Question

说，我有一行包含以下字符串：

"$tom" said blah blah blash.  "$dick" said "blah blah blah". "$harry" said blah blah blah.

我要提取

"$dick" said "blah blah blah"

我有以下代码：

my ($term) = /(".+?" said ".+?")/g;
print $term;

但它给了我比我更多的东西：

"$tom" said blah blah blash.  "$dick" said "blah blah blah"

我尝试使用非捕获的parens将我的模式整体分组：

my ($term) = /((?:".+?" said ".+?"))/g;

但问题仍然存在。

我已经读过了学习Perl的Nongreedy Quantifiers部分，但是到目前为止我无处可去。

感谢您提供的任何慷慨提供的指导：）

Answer 1

问题在于，即使它并不贪心，它仍然在不断尝试。正则表达式没有看到

"$tom" said blah blah blash.

并且想“噢，”说“之后的东西没有引用，所以我会跳过那个。”它认为“好吧，之后的东西”说“没有引用，所以它仍然必须是我们引用的一部分。”所以".+?"匹配

"$tom" said blah blah blash.  "$dick"

你想要的是"[^"]+"。这将匹配两个引号，包含任何不是引号的内容。所以最终解决方案：

("[^"]+" said "[^"]+")

Answer 2

不幸的是"是一个特殊的角色，需要谨慎对待。使用：

my ($term) = /("[^"]+?" said "[^"]+?")/g;

它应该可以正常工作（它适合我...！）。即显式匹配“非双引号”的序列而不是任意字符的序列。

Answer 3

其他人已经提到了如何解决这个问题。

我将回答您如何调试此问题：您可以通过使用更多捕获来查看正在发生的事情：

 bash$ cat story | perl -nle 'my ($term1, $term2, $term3) = /(".+?") (said) (".+?")/g ; 
      print "term1 = \"$term1\" term2 = \"$term2\" term3 = \"$term3\" \n"; '
 term1 = ""$tom" said blah blah blash.  "$dick"" term2 = "said" term3 = ""blah blah blah""

Answer 4

你的问题是你的正则表达式有两种可能的匹配，你想要的那种（较短的一种）和正则表达式引擎选择的那种。引擎选择该特定匹配，因为它更喜欢在字符串中较早开始的匹配，并且对于稍后开始且较短的匹配较长。换句话说，早期比赛胜过较短的比赛。

要解决这个问题，你需要让你的正则表达式更具体（就像告诉引擎$ term不应该包含任何引号一样。最好让你的正则表达式尽可能具体。

有关正则表达式的更多细节和问题，我推荐Jeffrey Friedl的优秀书籍：Mastering Regular Expressions

为什么我的非贪婪Perl正则表达式仍然匹配太多？

4 个答案: