Question

我正在调查一个正则表达式的谜团。我很累，所以我可能会失踪显而易见的事 - 但我看不出任何理由。

在下面的示例中，我使用perl - 但我第一次在VIM中看到了这个，所以我猜这是与多个正则表达式引擎相关的东西。

假设我们有这个文件：

$ cat data
1 =2   3 =4
5 =6  7 =8

然后我们可以用'

删除'='前面的空格

$ cat data | perl -ne 's,(.)\s+=(.),\1=\2,g; print;'
1=2   3=4
5=6  7=8

请注意，在每一行中，匹配的所有实例都将被替换; 我们使用了/ g搜索修饰符，它不会在第一次替换时停止，而是继续替换直到行尾。

例如，'= 2'之前的空格和之前的空格 '= 4'被删除; 在同一行。

为什么不使用像's，=，=，g'这样的简单结构？好吧，我们是为更困难的场景做准备......在右手边赋值是引用的字符串，也可以是单引号或双引号：

$ cat data2
1 ="2"   3 ='4 ='
5 ='6'  7 ="8"

做同样的工作（删除等号前面的空格），我们必须要小心，因为字符串可能包含相等的标志 - 所以我们标记我们看到的第一个报价，并寻找它通过反向引用：

$ cat data2 | perl -ne 's,(.)\s+=(.)([^\2]*)\2,\1=\2\3\2,g; print;'
1="2"   3='4 ='
5='6'  7="8"

我们使用反向引用\ 2来搜索任何不符合的内容与我们第一次见到的报价相同的报价，任意次数（[^ \ 2] *）。然后我们搜索原始报价本身（\ 2）。如果找到，我们使用后引用来引用替换中的匹配部分目标

现在看看：

$ cat data3 
posAndWidth ="40:5 ="   height        ="1"
posAndWidth ="-1:8 ='"  textAlignment ="Right"

我们想要的是删除存在的 last 空格字符在 all 每行之前的'='实例之前。像以前一样，我们不能使用一个简单的's，=“，=”，g'，因为字符串本身可能包含等号。

所以我们遵循与上面相同的模式，并使用反向引用：

$ cat data3 | perl -ne "s,(\w+)(\s*) =(['\"])([^\3]*)\3,\1\2=\3\4\3,g; print;"
posAndWidth="40:5 ="   height        ="1"
posAndWidth="-1:8 ='"  textAlignment ="Right"

它有效......但仅限于该线的第一场比赛！ “textAlignment”后面的空格没有删除，也没有删除在它上面（'高度'一个）。

基本上，似乎/ g不再具有功能：运行相同没有/ g的replace命令产生完全相同的输出：

$ cat data3 | perl -ne "s,(\w+)(\s*) =(['\"])([^\3]*)\3,\1\2=\3\4\3,; print;"
posAndWidth="40:5 ="   height        ="1"
posAndWidth="-1:8 ='"  textAlignment ="Right"

在这个正则表达式中，似乎忽略了/ g。有什么想法吗？

Answer 1

在替换中插入一些调试字符可以解决这个问题：

use strict;
use warnings;

while (<DATA>) {
    s,(\w+)(\s*) =(['"])([^\3]*)\3,$1$2=$3<$4>$3,g;
    print;                       #  here -^ -^
}

__DATA__
posAndWidth ="40:5 ="   height        ="1"
posAndWidth ="-1:8 ='"  textAlignment ="Right"

<强>输出：

posAndWidth="<40:5 ="   height        ="1>"
posAndWidth="<-1:8 ='"  textAlignment ="Right>"
#            ^--------- match ---------------^

请注意，匹配会同时通过两个引号。似乎[^\3]*没有做你认为它做的事情。

正则表达式不是这里最好的工具。使用可以处理带引号的字符串的解析器，例如Text::ParseWords：

use strict;
use warnings;
use Data::Dumper;
use Text::ParseWords;

while (<DATA>) {
    chomp;
    my @a = quotewords('\s+', 1, $_);
    print Dumper \@a;
    print "@a\n";
}

__DATA__
posAndWidth ="40:5 ="   height        ="1"
posAndWidth ="-1:8 ='"  textAlignment ="Right"

<强>输出：

$VAR1 = [
          'posAndWidth',
          '="40:5 ="',
          'height',
          '="1"'
        ];
posAndWidth ="40:5 =" height ="1"
$VAR1 = [
          'posAndWidth',
          '="-1:8 =\'"',
          'textAlignment',
          '="Right"'
        ];
posAndWidth ="-1:8 ='" textAlignment ="Right"

我包含了Dumper输出，因此您可以看到字符串是如何拆分的。

Answer 2

我将详细阐述我对TLP答案的评论：

你会问两个问题：

1-为什么你的正则表达式没有产生预期的结果？为什么g标志不起作用？

答案是因为您的正则表达式包含未正确处理的此部分[^\3]：\3未被识别为后向引用。我找了它但找不到在字符类中有后引用的方法。

2-如何删除等号前面的空格并单独留下后面的部分并在引号之间？

这是一种方法（见this reference）：

$ cat data3 | perl -pe "s,(([\"']).*?\2)| (=),\1\3,g"
posAndWidth="40:5 ="   height       ="1"
posAndWidth="-1:8 ='"  textAlignment="Right"

正则表达式的第一部分捕获引号之间的任何内容（单引号或双引号）并由匹配替换，第二部分对应于前面带有您要查找的空格的等号。 请注意这个解决方案只是通过使用非贪婪的运算符[^\3]来围绕具有反向引用*?的补充字符类运算符的“有趣”部分。 p>

最后，如果你想追求negative lookahead solution：

$ cat data3 | perl -pe 's,(\w+)(\s*) =(["'"'"'])((?:(?!\3).)*)\3,\1\2=\3\4\3,g'
posAndWidth="40:5 ="   height       ="1"
posAndWidth="-1:8 ='"  textAlignment="Right"

方括号之间带引号的部分仍然意味着"[\"']"但我必须在整个perl命令周围使用单引号，否则负向前瞻(?!...)语法会在bash中返回错误。

编辑使用否定前瞻修正了正则表达式：再次注意非贪婪的运算符*?和g标记。

编辑将ttsiodras的评论记入帐户：删除了非贪婪的操作员。

编辑将TLP的评论记入帐户

一个正则表达神秘

2 个答案: