The Split Operator

功能多样的split运算符（在不那么严格的时候，人们通常称其为函数）常被视为list context中m/…/g （☞311）的对立物。后者返回表达式匹配的文本，而split返回由表达式匹配的文本分隔的文本。把$text=～m/：/g应用到\'IO.SYS：225558：95-10-03：-a-sh：optional\'中，返回四个元素的list：

(\':\',\':\',\':\',\':\')

这似乎没什么用，但是split（/：/，$text）返回5个元素的list：

(\'IO.SYS\',\'225558\',\'95-10-03\',\'-a-sh\',\'optional\')

两个例子都告诉我们，「：」匹配了4次。使用split，这4次匹配把目标字符串的副本分隔为5段，返回包含5个字符串的list。

这个例子只用单个字符分隔目标字符串，其实我们可以使用任何正则表达式：

@Paragraphs=split(m/s＊＜p＞s＊/i,$html);

它会按照＜p＞或者＜P＞（两边可能有空白字符）把$html中的HTML代码分隔开来。你甚至可以按位置分隔：

@Lines=split(m/^/m,$lines);

把字符串按行切分。

对最简单形式的数据来说，split非常有用也很容易理解。不过，因为存在许多参数、特殊情况和特殊情形，事情会变得复杂。在深入这些细节之前，先给出两个特别有用的例子：

●特殊的 match 运算符//，会把目标字符串切分为单个字符，也就是说，split（//，＂short test＂）得到10个元素的list：（＂s＂，＂h＂，＂o＂，...，＂s＂，＂t＂）。

●特殊的 match 运算符＂·＂ （包含单个空格的普通字符串）把目标字符串按照空白字符切分，等于使用 m/s+/，只是会忽略开头和结尾的空白字符。这样，split（＂·＂，＂···a·short···test···＂） 得到三个字符串：‘a’、‘short’和‘test’。

稍后讨论各种特殊情况，我们先来看基础的部分。

Split基础知识

Basic Split

split运算符看起来像函数，它接收3个参数：

split(match operand,target string,chunk-limit operand)

括号是可选的，未提供的运算元会设置为默认值（本节稍后讨论）。

split总是在list context中使用，常用的模式包括：

match运算元

运算元match有几种特殊情况，不过它通常等价于match操作中的 regex运算元。也就是说，你可以使用/…/和m{…}之类的形式，它可以是regex对象，或者任何能够求值为字符串的表达式。它只支持第292页介绍的核心修饰符。

如果继续要用括号来分组，请务必使用非捕获型括号「（？：…）」。我们稍后将会看到，在split中使用捕获型括号会触发极特殊的功能。

target string运算元

target string只用于检测，绝不会被修改。如果没有设定，默认使用$_。

chunk-limit运算元

chunk-limit 运算元的主要功能是设定 split切分字符串的数目上限。对上面的例子中同样的目标字符串调用split（/：/，$text，3）得到：

(\'IO.SYS\',\'225558\',\'95-10-03:-a-sh:optional\')

这告诉我们，/：/匹配两次之后split会终止，产生所需的3段。它可能可以匹配更多的次数，但这里不需要，因为存在段的数目限制。设定的数目将作为上限，所以最多只能返回规定数目的元素（除非正则表达式包含捕获型括号，后文会论及）。得到的元素数目可能少于上限，如果得到的分段少于规定的数目，也不会有多余的内容来“填充”。对于示例所用的数据，返回的list只有5个元素。不过，split（/：/，$text）和有重要的区别，这里暂时还看不出来——请记住这一点，稍后我们会仔细讲解。

记住，chunk-limit运算元指向的是各匹配之间的分段，而不是匹配的数目本身。否则，前面那个上限为3的例子就应该得到这个：

(\'IO.SYS\',\'225558\',\'95-10-03\',\'-a-sh:optional\')

这不是程序运行的结果。

这里谈谈效率：假设只希望取开头的几个元素，例如：

($filename,$size,$date)=split(/:/,$text);

为了提高效率，在需要的元素赋值之后，Perl 会停止 split操作。它会自动把 chunk-limit设置为list的元素个数+1。

深入split

从我们接触过的例子来看，split 很容易使用，但有三个特殊的问题增加了它实践起来的复杂程度：

●返回空元素。

●特殊的regex运算符。

●包含捕获型括号的regex。

下面分别讨论。

返回空元素

Returning Empty Elements

split的基本功能是返回由各个匹配分隔的分本，但有的时候，返回的文本是空字符串（长度为0的字符串，例如＂＂），比如：

它返回：

(＂12＂,＂34＂,＂＂,＂78＂)

