Question

我想在字符串中捕捉罗马数字（80以下的数字足够好）。我在How do you match only valid roman numerals with a regular expression?找到了良好的基础。问题是：它处理整个字符串。我还没有找到如何检测字符串内的罗马数字的解决方案，因为没有强制要求，每个组都可以是可选的。到目前为止，我尝试过这样的事情：

my $x = ' some text I-LXIII iv more ';

if (  $x =~  s/\b(
                    (
                        (XC|XL|L?X{0,3}) # first group 10-90
                    |
                        (IX|IV|V?I{0,3}) # second group 1-9
                    )+
            )
        \b/>$1</xgi ) { # mark every occurrence
    say $x;
}

__END__
 ><some>< ><text>< ><>I<><-><>LXIII<>< ><>iv<>< ><more>< 
 desired output:
  some text >I<->LXIII< >iv< more

所以，这个也可以通过自己捕获单词边界，因为所有组都是可选的。如何完成它？如何强制执行这两个组中的一组，而无法确定哪一组是强制性的？其他捕捉罗马人的方法也很受欢迎。

Answer 1

您可以使用Roman CPAN模块

use Roman;

my $x = ' some text I-LXIII VII XCVI IIIXII iv more ';
if (  $x =~  
    s/\b
    (
        [IVXLC]+
    )
    \b
    /isroman($1) ? ">$1<" : $1/exgi ) {
    say $x;
}

<强>输出：

some text >I<->LXIII< >VII< >XCVI< IIIXII >iv< more

Answer 2

这是Perl让我们失望的地方，其中缺少\<和\>（开头和结尾字边界）构造，这些构造在其他地方可用。即使\b...\b不使用任何目标字符串，...之类的模式也会匹配，因为第二个\b将很快与第二次开始字边界匹配。

然而，结束词边界只是(?<=\w)(?!\w)，所以我们可以使用它。

这个程序会做你想要的。它会对字边界中包含的一串潜在罗马字符进行预测（因此我们必须位于开头字边界），然后检查合法罗马数字后面没有单词字符（所以现在我们处于 end 字边界）。

请注意，我已经改变了你的>...<标记，因为它们使我感到困惑。

use strict;
use warnings;

use feature 'say';

my $x = ' some text I-LXIII iv more ';

if ( $x =~ s{
    (?= \b [CLXVI]+ \b )
    (
      (?:XC|XL|L?X{0,3})?
      (?:IX|IV|V?I{0,3})?
    )
    (?!\w)
    }
    {<$1>}xgi ) {

    say $x;
}

<强>输出

some text <I>-<LXIII> <iv> more

如何在字符串中捕捉罗马数字？

2 个答案: