home *** CD-ROM | disk | FTP | other *** search
/ Chip 2000 May / Chip_2000-05_cd1.bin / zkuste / Perl / ActivePerl-5.6.0.613.msi / 䆊䌷䈹䈙䏵-䞅䞆䞀㡆䞃䄦䠥 / _4878a10849d919060f4f68b8cd8fb50b < prev    next >
Text File  |  2000-03-23  |  35KB  |  687 lines

  1. <HTML>
  2. <HEAD>
  3. <TITLE>perlfaq6 - Regexes</TITLE>
  4. <LINK REL="stylesheet" HREF="../../Active.css" TYPE="text/css">
  5. <LINK REV="made" HREF="mailto:">
  6. </HEAD>
  7.  
  8. <BODY>
  9. <TABLE BORDER=0 CELLPADDING=0 CELLSPACING=0 WIDTH=100%>
  10. <TR><TD CLASS=block VALIGN=MIDDLE WIDTH=100% BGCOLOR="#cccccc">
  11. <STRONG><P CLASS=block> perlfaq6 - Regexes</P></STRONG>
  12. </TD></TR>
  13. </TABLE>
  14.  
  15. <A NAME="__index__"></A>
  16. <!-- INDEX BEGIN -->
  17.  
  18. <UL>
  19.  
  20.     <LI><A HREF="#name">NAME</A></LI>
  21.     <LI><A HREF="#description">DESCRIPTION</A></LI>
  22.     <UL>
  23.  
  24.         <LI><A HREF="#how can i hope to use regular expressions without creating illegible and unmaintainable code">How can I hope to use regular expressions without creating illegible and unmaintainable code?</A></LI>
  25.         <LI><A HREF="#i'm having trouble matching over more than one line. what's wrong">I'm having trouble matching over more than one line.  What's wrong?</A></LI>
  26.         <LI><A HREF="#how can i pull out lines between two patterns that are themselves on different lines">How can I pull out lines between two patterns that are themselves on different lines?</A></LI>
  27.         <LI><A HREF="#i put a regular expression into $/ but it didn't work. what's wrong">I put a regular expression into $/ but it didn't work. What's wrong?</A></LI>
  28.         <LI><A HREF="#how do i substitute case insensitively on the lhs, but preserving case on the rhs">How do I substitute case insensitively on the LHS, but preserving case on the RHS?</A></LI>
  29.         <LI><A HREF="#how can i make \w match national character sets">How can I make <CODE>\w</CODE> match national character sets?</A></LI>
  30.         <LI><A HREF="#how can i match a localesmart version of /[azaz]/">How can I match a locale-smart version of <CODE>/[a-zA-Z]/</CODE>?</A></LI>
  31.         <LI><A HREF="#how can i quote a variable to use in a regex">How can I quote a variable to use in a regex?</A></LI>
  32.         <LI><A HREF="#what is /o really for">What is <CODE>/o</CODE> really for?</A></LI>
  33.         <LI><A HREF="#how do i use a regular expression to strip c style comments from a file">How do I use a regular expression to strip C style comments from a file?</A></LI>
  34.         <LI><A HREF="#can i use perl regular expressions to match balanced text">Can I use Perl regular expressions to match balanced text?</A></LI>
  35.         <LI><A HREF="#what does it mean that regexes are greedy how can i get around it">What does it mean that regexes are greedy?  How can I get around it?</A></LI>
  36.         <LI><A HREF="#how do i process each word on each line">How do I process each word on each line?</A></LI>
  37.         <LI><A HREF="#how can i print out a wordfrequency or linefrequency summary">How can I print out a word-frequency or line-frequency summary?</A></LI>
  38.         <LI><A HREF="#how can i do approximate matching">How can I do approximate matching?</A></LI>
  39.         <LI><A HREF="#how do i efficiently match many regular expressions at once">How do I efficiently match many regular expressions at once?</A></LI>
  40.         <LI><A HREF="#why don't wordboundary searches with \b work for me">Why don't word-boundary searches with <CODE>\b</CODE> work for me?</A></LI>
  41.         <LI><A HREF="#why does using $&, $`, or $' slow my program down">Why does using $&, $`, or $' slow my program down?</A></LI>
  42.         <LI><A HREF="#what good is \g in a regular expression">What good is <CODE>\G</CODE> in a regular expression?</A></LI>
  43.         <LI><A HREF="#are perl regexes dfas or nfas are they posix compliant">Are Perl regexes DFAs or NFAs?  Are they POSIX compliant?</A></LI>
  44.         <LI><A HREF="#what's wrong with using grep or map in a void context">What's wrong with using grep or map in a void context?</A></LI>
  45.         <LI><A HREF="#how can i match strings with multibyte characters">How can I match strings with multibyte characters?</A></LI>
  46.         <LI><A HREF="#how do i match a pattern that is supplied by the user">How do I match a pattern that is supplied by the user?</A></LI>
  47.     </UL>
  48.  
  49.     <LI><A HREF="#author and copyright">AUTHOR AND COPYRIGHT</A></LI>
  50. </UL>
  51. <!-- INDEX END -->
  52.  
