home *** CD-ROM | disk | FTP | other *** search
/ IRIX Base Documentation 1998 November / IRIX 6.5.2 Base Documentation November 1998.img / usr / share / catman / u_man / cat1 / perlfaq6.z / perlfaq6
Text File  |  1998-10-30  |  34KB  |  859 lines

  1.  
  2.  
  3.  
  4. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  5.  
  6.  
  7.  
  8. NNNNAAAAMMMMEEEE
  9.      perlfaq6 - Regexps ($Revision: 1.17 $, $Date: 1997/04/24 22:44:10 $)
  10.  
  11. DDDDEEEESSSSCCCCRRRRIIIIPPPPTTTTIIIIOOOONNNN
  12.      This section is surprisingly small because the rest of the FAQ is
  13.      littered with answers involving regular expressions.  For example,
  14.      decoding a URL and checking whether something is a number are handled
  15.      with regular expressions, but those answers are found elsewhere in this
  16.      document (in the section on Data and the Networking one on networking, to
  17.      be precise).
  18.  
  19.      HHHHoooowwww ccccaaaannnn IIII hhhhooooppppeeee ttttoooo uuuusssseeee rrrreeeegggguuuullllaaaarrrr eeeexxxxpppprrrreeeessssssssiiiioooonnnnssss wwwwiiiitttthhhhoooouuuutttt ccccrrrreeeeaaaattttiiiinnnngggg iiiilllllllleeeeggggiiiibbbblllleeee aaaannnndddd
  20.      uuuunnnnmmmmaaaaiiiinnnnttttaaaaiiiinnnnaaaabbbblllleeee ccccooooddddeeee????
  21.  
  22.      Three techniques can make regular expressions maintainable and
  23.      understandable.
  24.  
  25.      Comments Outside the Regexp
  26.          Describe what you're doing and how you're doing it, using normal Perl
  27.          comments.
  28.  
  29.              # turn the line into the first word, a colon, and the
  30.              # number of characters on the rest of the line
  31.              s/^(\w+)(.*)/ lc($1) . ":" . length($2) /ge;
  32.  
  33.  
  34.      Comments Inside the Regexp
  35.          The /x modifier causes whitespace to be ignored in a regexp pattern
  36.          (except in a character class), and also allows you to use normal
  37.          comments there, too.  As you can imagine, whitespace and comments
  38.          help a lot.
  39.  
  40.          /x lets you turn this:
  41.  
  42.              s{<(?:[^>'"]*|".*?"|'.*?')+>}{}gs;
  43.  
  44.          into this:
  45.  
  46.              s{ <                    # opening angle bracket
  47.                  (?:                 # Non-backreffing grouping paren
  48.                       [^>'"] *       # 0 or more things that are neither > nor ' nor "
  49.                          |           #    or else
  50.                       ".*?"          # a section between double quotes (stingy match)
  51.                          |           #    or else
  52.                       '.*?'          # a section between single quotes (stingy match)
  53.                  ) +                 #   all occurring one or more times
  54.                 >                    # closing angle bracket
  55.              }{}gsx;                 # replace with nothing, i.e. delete
  56.  
  57.          It's still not quite so clear as prose, but it is very useful for
  58.          describing the meaning of each part of the pattern.
  59.  
  60.  
  61.  
  62.  
  63.                                                                         PPPPaaaaggggeeee 1111
  64.  
  65.  
  66.  
  67.  
  68.  
  69.  
  70. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  71.  
  72.  
  73.  
  74.      Different Delimiters
  75.          While we normally think of patterns as being delimited with /
  76.          characters, they can be delimited by almost any character.  the
  77.          _p_e_r_l_r_e manpage describes this.  For example, the s/// above uses
  78.          braces as delimiters.  Selecting another delimiter can avoid quoting
  79.          the delimiter within the pattern:
  80.  
  81.              s/\/usr\/local/\/usr\/share/g;      # bad delimiter choice
  82.              s#/usr/local#/usr/share#g;          # better
  83.  
  84.  
  85.      IIII''''mmmm hhhhaaaavvvviiiinnnngggg ttttrrrroooouuuubbbblllleeee mmmmaaaattttcccchhhhiiiinnnngggg oooovvvveeeerrrr mmmmoooorrrreeee tttthhhhaaaannnn oooonnnneeee lllliiiinnnneeee....  WWWWhhhhaaaatttt''''ssss wwwwrrrroooonnnngggg????
  86.  
  87.      Either you don't have newlines in your string, or you aren't using the
  88.      correct _m_o_d_i_f_i_e_r(s) on your pattern.
  89.  
