Learning Perl - Chương 7: Biểu thức chính qui
1. Nhập vào từ STDIN
2. Nhập vào từ toán tử hình thoi
3. Đưa ra STDOUT
4. Bài tập
7.1 Khái niệm về biểu thức chính qui
Biểu thức chính qui là một khuôn mẫu - một tiêu bản - để được sánh với một xâu. Việc sánh
một biểu thức chính qui với một xâu thì hoặc thành công hoặc thất bại. Đôi khi, sự thành công
hay thất bại này có thể là tất cả những gì bạn quan tâm tới. Vào lúc khác, bạn sẽ muốn lấy một
khuôn mẫu đã sánh đúng và thay thế nó bằng một xâu khác, một phần trong đó có thể phụ
thuộc đích xác vào cách thức và nơi chốn mà biểu thức chính qui được sánh đúng. Biểu thức
chính qui thường được nhiều chương trình UNIX dùng tới, như grep, sed, awk, ed, vi, emacs
và thậm chí cả nhiều shell script nữa. mỗi chương trình đều có một tập các kí tự tiêu bản khác
nhau. Perl là một siêu tệp ngữ nghĩa cho tất cả những công cụ này - bất kì biểu thức chính qui
nào mà có thể được viết trong một trong những công cụ UNIX này thì cũng đều có thể được
viết trong Perl, nhưng không nhất thiết dùng hệt các kí tự đó.
7.2 Cách dùng đơn giản về biểu thức chính qui
Nếu chúng ta tìm tất cả các dòng của một tệp có chứa xâu abc, thì ta có thể dùng lệnh grep:
grep abc sonefile > result
Trong trường hợp này, abc là biểu thức chính qui mà lệnh grep lấy để kiểm tra cho từng dòng
đưa vào. Những dòng so sánh đúng sẽ được chuyển ra lối ra chuẩn (ở đây, kết quả sẽ được ghi
vào tệp result).
Trong Perl, ta có thể nói về xâu abc như biểu thức chính qui bằng việc bao xâu này trong hai
dấu sổ chéo:
if (/abc/) {
print "$_";
}
Nhưng cái gì được kiểm tra so với biểu thức chính qui abc trong trường hợp này? Tại sao biến
$_ lại có mặt ở đây? Khi một biểu thức chính qui được bao trong hai dấu sổ chéo (như trên), thì
biến $_ sẽ được kiểm tra theo biểu thức chính qui đó. Nếu biểu thức chính qui so sánh đúng,
thì toán tử so sánh sẽ trả về giá trị đúng; ngược lại nó trả về giá trị sai.

Như với toán tử đối sánh, ta sẽ còn xem xét lại vô số các tuỳ chọn về toán tử thay thế dưới đây,
trong mục "Thay thế".
7.3 Khuôn mẫu
Một biểu thức chính qui là một khuôn mẫu. Một số phần của khuôn mẫu sánh đúng chỉ các kí
tự trong xâu thuộc kiểu đặc biệt. Những phần khác của khuôn mẫu sánh đúng cho đa kí tự.
Trước hết, ta sẽ xem các khuôn mẫu một kí tự, rồi đến các khuôn mẫu đa kí tự.
• 7.3.1 Khuôn mẫu một kí tự
Kí tự sánh mẫu đơn giản nhất và thông dụng nhất trong các biểu thức chính qui là một kí tự
sánh với chính nó. Nói cách khác, đặt một chữ a vào trong biểu thức chính qui đòi hỏi một chữ
tương ứng a trong xâu.
Kí tự sánh mẫu thông dụng nhất tiếp đó là dấu chấm (.). Dấu chấm đối sánh bất kì kí tự riêng lẻ
nào ngoại trừ dấu xuống dòng mới (\n). Chẳng hạn, khuôn mẫu /a./ đối sánh bất kì dãy hai kí tự
nào bắt đầu bằng a và không phải là a\n.
Lớp kí tự sánh mẫu được biểu diễn bởi cặp dấu ngoặc vuông mở và đóng, và một danh sách
các kí tự nằm giữa hai dấu ngoặc này. Một và chỉ một trong các kí tự này phải hiện diện tại
phần tương ứng của xâu cần sánh mẫu. Chẳng hạn, /[abcde]/ sẽ sánh đúng với bất kì một trong
năm chữ đầu tiên của bảng chữ thường, trong khi /[aeiouAEIOU]/ lại sánh với bất kì năm
nguyên âm hoặc chữ thường hoặcchữ hoa. Nếu bạn muốn đặt dấu ngoặc vuông phải (]) vào
danh sách thì hãy đặt một sổ chéo ngược ở trước nó (ví dụ \]), hay đặt nó như kí tự đầu tiên bên
trong danh sách.
Phạm vi của các kí tự (như a tới z) có thể được viết tắt bằng việc chỉ ra những điểm cuối của
phạm vi được tách biệt bởi dấu gạch ngang (-); để có được hằng kí hiệu gạch ngang, bạn hãy
đặt trước dấu gạch ngang một sổ chéo ngược. Sau đây là một số thí dụ khác:
[0123456789] # sánh với mọi chữ số
[0-9] # tương tự nhưu trên
[0-9\-] # sánh 0-9 hay dấu trừ
[a-z0-9] # sánh bất kì chữ thường hay số nào
[a-zA-Z0-9_] # sánh bất kì chữ, số hay dấu gạch dưới
Cũng có lớp kí tự bị phủ định, cũng là cùng lớp kí tự, nhưng có thêm dấu mũ (^) đằng trước, đi
ngay sau dấu ngoặc trái. Lớp kí tự này đối sánh với bất kì kí tự đơn nào không trong danh sách.