  53. <HR>
  54. <P>
  55. <H1><A NAME="name">NAME</A></H1>
  56. <P>perlfaq6 - Regexes ($Revision: 1.27 $, $Date: 1999/05/23 16:08:30 $)</P>
  57. <P>
  58. <HR>
  59. <H1><A NAME="description">DESCRIPTION</A></H1>
  60. <P>This section is surprisingly small because the rest of the FAQ is
  61. littered with answers involving regular expressions.  For example,
  62. decoding a URL and checking whether something is a number are handled
  63. with regular expressions, but those answers are found elsewhere in
  64. this document (in the section on Data and the Networking one on
  65. networking, to be precise).</P>
  66. <P>
  67. <H2><A NAME="how can i hope to use regular expressions without creating illegible and unmaintainable code">How can I hope to use regular expressions without creating illegible and unmaintainable code?</A></H2>
  68. <P>Three techniques can make regular expressions maintainable and
  69. understandable.</P>
  70. <DL>
  71. <DT><STRONG><A NAME="item_Comments_Outside_the_Regex">Comments Outside the Regex</A></STRONG><BR>
  72. <DD>
  73. Describe what you're doing and how you're doing it, using normal Perl
  74. comments.
  75. <PRE>
  76.     # turn the line into the first word, a colon, and the
  77.     # number of characters on the rest of the line
  78.     s/^(\w+)(.*)/ lc($1) . ":" . length($2) /meg;</PRE>
  79. <P></P>
  80. <DT><STRONG><A NAME="item_Comments_Inside_the_Regex">Comments Inside the Regex</A></STRONG><BR>
  81. <DD>
  82. The <CODE>/x</CODE> modifier causes whitespace to be ignored in a regex pattern
  83. (except in a character class), and also allows you to use normal
  84. comments there, too.  As you can imagine, whitespace and comments help
  85. a lot.
  86. <P><CODE>/x</CODE> lets you turn this:</P>
  87. <PRE>
  88.     s{<(?:[^>'"]*|".*?"|'.*?')+>}{}gs;</PRE>
  89. <P>into this:</P>
  90. <PRE>
  91.     s{ <                    # opening angle bracket
  92.         (?:                 # Non-backreffing grouping paren
  93.              [^>'"] *       # 0 or more things that are neither > nor ' nor "
  94.                 |           #    or else
  95.              ".*?"          # a section between double quotes (stingy match)
  96.                 |           #    or else
  97.              '.*?'          # a section between single quotes (stingy match)
  98.         ) +                 #   all occurring one or more times
  99.        >                    # closing angle bracket
  100.     }{}gsx;                 # replace with nothing, i.e. delete</PRE>
  101. <P>It's still not quite so clear as prose, but it is very useful for
  102. describing the meaning of each part of the pattern.</P>
  103. <P></P>
  104. <DT><STRONG><A NAME="item_Different_Delimiters">Different Delimiters</A></STRONG><BR>
  105. <DD>
  106. While we normally think of patterns as being delimited with <CODE>/</CODE>
  107. characters, they can be delimited by almost any character.  <A HREF="../../lib/Pod/perlre.html">the perlre manpage</A>
  108. describes this.  For example, the <CODE>s///</CODE> above uses braces as
  109. delimiters.  Selecting another delimiter can avoid quoting the
  110. delimiter within the pattern:
  111. <PRE>
  112.     s/\/usr\/local/\/usr\/share/g;      # bad delimiter choice
  113.     s#/usr/local#/usr/share#g;          # better</PRE>
  114. <P></P></DL>
  115. <P>
  116. <H2><A NAME="i'm having trouble matching over more than one line. what's wrong">I'm having trouble matching over more than one line.  What's wrong?</A></H2>
  117. <P>Either you don't have more than one line in the string you're looking at
  118. (probably), or else you aren't using the correct <CODE>modifier(s)</CODE> on your
  119. pattern (possibly).</P>
  120. <P>There are many ways to get multiline data into a string.  If you want
  121. it to happen automatically while reading input, you'll want to set $/
  122. (probably to '' for paragraphs or <A HREF="../../lib/Pod/perlfunc.html#item_undef"><CODE>undef</CODE></A> for the whole file) to
  123. allow you to read more than one line at a time.</P>
  124. <P>Read <A HREF="../../lib/Pod/perlre.html">the perlre manpage</A> to help you decide which of <CODE>/s</CODE> and <CODE>/m</CODE> (or both)
  125. you might want to use: <CODE>/s</CODE> allows dot to include newline, and <CODE>/m</CODE>
  126. allows caret and dollar to match next to a newline, not just at the
  127. end of the string.  You do need to make sure that you've actually
  128. got a multiline string in there.</P>
  129. <P>For example, this program detects duplicate words, even when they span
  130. line breaks (but not paragraph ones).  For this example, we don't need
  131. <CODE>/s</CODE> because we aren't using dot in a regular expression that we want
  132. to cross line boundaries.  Neither do we need <CODE>/m</CODE> because we aren't
  133. wanting caret or dollar to match at any point inside the record next
  134. to newlines.  But it's imperative that $/ be set to something other