  90.      There are many ways to get multiline data into a string.  If you want it
  91.      to happen automatically while reading input, you'll want to set $/
  92.      (probably to '' for paragraphs or undef for the whole file) to allow you
  93.      to read more than one line at a time.
  94.  
  95.      Read the _p_e_r_l_r_e manpage to help you decide which of /s and /m (or both)
  96.      you might want to use: /s allows dot to include newline, and /m allows
  97.      caret and dollar to match next to a newline, not just at the end of the
  98.      string.  You do need to make sure that you've actually got a multiline
  99.      string in there.
  100.  
  101.      For example, this program detects duplicate words, even when they span
  102.      line breaks (but not paragraph ones).  For this example, we don't need /s
  103.      because we aren't using dot in a regular expression that we want to cross
  104.      line boundaries.  Neither do we need /m because we aren't wanting caret
  105.      or dollar to match at any point inside the record next to newlines.  But
  106.      it's imperative that $/ be set to something other than the default, or
  107.      else we won't actually ever have a multiline record read in.
  108.  
  109.          $/ = '';            # read in more whole paragraph, not just one line
  110.          while ( <> ) {
  111.              while ( /\b(\w\S+)(\s+\1)+\b/gi ) {
  112.                  print "Duplicate $1 at paragraph $.\n";
  113.              }
  114.          }
  115.  
  116.      Here's code that finds sentences that begin with "From " (which would be
  117.      mangled by many mailers):
  118.  
  119.          $/ = '';            # read in more whole paragraph, not just one line
  120.          while ( <> ) {
  121.              while ( /^From /gm ) { # /m makes ^ match next to \n
  122.                  print "leading from in paragraph $.\n";
  123.              }
  124.          }
  125.  
  126.  
  127.  
  128.  
  129.                                                                         PPPPaaaaggggeeee 2222
  130.  
  131.  
  132.  
  133.  
  134.  
  135.  
  136. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  137.  
  138.  
  139.  
  140.      Here's code that finds everything between START and END in a paragraph:
  141.  
  142.          undef $/;           # read in whole file, not just one line or paragraph
  143.          while ( <> ) {
  144.              while ( /START(.*?)END/sm ) { # /s makes . cross line boundaries
  145.                  print "$1\n";
  146.              }
  147.          }
  148.  
  149.  
  150.      HHHHoooowwww ccccaaaannnn IIII ppppuuuullllllll oooouuuutttt lllliiiinnnneeeessss bbbbeeeettttwwwweeeeeeeennnn ttttwwwwoooo ppppaaaatttttttteeeerrrrnnnnssss tttthhhhaaaatttt aaaarrrreeee tttthhhheeeemmmmsssseeeellllvvvveeeessss oooonnnn
  151.      ddddiiiiffffffffeeeerrrreeeennnntttt lllliiiinnnneeeessss????
  152.  
  153.      You can use Perl's somewhat exotic .. operator (documented in the _p_e_r_l_o_p
  154.      manpage):
  155.  
  156.          perl -ne 'print if /START/ .. /END/' file1 file2 ...
  157.  
  158.      If you wanted text and not lines, you would use
  159.  
  160.          perl -0777 -pe 'print "$1\n" while /START(.*?)END/gs' file1 file2 ...
  161.  
  162.      But if you want nested occurrences of START through END, you'll run up
  163.      against the problem described in the question in this section on matching
  164.      balanced text.
  165.  
  166.      IIII ppppuuuutttt aaaa rrrreeeegggguuuullllaaaarrrr eeeexxxxpppprrrreeeessssssssiiiioooonnnn iiiinnnnttttoooo $$$$//// bbbbuuuutttt iiiitttt ddddiiiiddddnnnn''''tttt wwwwoooorrrrkkkk.... WWWWhhhhaaaatttt''''ssss wwwwrrrroooonnnngggg????
  167.  
  168.      $/ must be a string, not a regular expression.  Awk has to be better for
  169.      something. :-)
  170.  
  171.      Actually, you could do this if you don't mind reading the whole file into
  172.      memory:
  173.  
  174.          undef $/;
  175.          @records = split /your_pattern/, <FH>;
  176.  
  177.      The Net::Telnet module (available from CPAN) has the capability to wait
  178.      for a pattern in the input stream, or timeout if it doesn't appear within
  179.      a certain time.
  180.  
  181.          ## Create a file with three lines.
  182.          open FH, ">file";
  183.          print FH "The first line\nThe second line\nThe third line\n";
  184.          close FH;
  185.  
  186.          ## Get a read/write filehandle to it.
  187.          $fh = new FileHandle "+<file";
  188.  
  189.          ## Attach it to a "stream" object.
  190.          use Net::Telnet;
  191.          $file = new Net::Telnet (-fhopen => $fh);
  192.  
  193.  
  194.  
  195.                                                                         PPPPaaaaggggeeee 3333
  196.  
  197.  
  198.  
  199.  
  200.  
  201.  
  202. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  203.  
  204.  
  205.  
  206.          ## Search for the second line and print out the third.
  207.          $file->waitfor('/second line\n/');
  208.          print $file->getline;
  209.  
  210.  
  211.      HHHHoooowwww ddddoooo IIII ssssuuuubbbbssssttttiiiittttuuuutttteeee ccccaaaasssseeee iiiinnnnsssseeeennnnssssiiiittttiiiivvvveeeellllyyyy oooonnnn tttthhhheeee LLLLHHHHSSSS,,,, bbbbuuuutttt pppprrrreeeesssseeeerrrrvvvviiiinnnngggg ccccaaaasssseeee oooonnnn
  212.      tttthhhheeee RRRRHHHHSSSS????
  213.  
  214.      It depends on what you mean by "preserving case".  The following script
  215.      makes the substitution have the same case, letter by letter, as the
  216.      original.  If the substitution has more characters than the string being
  217.      substituted, the case of the last character is used for the rest of the
  218.      substitution.
  219.  
  220.          # Original by Nathan Torkington, massaged by Jeffrey Friedl
  221.          #
  222.          sub preserve_case($$)
  223.          {
  224.              my ($old, $new) = @_;
  225.              my ($state) = 0; # 0 = no change; 1 = lc; 2 = uc
  226.              my ($i, $oldlen, $newlen, $c) = (0, length($old), length($new));
  227.              my ($len) = $oldlen < $newlen ? $oldlen : $newlen;
  228.  
  229.              for ($i = 0; $i < $len; $i++) {
  230.                  if ($c = substr($old, $i, 1), $c =~ /[\W\d_]/) {
  231.                      $state = 0;
  232.                  } elsif (lc $c eq $c) {
  233.                      substr($new, $i, 1) = lc(substr($new, $i, 1));
  234.                      $state = 1;
  235.                  } else {
  236.                      substr($new, $i, 1) = uc(substr($new, $i, 1));
  237.                      $state = 2;
  238.                  }
  239.              }
  240.              # finish up with any remaining new (for when new is longer than old)
  241.              if ($newlen > $oldlen) {
  242.                  if ($state == 1) {
  243.                      substr($new, $oldlen) = lc(substr($new, $oldlen));
  244.                  } elsif ($state == 2) {
  245.                      substr($new, $oldlen) = uc(substr($new, $oldlen));
  246.                  }
  247.              }
  248.              return $new;
  249.          }
  250.  
  251.          $a = "this is a TEsT case";
  252.          $a =~ s/(test)/preserve_case($1, "success")/gie;
  253.          print "$a\n";
  254.  
  255.      This prints:
  256.  
  257.  
  258.  
  259.  
  260.  
  261.                                                                         PPPPaaaaggggeeee 4444
  262.  
  263.  
  264.  
  265.  
  266.  
  267.  
  268. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  269.  
  270.  
  271.  
  272.          this is a SUcCESS case
  273.  
  274.  
  275.      HHHHoooowwww ccccaaaannnn IIII mmmmaaaakkkkeeee \\\\wwww match accented characters?
  276.  
  277.      See the _p_e_r_l_l_o_c_a_l_e manpage.
  278.  
  279.      HHHHoooowwww ccccaaaannnn IIII mmmmaaaattttcccchhhh aaaa llllooooccccaaaalllleeee----ssssmmmmaaaarrrrtttt vvvveeeerrrrssssiiiioooonnnn ooooffff ////[[[[aaaa----zzzzAAAA----ZZZZ]]]]////?
  280.  
  281.      One alphabetic character would be /[^\W\d_]/, no matter what locale
  282.      you're in.  Non-alphabetics would be /[\W\d_]/ (assuming you don't
  283.      consider an underscore a letter).
  284.  
  285.      HHHHoooowwww ccccaaaannnn IIII qqqquuuuooootttteeee aaaa vvvvaaaarrrriiiiaaaabbbblllleeee ttttoooo uuuusssseeee iiiinnnn aaaa rrrreeeeggggeeeexxxxpppp????
  286.  
  287.      The Perl parser will expand $variable and @variable references in regular
  288.      expressions unless the delimiter is a single quote.  Remember, too, that
  289.      the right-hand side of a s/// substitution is considered a double-quoted
  290.      string (see the _p_e_r_l_o_p manpage for more details).  Remember also that any
  291.      regexp special characters will be acted on unless you precede the
  292.      substitution with \Q.  Here's an example:
  293.  