正则表达式「：」匹配了3次，所以应当返回4个元素。第3个元素为空，表示正则表达式在一行中匹配了两次，它们之间没有文本。

结尾的空元素

通常情况下，结尾的空元素不会返回，例如：

同样会返回4个元素：

(＂12＂,＂34＂,＂＂,＂78＂)

即使这个正则表达式在字符串的末尾能匹配更多的次数，结果也没有变化。在默认情况下，split不会返回list末尾的空元素。不过，我们可以通过设定chunk-limit运算元，让split返回所有的末尾元素。

chunk-limit运算元的次要职能

chunk-limit的主要用途是设定分段数目的上限，任何不等于0的chunk-limit都会保留末尾的空元素（chunk-limit设置为零等价于不设置chunk-limit）。如果你不希望限制返回的chunk的数目，但是希望保留末尾的空元素，只需要设置一个非常大的限制即可。或者更好的办法是，设置为-1，因为chunk-limit为负数表示一个足够大的上限：split（/：/，$text，-1）会返回所有的元素，包括末尾的空元素。

另一个极端是，如果你不希望保留任何空元素，可以在split之前使用grep{length}。使用grep之后，只会返回长度不为0的元素（也就是说，非空元素）。

my@NonEmpty=grep {length} split(/:/,$text);

字符串末尾的特殊匹配

在字符串开头的匹配会产生一个空元素：

@num的值为：

(＂＂,＂12＂,＂34＂,＂＂,＂78＂)

开始的空元素表明，正则表达式在字符串的开头能够匹配。不过也有例外，如果一个正则表达式没有匹配任何文本，如果它在字符串的开头或者结尾匹配，那么开头和/或结尾的空元素将不会生成。来看个简单的例子：split（/b/，＂a simple test＂），它能够匹配其中的6个位置’。即使它能匹配6次，也不会返回7个元素，而是5个元素：（＂a＂，＂·＂，＂simple＂，＂·＂，＂test＂）。其实，这种特殊情况我们已经见过，即第321页的@Lines=split（m/^/m，$lines）。

Split中的特殊Regex运算元

Split\'s Special Regex Operands

split的match运算元通常就是正则文字或者regex对象，这与match运算符的情况一样，不过也有例外：

●regex为空的意思不是“使用当前的默认正则表达式”，而是把目标字符串分割为字符。在刚开始讨论 split 的时候我们见过这个例子，split（//，＂short test＂）返回 10个元素的list：（＂s＂，＂h＂，＂o＂，…，＂s＂，＂t＂）。

●如果match运算元是由单个空格构成的字符串（而不是正则表达式），则是另一种特殊情况。它基本等同与/s+/，只是会忽略开头的空白字符。这主要是为了模拟 awk 对输入进行的默认的输入-记录-分隔（input-record-separator）操作，尽管对普通情况来说它也很有用。

如果希望保留开头的空白字符，可以直接使用m/s+/。如果希望保留末尾的空白字符，只需要把chunk-limit设置为-1。

●如果没有设置regex运算元，则默认使用一个空格符（上面提到的特殊情况）。这样，不带任何运算元的split就等价于split（\'·\'，$_，0）。

●如果regex为「^」，会自动使用修饰符/m（增强型行锚点匹配模式）。（因为某些原因，「$」则不行）。因为明确使用m/^/m非常容易，我推荐这种更清晰的写法。m/^/m是把包含多行文本的字符串按行切分的简便方法。

Split不产生伴随效应

请注意，split的match运算元看起来很像普通的match运算符，但是它没有任何伴随效应。split中的正则表达式不会影响到之后的match或是substitution操作所用的默认正则表达式，也不会设置$&、、$1 之类的变量。split 在伴随效应上完全独立于程序的其他部分（注8）。

Split中带捕获型括号的match运算元

Split\'s Match Operand with Capturing Parentheses

捕获型括号会从整体上改变split。一旦使用了捕获型括号，返回的list中会多出些独立的元素，它们对应于括号捕获的元素。也就是说，split 没有返回的部分或全部的文本，会包含在返回的list中。

例如，在处理HTML时，对下面的文本调用split（/（＜[^＞]＊＞）/）：

…·and·＜B＞very·＜FONT·color=red＞very＜/FONT＞·much＜/B＞·effort…

返回：

如果去掉捕获型括号，split（/＜[^＞]＊＞/）返回：

(\'...·and·\',\'very·\',\'very\',\'·much\',\'·effort...\')

多出来的元素不受分段上限的限制（chunk-limit 限制原来字符串切分之后的分段数目，而不是返回元素的数目）。

如果包含多个捕获型括号，每次匹配之后，list会多出多个元素。如果某个捕获型括号没有参与匹配，对应的元素为undef。