  135. than the default, or else we won't actually ever have a multiline
  136. record read in.</P>
  137. <PRE>
  138.     $/ = '';            # read in more whole paragraph, not just one line
  139.     while ( <> ) {
  140.         while ( /\b([\w'-]+)(\s+\1)+\b/gi ) {   # word starts alpha
  141.             print "Duplicate $1 at paragraph $.\n";
  142.         }
  143.     }</PRE>
  144. <P>Here's code that finds sentences that begin with ``From '' (which would
  145. be mangled by many mailers):</P>
  146. <PRE>
  147.     $/ = '';            # read in more whole paragraph, not just one line
  148.     while ( <> ) {
  149.         while ( /^From /gm ) { # /m makes ^ match next to \n
  150.             print "leading from in paragraph $.\n";
  151.         }
  152.     }</PRE>
  153. <P>Here's code that finds everything between START and END in a paragraph:</P>
  154. <PRE>
  155.     undef $/;           # read in whole file, not just one line or paragraph
  156.     while ( <> ) {
  157.         while ( /START(.*?)END/sm ) { # /s makes . cross line boundaries
  158.             print "$1\n";
  159.         }
  160.     }</PRE>
  161. <P>
  162. <H2><A NAME="how can i pull out lines between two patterns that are themselves on different lines">How can I pull out lines between two patterns that are themselves on different lines?</A></H2>
  163. <P>You can use Perl's somewhat exotic <CODE>..</CODE> operator (documented in
  164. <A HREF="../../lib/Pod/perlop.html">the perlop manpage</A>):</P>
  165. <PRE>
  166.     perl -ne 'print if /START/ .. /END/' file1 file2 ...</PRE>
  167. <P>If you wanted text and not lines, you would use</P>
  168. <PRE>
  169.     perl -0777 -ne 'print "$1\n" while /START(.*?)END/gs' file1 file2 ...</PRE>
  170. <P>But if you want nested occurrences of <CODE>START</CODE> through <CODE>END</CODE>, you'll
  171. run up against the problem described in the question in this section
  172. on matching balanced text.</P>
  173. <P>Here's another example of using <CODE>..</CODE>:</P>
  174. <PRE>
  175.     while (<>) {
  176.         $in_header =   1  .. /^$/;
  177.         $in_body   = /^$/ .. eof();
  178.         # now choose between them
  179.     } continue {
  180.         reset if eof();         # fix $.
  181.     }</PRE>
  182. <P>
  183. <H2><A NAME="i put a regular expression into $/ but it didn't work. what's wrong">I put a regular expression into $/ but it didn't work. What's wrong?</A></H2>
  184. <P>$/ must be a string, not a regular expression.  Awk has to be better
  185. for something. :-)</P>
  186. <P>Actually, you could do this if you don't mind reading the whole file
  187. into memory:</P>
  188. <PRE>
  189.     undef $/;
  190.     @records = split /your_pattern/, <FH>;</PRE>
  191. <P>The Net::Telnet module (available from CPAN) has the capability to
  192. wait for a pattern in the input stream, or timeout if it doesn't
  193. appear within a certain time.</P>
  194. <PRE>
  195.     ## Create a file with three lines.
  196.     open FH, ">file";
  197.     print FH "The first line\nThe second line\nThe third line\n";
  198.     close FH;</PRE>
  199. <PRE>
  200.     ## Get a read/write filehandle to it.
  201.     $fh = new FileHandle "+<file";</PRE>
  202. <PRE>
  203.     ## Attach it to a "stream" object.
  204.     use Net::Telnet;
  205.     $file = new Net::Telnet (-fhopen => $fh);</PRE>
  206. <PRE>
  207.     ## Search for the second line and print out the third.
  208.     $file->waitfor('/second line\n/');
  209.     print $file->getline;</PRE>
  210. <P>
  211. <H2><A NAME="how do i substitute case insensitively on the lhs, but preserving case on the rhs">How do I substitute case insensitively on the LHS, but preserving case on the RHS?</A></H2>
  212. <P>Here's a lovely Perlish solution by Larry Rosler.  It exploits
  213. properties of bitwise xor on ASCII strings.</P>
  214. <PRE>
  215.     $_= "this is a TEsT case";</PRE>
  216. <PRE>
  217.     $old = 'test';
  218.     $new = 'success';</PRE>
  219. <PRE>
  220.     s{(\Q$old\E}
  221.      { uc $new | (uc $1 ^ $1) .
  222.         (uc(substr $1, -1) ^ substr $1, -1) x
  223.             (length($new) - length $1)
  224.      }egi;</PRE>
  225. <PRE>
  226.     print;</PRE>
  227. <P>And here it is as a subroutine, modelled after the above:</P>
  228. <PRE>
  229.     sub preserve_case($$) {
  230.         my ($old, $new) = @_;
  231.         my $mask = uc $old ^ $old;</PRE>
  232. <PRE>
  233.         uc $new | $mask .
  234.             substr($mask, -1) x (length($new) - length($old))        
  235.     }</PRE>
  236. <PRE>
  237.     $a = "this is a TEsT case";
  238.     $a =~ s/(test)/preserve_case($1, "success")/egi;
  239.     print "$a\n";</PRE>
  240. <P>This prints:</P>
  241. <PRE>
  242.     this is a SUcCESS case</PRE>
  243. <P>Just to show that C programmers can write C in any programming language,
  244. if you prefer a more C-like solution, the following script makes the
  245. substitution have the same case, letter by letter, as the original.