  294.          $string = "to die?";
  295.          $lhs = "die?";
  296.          $rhs = "sleep no more";
  297.  
  298.          $string =~ s/\Q$lhs/$rhs/;
  299.          # $string is now "to sleep no more"
  300.  
  301.      Without the \Q, the regexp would also spuriously match "di".
  302.  
  303.      WWWWhhhhaaaatttt iiiissss ////oooo really for?
  304.  
  305.      Using a variable in a regular expression match forces a re-evaluation
  306.      (and perhaps recompilation) each time through.  The /o modifier locks in
  307.      the regexp the first time it's used.  This always happens in a constant
  308.      regular expression, and in fact, the pattern was compiled into the
  309.      internal format at the same time your entire program was.
  310.  
  311.      Use of /o is irrelevant unless variable interpolation is used in the
  312.      pattern, and if so, the regexp engine will neither know nor care whether
  313.      the variables change after the pattern is evaluated the _v_e_r_y _f_i_r_s_t time.
  314.  
  315.      /o is often used to gain an extra measure of efficiency by not performing
  316.      subsequent evaluations when you know it won't matter (because you know
  317.      the variables won't change), or more rarely, when you don't want the
  318.      regexp to notice if they do.
  319.  
  320.      For example, here's a "paragrep" program:
  321.  
  322.  
  323.  
  324.  
  325.  
  326.  
  327.                                                                         PPPPaaaaggggeeee 5555
  328.  
  329.  
  330.  
  331.  
  332.  
  333.  
  334. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  335.  
  336.  
  337.  
  338.          $/ = '';  # paragraph mode
  339.          $pat = shift;
  340.          while (<>) {
  341.              print if /$pat/o;
  342.          }
  343.  
  344.  
  345.      HHHHoooowwww ddddoooo IIII uuuusssseeee aaaa rrrreeeegggguuuullllaaaarrrr eeeexxxxpppprrrreeeessssssssiiiioooonnnn ttttoooo ssssttttrrrriiiipppp CCCC ssssttttyyyylllleeee ccccoooommmmmmmmeeeennnnttttssss ffffrrrroooommmm aaaa ffffiiiilllleeee????
  346.  
  347.      While this actually can be done, it's much harder than you'd think.  For
  348.      example, this one-liner
  349.  
  350.          perl -0777 -pe 's{/\*.*?\*/}{}gs' foo.c
  351.  
  352.      will work in many but not all cases.  You see, it's too simple-minded for
  353.      certain kinds of C programs, in particular, those with what appear to be
  354.      comments in quoted strings.  For that, you'd need something like this,
  355.      created by Jeffrey Friedl:
  356.  
  357.          $/ = undef;
  358.          $_ = <>;
  359.          s#/\*[^*]*\*+([^/*][^*]*\*+)*/|("(\\.|[^"\\])*"|'(\\.|[^'\\])*'|\n+|.[^/"'\\]*)#$2#g;
  360.          print;
  361.  
  362.      This could, of course, be more legibly written with the /x modifier,
  363.      adding whitespace and comments.
  364.  
  365.      CCCCaaaannnn IIII uuuusssseeee PPPPeeeerrrrllll rrrreeeegggguuuullllaaaarrrr eeeexxxxpppprrrreeeessssssssiiiioooonnnnssss ttttoooo mmmmaaaattttcccchhhh bbbbaaaallllaaaannnncccceeeedddd tttteeeexxxxtttt????
  366.  
  367.      Although Perl regular expressions are more powerful than "mathematical"
  368.      regular expressions, because they feature conveniences like
  369.      backreferences (\1 and its ilk), they still aren't powerful enough. You
  370.      still need to use non-regexp techniques to parse balanced text, such as
  371.      the text enclosed between matching parentheses or braces, for example.
  372.  
  373.      An elaborate subroutine (for 7-bit ASCII only) to pull out balanced and
  374.      possibly nested single chars, like ` and ', { and }, or ( and ) can be
  375.      found in http://www.perl.com/CPAN/authors/id/TOMC/scripts/pull_quotes.gz
  376.      .
  377.  
  378.      The C::Scan module from CPAN contains such subs for internal usage, but
  379.      they are undocumented.
  380.  
  381.      WWWWhhhhaaaatttt ddddooooeeeessss iiiitttt mmmmeeeeaaaannnn tttthhhhaaaatttt rrrreeeeggggeeeexxxxppppssss aaaarrrreeee ggggrrrreeeeeeeeddddyyyy????  HHHHoooowwww ccccaaaannnn IIII ggggeeeetttt aaaarrrroooouuuunnnndddd iiiitttt????