tuỳ chọn a, theo sau là một r.
Trong tất cả ba khuôn mẫu nhóm này, các khuôn mẫu đều tham lam. Nếu một khuôn mẫu như
vậy có cơ hội sánh đúng giữa năm và mười kí tự thì nó sẽ lọc ra xâu mười kí tự mỗi lúc. Chẳng
hạn:
$_ = "jerry xxxxxxxxxx tom";
s/x*/boom/;
Bao giờ cũng thay tất cả các x liên tiếp bằng boom (kết quả là jerry boom tom), thay vì chỉ thay
thế cho một hay hai x, cho dù một tập x ngắn hơn cũng sánh được cho cùng biểu thức chính
qui.
Nếu bạn cần nói "năm tới mười" x, thì bạn có thể xoay xở bằng cách đặt năm x theo sau bởi
năm x nữa đi liền sau dấu chấm hỏi. Nhưng làm thế trông xấu, mà cũng chẳng làm việc tốt
lắm. Thay vì vậy, có một cách dễ hơn: số bội tổng quát. Số bội tổng quát bao gồm một cặp dấu
ngoặc nhọn với một hay hai số bên trong, ví dụ /x{5,10}/. Giống như ba số bội khác, kí tự
đứng ngay trước (trong trường hợp này là chữ "x") phải được tìm thấy bên trong số lần lặp đã
chỉ ra (năm đến mười ở đây).
Nếu bạn bỏ đi con số thứ hai, như trong /x{5,}/, thì điều này có nghĩa là "nhiều hay hơn nữa"
(năm hay nhiều hơn trong trường hợp này), và nếu bạn bỏ nốt dấu phẩy, như trong /x{5}/, thì
điều đó có nghĩa là "đúng con số này" (đúng năm x). Để được 5 x hay ít hơn, bạn phải đặt số
không vào, như trong /x{0,5}/.
Vậy, biểu thức chính qui /a.{5}b/ sánh đúng cho kí tự a được tách với ký tự b bởi bất kì năm kí
tự khác kí tự xuống dòng mới (nhớ lại rằng dấu chấm sánh với bất kì kí tự khác dấu xuống
dòng, và chúng ta sánh với năm kí tự như thế ở đây). Năm kí tự này không cần phải như nhau
(chúng ta sẽ biết cách để buộc chúng là như nhau trong mục tiếp).
Ta có thể loại bỏ hẳn hoàn toàn *, +, và ?, vì chúng hoàn toàn tương đương với {0,}, {1,}, và
{0,1}. Nhưng dễ dàng hơn vẫn là gõ một kí tự ngắt tương đương, mà cũng quen thuộc hơn.
Nếu có hai số bội trong một biểu thức, thì qui tắc tăng được tăng lên với "bên trái nhất là tăng
lên nhất". Chẳng hạn:
$_ = "a xxx c xxxx c xxx d";
/a.*c.*d/;
Trong trường hợp này, ".*" thứ nhất trong biểu thức chính qui sánh với tất cả các kí tự cho tới c

Sẽ sánh với một a, một kí tự (gọi nó là #1), một b, một kí tự khác (gọi nó là #2), một c, kí tự
#2, một d, và kí tự #1 (cho nên nó sánh với axbycydx chẳng hạn).
Phần được tham khảo tới có thể nhiều hơn một kí tự. Chẳng hạn:
/a(.*)b\1c/;
Sẽ sánh với một a, theo sau bởi một số bất kì kí tự nào (thậm chí không), theo sau bởi b, theo
sau bởi cùng dãy kí tự đó, theo sau bởi c. Vậy, nó sẽ sánh với aFREDnFREDc, hay thậm chí
abc, nhưng không sánh aXXbXXXc.
Một cách dùng khác của phần được nhớ của biểu thức chính qui là trong xâu thay thế của chỉ
lệnh thay thế. Kết cấu kiểu \1 vẫn giữ giá trị của chúng trong xâu thay thế, và có thể được tham
khảo tới để xây dựng xâu, như trong:
$_ = "a xxx b yyy c zzz d";
s/b(.*)c/d\1e/;
sẽ thay thế b và c bằng d và e, vẫn giữ lại phần ở giữa.
• 7.3.2.4 Thay phiên
Một kết cấu nhóm khác là thay phiên, như trong a|b|c. Điều này có nghĩa là sánh đúng một
trong các khả năng (a hoặc b hoặc c trong trường hợp này). Điều này vẫn có tác dụng ngay cả