  246. (It also happens to run about 240% slower than the Perlish solution runs.)
  247. If the substitution has more characters than the string being substituted,
  248. the case of the last character is used for the rest of the substitution.</P>
  249. <PRE>
  250.     # Original by Nathan Torkington, massaged by Jeffrey Friedl
  251.     #
  252.     sub preserve_case($$)
  253.     {
  254.         my ($old, $new) = @_;
  255.         my ($state) = 0; # 0 = no change; 1 = lc; 2 = uc
  256.         my ($i, $oldlen, $newlen, $c) = (0, length($old), length($new));
  257.         my ($len) = $oldlen < $newlen ? $oldlen : $newlen;</PRE>
  258. <PRE>
  259.         for ($i = 0; $i < $len; $i++) {
  260.             if ($c = substr($old, $i, 1), $c =~ /[\W\d_]/) {
  261.                 $state = 0;
  262.             } elsif (lc $c eq $c) {
  263.                 substr($new, $i, 1) = lc(substr($new, $i, 1));
  264.                 $state = 1;
  265.             } else {
  266.                 substr($new, $i, 1) = uc(substr($new, $i, 1));
  267.                 $state = 2;
  268.             }
  269.         }
  270.         # finish up with any remaining new (for when new is longer than old)
  271.         if ($newlen > $oldlen) {
  272.             if ($state == 1) {
  273.                 substr($new, $oldlen) = lc(substr($new, $oldlen));
  274.             } elsif ($state == 2) {
  275.                 substr($new, $oldlen) = uc(substr($new, $oldlen));
  276.             }
  277.         }
  278.         return $new;
  279.     }</PRE>
  280. <P>
  281. <H2><A NAME="how can i make \w match national character sets">How can I make <CODE>\w</CODE> match national character sets?</A></H2>
  282. <P>See <A HREF="../../lib/Pod/perllocale.html">the perllocale manpage</A>.</P>
  283. <P>
  284. <H2><A NAME="how can i match a localesmart version of /[azaz]/">How can I match a locale-smart version of <CODE>/[a-zA-Z]/</CODE>?</A></H2>
  285. <P>One alphabetic character would be <CODE>/[^\W\d_]/</CODE>, no matter what locale
  286. you're in.  Non-alphabetics would be <CODE>/[\W\d_]/</CODE> (assuming you don't
  287. consider an underscore a letter).</P>
  288. <P>
  289. <H2><A NAME="how can i quote a variable to use in a regex">How can I quote a variable to use in a regex?</A></H2>
  290. <P>The Perl parser will expand $variable and @variable references in
  291. regular expressions unless the delimiter is a single quote.  Remember,
  292. too, that the right-hand side of a <CODE>s///</CODE> substitution is considered
  293. a double-quoted string (see <A HREF="../../lib/Pod/perlop.html">the perlop manpage</A> for more details).  Remember
  294. also that any regex special characters will be acted on unless you
  295. precede the substitution with \Q.  Here's an example:</P>
  296. <PRE>
  297.     $string = "to die?";
  298.     $lhs = "die?";
  299.     $rhs = "sleep, no more";</PRE>
  300. <PRE>
  301.     $string =~ s/\Q$lhs/$rhs/;
  302.     # $string is now "to sleep no more"</PRE>
  303. <P>Without the \Q, the regex would also spuriously match ``di''.</P>
  304. <P>
  305. <H2><A NAME="what is /o really for">What is <CODE>/o</CODE> really for?</A></H2>
  306. <P>Using a variable in a regular expression match forces a re-evaluation
  307. (and perhaps recompilation) each time through.  The <CODE>/o</CODE> modifier
  308. locks in the regex the first time it's used.  This always happens in a
  309. constant regular expression, and in fact, the pattern was compiled
  310. into the internal format at the same time your entire program was.</P>
  311. <P>Use of <CODE>/o</CODE> is irrelevant unless variable interpolation is used in
  312. the pattern, and if so, the regex engine will neither know nor care
  313. whether the variables change after the pattern is evaluated the <EM>very
  314. first</EM> time.</P>
  315. <P><CODE>/o</CODE> is often used to gain an extra measure of efficiency by not
  316. performing subsequent evaluations when you know it won't matter
  317. (because you know the variables won't change), or more rarely, when
  318. you don't want the regex to notice if they do.</P>
  319. <P>For example, here's a ``paragrep'' program:</P>
  320. <PRE>
  321.     $/ = '';  # paragraph mode
  322.     $pat = shift;
  323.     while (<>) {
  324.         print if /$pat/o;
  325.     }</PRE>
  326. <P>
  327. <H2><A NAME="how do i use a regular expression to strip c style comments from a file">How do I use a regular expression to strip C style comments from a file?</A></H2>
  328. <P>While this actually can be done, it's much harder than you'd think.