  382.  
  383.      Most people mean that greedy regexps match as much as they can.
  384.      Technically speaking, it's actually the quantifiers (?, *, +, {}) that
  385.      are greedy rather than the whole pattern; Perl prefers local greed and
  386.      immediate gratification to overall greed.  To get non-greedy versions of
  387.      the same quantifiers, use (??, *?, +?, {}?).
  388.  
  389.  
  390.  
  391.  
  392.  
  393.                                                                         PPPPaaaaggggeeee 6666
  394.  
  395.  
  396.  
  397.  
  398.  
  399.  
  400. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  401.  
  402.  
  403.  
  404.      An example:
  405.  
  406.              $s1 = $s2 = "I am very very cold";
  407.              $s1 =~ s/ve.*y //;      # I am cold
  408.              $s2 =~ s/ve.*?y //;     # I am very cold
  409.  
  410.      Notice how the second substitution stopped matching as soon as it
  411.      encountered "y ".  The *? quantifier effectively tells the regular
  412.      expression engine to find a match as quickly as possible and pass control
  413.      on to whatever is next in line, like you would if you were playing hot
  414.      potato.
  415.  
  416.      HHHHoooowwww ddddoooo IIII pppprrrroooocccceeeessssssss eeeeaaaacccchhhh wwwwoooorrrrdddd oooonnnn eeeeaaaacccchhhh lllliiiinnnneeee????
  417.  
  418.      Use the split function:
  419.  
  420.          while (<>) {
  421.              foreach $word ( split ) {
  422.                  # do something with $word here
  423.              }
  424.          }
  425.  
  426.      Note that this isn't really a word in the English sense; it's just chunks
  427.      of consecutive non-whitespace characters.
  428.  
  429.      To work with only alphanumeric sequences, you might consider
  430.  
  431.          while (<>) {
  432.              foreach $word (m/(\w+)/g) {
  433.                  # do something with $word here
  434.              }
  435.          }
  436.  
  437.  
  438.      HHHHoooowwww ccccaaaannnn IIII pppprrrriiiinnnntttt oooouuuutttt aaaa wwwwoooorrrrdddd----ffffrrrreeeeqqqquuuueeeennnnccccyyyy oooorrrr lllliiiinnnneeee----ffffrrrreeeeqqqquuuueeeennnnccccyyyy ssssuuuummmmmmmmaaaarrrryyyy????
  439.  
  440.      To do this, you have to parse out each word in the input stream.  We'll
  441.      pretend that by word you mean chunk of alphabetics, hyphens, or
  442.      apostrophes, rather than the non-whitespace chunk idea of a word given in
  443.      the previous question:
  444.  
  445.          while (<>) {
  446.              while ( /(\b[^\W_\d][\w'-]+\b)/g ) {   # misses "`sheep'"
  447.                  $seen{$1}++;
  448.              }
  449.          }
  450.          while ( ($word, $count) = each %seen ) {
  451.              print "$count $word\n";
  452.          }
  453.  
  454.      If you wanted to do the same thing for lines, you wouldn't need a regular
  455.      expression:
  456.  
  457.  
  458.  
  459.                                                                         PPPPaaaaggggeeee 7777
  460.  
  461.  
  462.  
  463.  
  464.  
  465.  
  466. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  467.  
  468.  
  469.  
  470.          while (<>) {
  471.              $seen{$_}++;
  472.          }
  473.          while ( ($line, $count) = each %seen ) {
  474.              print "$count $line";
  475.          }
  476.  
  477.      If you want these output in a sorted order, see the section on Hashes.
  478.  
  479.      HHHHoooowwww ccccaaaannnn IIII ddddoooo aaaapppppppprrrrooooxxxxiiiimmmmaaaatttteeee mmmmaaaattttcccchhhhiiiinnnngggg????
  480.  
  481.      See the module String::Approx available from CPAN.
  482.  
  483.      HHHHoooowwww ddddoooo IIII eeeeffffffffiiiicccciiiieeeennnnttttllllyyyy mmmmaaaattttcccchhhh mmmmaaaannnnyyyy rrrreeeegggguuuullllaaaarrrr eeeexxxxpppprrrreeeessssssssiiiioooonnnnssss aaaatttt oooonnnncccceeee????
  484.  
  485.      The following is super-inefficient:
  486.  
  487.          while (<FH>) {
  488.              foreach $pat (@patterns) {
  489.                  if ( /$pat/ ) {
  490.                      # do something
  491.                  }
  492.              }
  493.          }
  494.  
