERL正则的强大）：
\a alarm，即 BEL 字符（'0）
\cx "control-x"，其中 x 是任意字符
\e escape（'0B）
\f 换页符 formfeed（'0C）
\n 换行符 newline（'0A）
\r 回车符 carriage return（'0D）
\t 制表符 tab（'0）
\xhh 十六进制代码为 hh 的字符
\ddd 八进制代码为 ddd 的字符，或 backreference
\d 任一十进制数字
\D 任一非十进制数的字符
\s 任一空白字符
\S 任一非空白字符
\w 任一“字”的字符
\W 任一“非字”的字符
\b 字分界线
\B 非字分界线
\A 目标的开头（独立于多行模式）
\Z 目标的结尾或位于结尾的换行符前（独立于多行模式）
\z 目标的结尾（独立于多行模式）
\G 目标中的第一个匹配位置