  329. For example, this one-liner</P>
  330. <PRE>
  331.     perl -0777 -pe 's{/\*.*?\*/}{}gs' foo.c</PRE>
  332. <P>will work in many but not all cases.  You see, it's too simple-minded for
  333. certain kinds of C programs, in particular, those with what appear to be
  334. comments in quoted strings.  For that, you'd need something like this,
  335. created by Jeffrey Friedl and later modified by Fred Curtis.</P>
  336. <PRE>
  337.     $/ = undef;
  338.     $_ = <>;
  339.     s#/\*[^*]*\*+([^/*][^*]*\*+)*/|("(\\.|[^"\\])*"|'(\\.|[^'\\])*'|.[^/"'\\]*)#$2#gs
  340.     print;</PRE>
  341. <P>This could, of course, be more legibly written with the <CODE>/x</CODE> modifier, adding
  342. whitespace and comments.  Here it is expanded, courtesy of Fred Curtis.</P>
  343. <PRE>
  344.     s{
  345.        /\*         ##  Start of /* ... */ comment
  346.        [^*]*\*+    ##  Non-* followed by 1-or-more *'s
  347.        (
  348.          [^/*][^*]*\*+
  349.        )*          ##  0-or-more things which don't start with /
  350.                    ##    but do end with '*'
  351.        /           ##  End of /* ... */ comment</PRE>
  352. <PRE>
  353.      |         ##     OR  various things which aren't comments:</PRE>
  354. <PRE>
  355.        (
  356.          "           ##  Start of " ... " string
  357.          (
  358.            \\.           ##  Escaped char
  359.          |               ##    OR
  360.            [^"\\]        ##  Non "\
  361.          )*
  362.          "           ##  End of " ... " string</PRE>
  363. <PRE>
  364.        |         ##     OR</PRE>
  365. <PRE>
  366.          '           ##  Start of ' ... ' string
  367.          (
  368.            \\.           ##  Escaped char
  369.          |               ##    OR
  370.            [^'\\]        ##  Non '\
  371.          )*
  372.          '           ##  End of ' ... ' string</PRE>
  373. <PRE>
  374.        |         ##     OR</PRE>
  375. <PRE>
  376.          .           ##  Anything other char
  377.          [^/"'\\]*   ##  Chars which doesn't start a comment, string or escape
  378.        )
  379.      }{$2}gxs;</PRE>
  380. <P>A slight modification also removes C++ comments:</P>
  381. <PRE>
  382.     s#/\*[^*]*\*+([^/*][^*]*\*+)*/|//[^\n]*|("(\\.|[^"\\])*"|'(\\.|[^'\\])*'|.[^/"'\\]*)#$2#gs;</PRE>
  383. <P>
  384. <H2><A NAME="can i use perl regular expressions to match balanced text">Can I use Perl regular expressions to match balanced text?</A></H2>
  385. <P>Although Perl regular expressions are more powerful than ``mathematical''
  386. regular expressions, because they feature conveniences like backreferences
  387. (<CODE>\1</CODE> and its ilk), they still aren't powerful enough -- with
  388. the possible exception of bizarre and experimental features in the
  389. development-track releases of Perl.  You still need to use non-regex
  390. techniques to parse balanced text, such as the text enclosed between
  391. matching parentheses or braces, for example.</P>
  392. <P>An elaborate subroutine (for 7-bit ASCII only) to pull out balanced
  393. and possibly nested single chars, like <CODE>`</CODE> and <CODE>'</CODE>, <CODE>{</CODE> and <CODE>}</CODE>,
  394. or <CODE>(</CODE> and <CODE>)</CODE> can be found in
  395. <A HREF="http://www.perl.com/CPAN/authors/id/TOMC/scripts/pull_quotes.gz">http://www.perl.com/CPAN/authors/id/TOMC/scripts/pull_quotes.gz</A> .</P>
  396. <P>The C::Scan module from CPAN contains such subs for internal usage,
  397. but they are undocumented.</P>
  398. <P>
  399. <H2><A NAME="what does it mean that regexes are greedy how can i get around it">What does it mean that regexes are greedy?  How can I get around it?</A></H2>
  400. <P>Most people mean that greedy regexes match as much as they can.