  495.      Instead, you either need to use one of the experimental Regexp extension
  496.      modules from CPAN (which might well be overkill for your purposes), or
  497.      else put together something like this, inspired from a routine in Jeffrey
  498.      Friedl's book:
  499.  
  500.          sub _bm_build {
  501.              my $condition = shift;
  502.              my @regexp = @_;  # this MUST not be local(); need my()
  503.              my $expr = join $condition => map { "m/\$regexp[$_]/o" } (0..$#regexp);
  504.              my $match_func = eval "sub { $expr }";
  505.              die if $@;  # propagate $@; this shouldn't happen!
  506.              return $match_func;
  507.          }
  508.  
  509.          sub bm_and { _bm_build('&&', @_) }
  510.          sub bm_or  { _bm_build('||', @_) }
  511.  
  512.          $f1 = bm_and qw{
  513.                  xterm
  514.                  (?i)window
  515.          };
  516.  
  517.          $f2 = bm_or qw{
  518.                  \b[Ff]ree\b
  519.                  \bBSD\B
  520.                  (?i)sys(tem)?\s*[V5]\b
  521.          };
  522.  
  523.  
  524.  
  525.                                                                         PPPPaaaaggggeeee 8888
  526.  
  527.  
  528.  
  529.  
  530.  
  531.  
  532. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  533.  
  534.  
  535.  
  536.          # feed me /etc/termcap, prolly
  537.          while ( <> ) {
  538.              print "1: $_" if &$f1;
  539.              print "2: $_" if &$f2;
  540.          }
  541.  
  542.  
  543.      WWWWhhhhyyyy ddddoooonnnn''''tttt wwwwoooorrrrdddd----bbbboooouuuunnnnddddaaaarrrryyyy sssseeeeaaaarrrrcccchhhheeeessss wwwwiiiitttthhhh \\\\bbbb work for me?
  544.  
  545.      Two common misconceptions are that \b is a synonym for \s+, and that it's
  546.      the edge between whitespace characters and non-whitespace characters.
  547.      Neither is correct.  \b is the place between a \w character and a \W
  548.      character (that is, \b is the edge of a "word").  It's a zero-width
  549.      assertion, just like ^, $, and all the other anchors, so it doesn't
  550.      consume any characters.  the _p_e_r_l_r_e manpage describes the behaviour of
  551.      all the regexp metacharacters.
  552.  
  553.      Here are examples of the incorrect application of \b, with fixes:
  554.  
  555.          "two words" =~ /(\w+)\b(\w+)/;          # WRONG
  556.          "two words" =~ /(\w+)\s+(\w+)/;         # right
  557.  
  558.          " =matchless= text" =~ /\b=(\w+)=\b/;   # WRONG
  559.          " =matchless= text" =~ /=(\w+)=/;       # right
  560.  
  561.      Although they may not do what you thought they did, \b and \B can still
  562.      be quite useful.  For an example of the correct use of \b, see the
  563.      example of matching duplicate words over multiple lines.
  564.  
  565.      An example of using \B is the pattern \Bis\B.  This will find occurrences
  566.      of "is" on the insides of words only, as in "thistle", but not "this" or
  567.      "island".
  568.  
  569.      WWWWhhhhyyyy ddddooooeeeessss uuuussssiiiinnnngggg $$$$&&&&,,,, $$$$````,,,, oooorrrr $$$$'''' sssslllloooowwww mmmmyyyy pppprrrrooooggggrrrraaaammmm ddddoooowwwwnnnn????
  570.  
  571.      Because once Perl sees that you need one of these variables anywhere in
  572.      the program, it has to provide them on each and every pattern match.  The
  573.      same mechanism that handles these provides for the use of $1, $2, etc.,
  574.      so you pay the same price for each regexp that contains capturing
  575.      parentheses. But if you never use $&, etc., in your script, then regexps
  576.      _w_i_t_h_o_u_t capturing parentheses won't be penalized. So avoid $&, $', and $`
  577.      if you can, but if you can't (and some algorithms really appreciate
  578.      them), once you've used them once, use them at will, because you've
  579.      already paid the price.
  580.  
  581.      WWWWhhhhaaaatttt ggggoooooooodddd iiiissss \\\\GGGG in a regular expression?
  582.  
  583.      The notation \G is used in a match or substitution in conjunction the /g
  584.      modifier (and ignored if there's no /g) to anchor the regular expression
  585.      to the point just past where the last match occurred, i.e. the _p_o_s()
  586.      point.
  587.  
  588.  
  589.  
  590.  
  591.                                                                         PPPPaaaaggggeeee 9999
  592.  
  593.  
  594.  
  595.  
  596.  
  597.  
  598. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  599.  
  600.  
  601.  
  602.      For example, suppose you had a line of text quoted in standard mail and
  603.      Usenet notation, (that is, with leading > characters), and you want
  604.      change each leading > into a corresponding :.  You could do so in this
  605.      way:
  606.  
  607.           s/^(>+)/':' x length($1)/gem;
  608.  
  609.      Or, using \G, the much simpler (and faster):
  610.  
  611.          s/\G>/:/g;
  612.  
  613.      A more sophisticated use might involve a tokenizer.  The following lex-
  614.      like example is courtesy of Jeffrey Friedl.  It did not work in 5.003 due
  615.      to bugs in that release, but does work in 5.004 or better.  (Note the use
  616.      of /c, which prevents a failed match with /g from resetting the search
  617.      position back to the beginning of the string.)
  618.  
  619.          while (<>) {
  620.            chomp;
  621.            PARSER: {
  622.                 m/ \G( \d+\b    )/gcx    && do { print "number: $1\n";  redo; };
  623.                 m/ \G( \w+      )/gcx    && do { print "word:   $1\n";  redo; };
  624.                 m/ \G( \s+      )/gcx    && do { print "space:  $1\n";  redo; };
  625.                 m/ \G( [^\w\d]+ )/gcx    && do { print "other:  $1\n";  redo; };
  626.            }
  627.          }
  628.  
  629.      Of course, that could have been written as
  630.  
  631.          while (<>) {
  632.            chomp;
  633.            PARSER: {
  634.                 if ( /\G( \d+\b    )/gcx  {
  635.                      print "number: $1\n";
  636.                      redo PARSER;
  637.                 }
  638.                 if ( /\G( \w+      )/gcx  {
  639.                      print "word: $1\n";
  640.                      redo PARSER;
  641.                 }
  642.                 if ( /\G( \s+      )/gcx  {
  643.                      print "space: $1\n";
  644.                      redo PARSER;
  645.                 }
  646.                 if ( /\G( [^\w\d]+ )/gcx  {
  647.                      print "other: $1\n";
  648.                      redo PARSER;
  649.                 }
  650.            }
  651.          }
  652.  
  653.      But then you lose the vertical alignment of the regular expressions.
  654.  
  655.  
  656.  
  657.                                                                        PPPPaaaaggggeeee 11110000
  658.  
  659.  
  660.  
  661.  
  662.  
  663.  
  664. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  665.  
  666.  
  667.  
  668.      AAAArrrreeee PPPPeeeerrrrllll rrrreeeeggggeeeexxxxppppssss DDDDFFFFAAAAssss oooorrrr NNNNFFFFAAAAssss????  AAAArrrreeee tttthhhheeeeyyyy PPPPOOOOSSSSIIIIXXXX ccccoooommmmpppplllliiiiaaaannnntttt????
  669.  
  670.      While it's true that Perl's regular expressions resemble the DFAs
  671.      (deterministic finite automata) of the _e_g_r_e_p(1) program, they are in fact
  672.      implemented as NFAs (non-deterministic finite automata) to allow
  673.      backtracking and backreferencing.  And they aren't POSIX-style either,
  674.      because those guarantee worst-case behavior for all cases.  (It seems
  675.      that some people prefer guarantees of consistency, even when what's
  676.      guaranteed is slowness.)  See the book "Mastering Regular Expressions"
  677.      (from O'Reilly) by Jeffrey Friedl for all the details you could ever hope
  678.      to know on these matters (a full citation appears in the _p_e_r_l_f_a_q_2
  679.      manpage).
  680.  
  681.      WWWWhhhhaaaatttt''''ssss wwwwrrrroooonnnngggg wwwwiiiitttthhhh uuuussssiiiinnnngggg ggggrrrreeeepppp oooorrrr mmmmaaaapppp iiiinnnn aaaa vvvvooooiiiidddd ccccoooonnnntttteeeexxxxtttt????
  682.  
  683.      Strictly speaking, nothing.  Stylistically speaking, it's not a good way
  684.      to write maintainable code.  That's because you're using these constructs
  685.      not for their return values but rather for their side-effects, and side-
  686.      effects can be mystifying.  There's no void _g_r_e_p() that's not better
  687.      written as a for (well, foreach, technically) loop.
  688.  
  689.      HHHHoooowwww ccccaaaannnn IIII mmmmaaaattttcccchhhh ssssttttrrrriiiinnnnggggssss wwwwiiiitttthhhh mmmmuuuullllttttiiiibbbbyyyytttteeee cccchhhhaaaarrrraaaacccctttteeeerrrrssss????
  690.  
  691.      This is hard, and there's no good way.  Perl does not directly support
  692.      wide characters.  It pretends that a byte and a character are synonymous.
  693.      The following set of approaches was offered by Jeffrey Friedl, whose
  694.      article in issue #5 of The Perl Journal talks about this very matter.
  695.  
  696.      Let's suppose you have some weird Martian encoding where pairs of ASCII
  697.      uppercase letters encode single Martian letters (i.e. the two bytes "CV"
  698.      make a single Martian letter, as do the two bytes "SG", "VS", "XX",
  699.      etc.). Other bytes represent single characters, just like ASCII.
  700.  
  701.      So, the string of Martian "I am CVSGXX!" uses 12 bytes to encode the nine
  702.      characters 'I', ' ', 'a', 'm', ' ', 'CV', 'SG', 'XX', '!'.
  703.  
  704.      Now, say you want to search for the single character /GX/. Perl doesn't
  705.      know about Martian, so it'll find the two bytes "GX" in the "I am
  706.      CVSGXX!"  string, even though that character isn't there: it just looks
  707.      like it is because "SG" is next to "XX", but there's no real "GX".  This
  708.      is a big problem.
  709.  
  710.      Here are a few ways, all painful, to deal with it:
  711.  
  712.         $martian =~ s/([A-Z][A-Z])/ $1 /g; # Make sure adjacent ``martian'' bytes
  713.                                            # are no longer adjacent.
  714.         print "found GX!\n" if $martian =~ /GX/;
  715.  
  716.      Or like this:
  717.  
  718.  
  719.  
  720.  
  721.  
  722.  
  723.                                                                        PPPPaaaaggggeeee 11111111
  724.  
  725.  
  726.  
  727.  
  728.  
  729.  
  730. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  731.  
  732.  
  733.  
  734.         @chars = $martian =~ m/([A-Z][A-Z]|[^A-Z])/g;
  735.         # above is conceptually similar to:     @chars = $text =~ m/(.)/g;
  736.         #
  737.         foreach $char (@chars) {
  738.             print "found GX!\n", last if $char eq 'GX';
  739.         }
  740.  
  741.      Or like this:
  742.  
  743.         while ($martian =~ m/\G([A-Z][A-Z]|.)/gs) {  # \G probably unneeded
  744.             print "found GX!\n", last if $1 eq 'GX';
  745.         }
  746.  
  747.      Or like this:
  748.  
  749.         die "sorry, Perl doesn't (yet) have Martian support )-:\n";
  750.  
  751.      In addition, a sample program which converts half-width to full-width
  752.      katakana (in Shift-JIS or EUC encoding) is available from CPAN as
  753.  
  754.      There are many double- (and multi-) byte encodings commonly used these
  755.      days.  Some versions of these have 1-, 2-, 3-, and 4-byte characters, all
  756.      mixed.
  757.  
  758. AAAAUUUUTTTTHHHHOOOORRRR AAAANNNNDDDD CCCCOOOOPPPPYYYYRRRRIIIIGGGGHHHHTTTT
  759.      Copyright (c) 1997 Tom Christiansen and Nathan Torkington.  All rights
  760.      reserved.  See the _p_e_r_l_f_a_q manpage for distribution information.
  761.  
  762.  
  763.  
  764.  
  765.  
  766.  
  767.  
  768.  
  769.  
  770.  
  771.  
  772.  
  773.  
  774.  
  775.  
  776.  
  777.  
  778.  
  779.  
  780.  
  781.  
  782.  
  783.  
  784.  
  785.  
  786.  
  787.  
  788.  
  789.                                                                        PPPPaaaaggggeeee 11112222
  790.  
  791.  
  792.  
  793.  
  794.  
  795.  
  796. PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))                                                        PPPPEEEERRRRLLLLFFFFAAAAQQQQ6666((((1111))))
  797.  
  798.  
  799.  
  800.  
  801.  
  802.  
  803.  
  804.  
  805.  
  806.  
  807.  
  808.  
  809.  
  810.  
  811.  
  812.  
  813.  
  814.  
  815.  
  816.  
  817.  
  818.  
  819.  
  820.  
  821.  
  822.  
  823.  
  824.  
  825.  
  826.  
  827.  
  828.  
  829.  
  830.  
  831.  
  832.  
  833.  
  834.  
  835.  
  836.  
  837.  
  838.  
  839.  
  840.  
  841.  
  842.  
  843.  
  844.  
  845.  
  846.  
  847.  
  848.  
  849.  
  850.  
  851.  
  852.                                                                        PPPPaaaaggggeeee 11113333
  853.  
  854.  
  855.  
  856.  
  857.  
  858.  
  859.