  401. Technically speaking, it's actually the quantifiers (<CODE>?</CODE>, <CODE>*</CODE>, <CODE>+</CODE>,
  402. <CODE>{}</CODE>) that are greedy rather than the whole pattern; Perl prefers local
  403. greed and immediate gratification to overall greed.  To get non-greedy
  404. versions of the same quantifiers, use (<CODE>??</CODE>, <CODE>*?</CODE>, <CODE>+?</CODE>, <CODE>{}?</CODE>).</P>
  405. <P>An example:</P>
  406. <PRE>
  407.         $s1 = $s2 = "I am very very cold";
  408.         $s1 =~ s/ve.*y //;      # I am cold
  409.         $s2 =~ s/ve.*?y //;     # I am very cold</PRE>
  410. <P>Notice how the second substitution stopped matching as soon as it
  411. encountered ``y ''.  The <CODE>*?</CODE> quantifier effectively tells the regular
  412. expression engine to find a match as quickly as possible and pass
  413. control on to whatever is next in line, like you would if you were
  414. playing hot potato.</P>
  415. <P>
  416. <H2><A NAME="how do i process each word on each line">How do I process each word on each line?</A></H2>
  417. <P>Use the split function:</P>
  418. <PRE>
  419.     while (<>) {
  420.         foreach $word ( split ) { 
  421.             # do something with $word here
  422.         } 
  423.     }</PRE>
  424. <P>Note that this isn't really a word in the English sense; it's just
  425. chunks of consecutive non-whitespace characters.</P>
  426. <P>To work with only alphanumeric sequences, you might consider</P>
  427. <PRE>
  428.     while (<>) {
  429.         foreach $word (m/(\w+)/g) {
  430.             # do something with $word here
  431.         }
  432.     }</PRE>
  433. <P>
  434. <H2><A NAME="how can i print out a wordfrequency or linefrequency summary">How can I print out a word-frequency or line-frequency summary?</A></H2>
  435. <P>To do this, you have to parse out each word in the input stream.  We'll
  436. pretend that by word you mean chunk of alphabetics, hyphens, or
  437. apostrophes, rather than the non-whitespace chunk idea of a word given
  438. in the previous question:</P>
  439. <PRE>
  440.     while (<>) {
  441.         while ( /(\b[^\W_\d][\w'-]+\b)/g ) {   # misses "`sheep'"
  442.             $seen{$1}++;
  443.         }
  444.     }
  445.     while ( ($word, $count) = each %seen ) {
  446.         print "$count $word\n";
  447.     }</PRE>
  448. <P>If you wanted to do the same thing for lines, you wouldn't need a
  449. regular expression:</P>
  450. <PRE>
  451.     while (<>) { 
  452.         $seen{$_}++;
  453.     }
  454.     while ( ($line, $count) = each %seen ) {
  455.         print "$count $line";
  456.     }</PRE>
  457. <P>If you want these output in a sorted order, see the section on Hashes.</P>
  458. <P>
  459. <H2><A NAME="how can i do approximate matching">How can I do approximate matching?</A></H2>
  460. <P>See the module String::Approx available from CPAN.</P>
  461. <P>
  462. <H2><A NAME="how do i efficiently match many regular expressions at once">How do I efficiently match many regular expressions at once?</A></H2>
  463. <P>The following is extremely inefficient:</P>
  464. <PRE>
  465.     # slow but obvious way
  466.     @popstates = qw(CO ON MI WI MN);
  467.     while (defined($line = <>)) {
  468.         for $state (@popstates) {
  469.             if ($line =~ /\b$state\b/i) {  
  470.                 print $line;
  471.                 last;
  472.             }
  473.         }
  474.     }</PRE>
  475. <P>That's because Perl has to recompile all those patterns for each of
  476. the lines of the file.  As of the 5.005 release, there's a much better
  477. approach, one which makes use of the new <CODE>qr//</CODE> operator:</P>
  478. <PRE>
  479.     # use spiffy new qr// operator, with /i flag even
  480.     use 5.005;
  481.     @popstates = qw(CO ON MI WI MN);
  482.     @poppats   = map { qr/\b$_\b/i } @popstates;
  483.     while (defined($line = <>)) {
  484.         for $patobj (@poppats) {
  485.             print $line if $line =~ /$patobj/;
  486.         }
  487.     }</PRE>
  488. <P>
  489. <H2><A NAME="why don't wordboundary searches with \b work for me">Why don't word-boundary searches with <CODE>\b</CODE> work for me?</A></H2>
  490. <P>Two common misconceptions are that <CODE>\b</CODE> is a synonym for <CODE>\s+</CODE>, and
  491. that it's the edge between whitespace characters and non-whitespace
  492. characters.  Neither is correct.  <CODE>\b</CODE> is the place between a <CODE>\w</CODE>
  493. character and a <CODE>\W</CODE> character (that is, <CODE>\b</CODE> is the edge of a
  494. ``word'').  It's a zero-width assertion, just like <CODE>^</CODE>, <CODE>$</CODE>, and all
  495. the other anchors, so it doesn't consume any characters.  <A HREF="../../lib/Pod/perlre.html">the perlre manpage</A>
  496. describes the behavior of all the regex metacharacters.</P>
  497. <P>Here are examples of the incorrect application of <CODE>\b</CODE>, with fixes:</P>
  498. <PRE>
  499.     "two words" =~ /(\w+)\b(\w+)/;          # WRONG
  500.     "two words" =~ /(\w+)\s+(\w+)/;         # right</PRE>
  501. <PRE>
  502.     " =matchless= text" =~ /\b=(\w+)=\b/;   # WRONG
  503.     " =matchless= text" =~ /=(\w+)=/;       # right</PRE>
  504. <P>Although they may not do what you thought they did, <CODE>\b</CODE> and <CODE>\B</CODE>
  505. can still be quite useful.  For an example of the correct use of
  506. <CODE>\b</CODE>, see the example of matching duplicate words over multiple
  507. lines.</P>
  508. <P>An example of using <CODE>\B</CODE> is the pattern <CODE>\Bis\B</CODE>.  This will find
  509. occurrences of ``is'' on the insides of words only, as in ``thistle'', but
  510. not ``this'' or ``island''.</P>
  511. <P>
  512. <H2><A NAME="why does using $&, $`, or $' slow my program down">Why does using $&, $`, or $' slow my program down?</A></H2>
  513. <P>Because once Perl sees that you need one of these variables anywhere in
  514. the program, it has to provide them on each and every pattern match.
  515. The same mechanism that handles these provides for the use of $1, $2,
  516. etc., so you pay the same price for each regex that contains capturing
  517. parentheses. But if you never use $&, etc., in your script, then regexes
  518. <EM>without</EM> capturing parentheses won't be penalized. So avoid $&, $',
  519. and $` if you can, but if you can't, once you've used them at all, use
  520. them at will because you've already paid the price.  Remember that some
  521. algorithms really appreciate them.  As of the 5.005 release.  the $&
  522. variable is no longer ``expensive'' the way the other two are.</P>
  523. <P>
  524. <H2><A NAME="what good is \g in a regular expression">What good is <CODE>\G</CODE> in a regular expression?</A></H2>
  525. <P>The notation <CODE>\G</CODE> is used in a match or substitution in conjunction the
  526. <CODE>/g</CODE> modifier (and ignored if there's no <CODE>/g</CODE>) to anchor the regular
  527. expression to the point just past where the last match occurred, i.e. the
  528. <A HREF="../../lib/Pod/perlfunc.html#item_pos"><CODE>pos()</CODE></A> point.  A failed match resets the position of <CODE>\G</CODE> unless the
  529. <CODE>/c</CODE> modifier is in effect.</P>
  530. <P>For example, suppose you had a line of text quoted in standard mail
  531. and Usenet notation, (that is, with leading <CODE>></CODE> characters), and
  532. you want change each leading <CODE>></CODE> into a corresponding <CODE>:</CODE>.  You
  533. could do so in this way:</P>
  534. <PRE>
  535.      s/^(>+)/':' x length($1)/gem;</PRE>
  536. <P>Or, using <CODE>\G</CODE>, the much simpler (and faster):</P>
  537. <PRE>
  538.     s/\G>/:/g;</PRE>
  539. <P>A more sophisticated use might involve a tokenizer.  The following
  540. lex-like example is courtesy of Jeffrey Friedl.  It did not work in
  541. 5.003 due to bugs in that release, but does work in 5.004 or better.
  542. (Note the use of <CODE>/c</CODE>, which prevents a failed match with <CODE>/g</CODE> from
  543. resetting the search position back to the beginning of the string.)</P>
  544. <PRE>
  545.     while (<>) {
  546.       chomp;
  547.       PARSER: {
  548.            m/ \G( \d+\b    )/gcx    && do { print "number: $1\n";  redo; };
  549.            m/ \G( \w+      )/gcx    && do { print "word:   $1\n";  redo; };
  550.            m/ \G( \s+      )/gcx    && do { print "space:  $1\n";  redo; };
  551.            m/ \G( [^\w\d]+ )/gcx    && do { print "other:  $1\n";  redo; };
  552.       }
  553.     }</PRE>
  554. <P>Of course, that could have been written as</P>
  555. <PRE>
  556.     while (<>) {
  557.       chomp;
  558.       PARSER: {
  559.            if ( /\G( \d+\b    )/gcx  {
  560.                 print "number: $1\n";
  561.                 redo PARSER;
  562.            }
  563.            if ( /\G( \w+      )/gcx  {
  564.                 print "word: $1\n";
  565.                 redo PARSER;
  566.            }
  567.            if ( /\G( \s+      )/gcx  {
  568.                 print "space: $1\n";
  569.                 redo PARSER;
  570.            }
  571.            if ( /\G( [^\w\d]+ )/gcx  {
  572.                 print "other: $1\n";
  573.                 redo PARSER;
  574.            }
  575.       }
  576.     }</PRE>
  577. <P>But then you lose the vertical alignment of the regular expressions.</P>
  578. <P>
  579. <H2><A NAME="are perl regexes dfas or nfas are they posix compliant">Are Perl regexes DFAs or NFAs?  Are they POSIX compliant?</A></H2>
  580. <P>While it's true that Perl's regular expressions resemble the DFAs
  581. (deterministic finite automata) of the <CODE>egrep(1)</CODE> program, they are in
  582. fact implemented as NFAs (non-deterministic finite automata) to allow
  583. backtracking and backreferencing.  And they aren't POSIX-style either,
  584. because those guarantee worst-case behavior for all cases.  (It seems
  585. that some people prefer guarantees of consistency, even when what's
  586. guaranteed is slowness.)  See the book ``Mastering Regular Expressions''
  587. (from O'Reilly) by Jeffrey Friedl for all the details you could ever
  588. hope to know on these matters (a full citation appears in
  589. <A HREF="../../lib/Pod/perlfaq2.html">the perlfaq2 manpage</A>).</P>
  590. <P>
  591. <H2><A NAME="what's wrong with using grep or map in a void context">What's wrong with using grep or map in a void context?</A></H2>
  592. <P>Both grep and map build a return list, regardless of their context.
  593. This means you're making Perl go to the trouble of building up a
  594. return list that you then just ignore.  That's no way to treat a
  595. programming language, you insensitive scoundrel!</P>
  596. <P>
  597. <H2><A NAME="how can i match strings with multibyte characters">How can I match strings with multibyte characters?</A></H2>
  598. <P>This is hard, and there's no good way.  Perl does not directly support
  599. wide characters.  It pretends that a byte and a character are
  600. synonymous.  The following set of approaches was offered by Jeffrey
  601. Friedl, whose article in issue #5 of The Perl Journal talks about this
  602. very matter.</P>
  603. <P>Let's suppose you have some weird Martian encoding where pairs of
  604. ASCII uppercase letters encode single Martian letters (i.e. the two
  605. bytes ``CV'' make a single Martian letter, as do the two bytes ``SG'',
  606. ``VS'', ``XX'', etc.). Other bytes represent single characters, just like
  607. ASCII.</P>
  608. <P>So, the string of Martian ``I am CVSGXX!'' uses 12 bytes to encode the
  609. nine characters 'I', ' ', 'a', 'm', ' ', 'CV', 'SG', 'XX', '!'.</P>
  610. <P>Now, say you want to search for the single character <CODE>/GX/</CODE>. Perl
  611. doesn't know about Martian, so it'll find the two bytes ``GX'' in the ``I
  612. am CVSGXX!''  string, even though that character isn't there: it just
  613. looks like it is because ``SG'' is next to ``XX'', but there's no real
  614. ``GX''.  This is a big problem.</P>
  615. <P>Here are a few ways, all painful, to deal with it:</P>
  616. <PRE>
  617.    $martian =~ s/([A-Z][A-Z])/ $1 /g; # Make sure adjacent ``martian'' bytes
  618.                                       # are no longer adjacent.
  619.    print "found GX!\n" if $martian =~ /GX/;</PRE>
  620. <P>Or like this:</P>
  621. <PRE>
  622.    @chars = $martian =~ m/([A-Z][A-Z]|[^A-Z])/g;
  623.    # above is conceptually similar to:     @chars = $text =~ m/(.)/g;
  624.    #
  625.    foreach $char (@chars) {
  626.        print "found GX!\n", last if $char eq 'GX';
  627.    }</PRE>
  628. <P>Or like this:</P>
  629. <PRE>
  630.    while ($martian =~ m/\G([A-Z][A-Z]|.)/gs) {  # \G probably unneeded
  631.        print "found GX!\n", last if $1 eq 'GX';
  632.    }</PRE>
  633. <P>Or like this:</P>
  634. <PRE>
  635.     die "sorry, Perl doesn't (yet) have Martian support )-:\n";</PRE>
  636. <P>There are many double- (and multi-) byte encodings commonly used these
  637. days.  Some versions of these have 1-, 2-, 3-, and 4-byte characters,
  638. all mixed.</P>
  639. <P>
  640. <H2><A NAME="how do i match a pattern that is supplied by the user">How do I match a pattern that is supplied by the user?</A></H2>
  641. <P>Well, if it's really a pattern, then just use</P>
  642. <PRE>
  643.     chomp($pattern = <STDIN>);
  644.     if ($line =~ /$pattern/) { }</PRE>
  645. <P>Or, since you have no guarantee that your user entered
  646. a valid regular expression, trap the exception this way:</P>
  647. <PRE>
  648.     if (eval { $line =~ /$pattern/ }) { }</PRE>
  649. <P>But if all you really want to search for a string, not a pattern,
  650. then you should either use the <A HREF="../../lib/Pod/perlfunc.html#item_index"><CODE>index()</CODE></A> function, which is made for
  651. string searching, or if you can't be disabused of using a pattern
  652. match on a non-pattern, then be sure to use <CODE>\Q</CODE>...<CODE>\E</CODE>, documented
  653. in <A HREF="../../lib/Pod/perlre.html">the perlre manpage</A>.</P>
  654. <PRE>
  655.     $pattern = <STDIN>;</PRE>
  656. <PRE>
  657.     open (FILE, $input) or die "Couldn't open input $input: $!; aborting";
  658.     while (<FILE>) {
  659.         print if /\Q$pattern\E/;
  660.     }
  661.     close FILE;</PRE>
  662. <P>
  663. <HR>
  664. <H1><A NAME="author and copyright">AUTHOR AND COPYRIGHT</A></H1>
  665. <P>Copyright (c) 1997-1999 Tom Christiansen and Nathan Torkington.
  666. All rights reserved.</P>
  667. <P>When included as part of the Standard Version of Perl, or as part of
  668. its complete documentation whether printed or otherwise, this work
  669. may be distributed only under the terms of Perl's Artistic License.
  670. Any distribution of this file or derivatives thereof <EM>outside</EM>
  671. of that package require that special arrangements be made with
  672. copyright holder.</P>
  673. <P>Irrespective of its distribution, all code examples in this file
  674. are hereby placed into the public domain.  You are permitted and
  675. encouraged to use this code in your own programs for fun
  676. or for profit as you see fit.  A simple comment in the code giving
  677. credit would be courteous but is not required.</P>
  678. <TABLE BORDER=0 CELLPADDING=0 CELLSPACING=0 WIDTH=100%>
  679. <TR><TD CLASS=block VALIGN=MIDDLE WIDTH=100% BGCOLOR="#cccccc">
  680. <STRONG><P CLASS=block> perlfaq6 - Regexes</P></STRONG>
  681. </TD></TR>
  682. </TABLE>
  683.  
  684. </BODY>
  685.  
  686. </HTML>
  687.