Question

给定文字

my $line = "[cytokine]<ADJVNT-PROP-0> signaling, which have not [to]<PREP> date been shown [to]<PREP> be [[regulat]<EXP-V-0>ed]<EXP-PP-V-0>";
my $line2 = "[Human [papillomavirus]<VACC-PROP-0>]<VACC-PROP-0> genotype [31]<NUM> does not [express]<EXP-V-0> detectable [microRNA]<MIR-0> levels [during]<PREP> latent or productive virus replication.";

我想要删除的所有内容都不是<XXX> 结果如下：

Output 1: <ADJVNT-PROP-0><PREP><PREP><EXP-V-0><EXP-PP-V-0>
Output 2: <VACC-PROP-0><VACC-PROP-0><NUM><EXP-V-0><MIR-0><PREP>

但为什么这个正则表达式失败了？什么是正确的方法？

s/[^<.*>]//g

这是完整的代码和可执行文件：https://eval.in/50996

Answer 1

您的替换s/[^<.*>]//g使用字符类，它匹配任何单个字符，它不是开括号或近角括号，点或星号。所以它会删除所有这些字符，只留下那四个中的一个。

尝试编写单一正则表达式有一种奇怪的热情，可以解决整个问题。这里更容易找到尖括号中包含的所有字符串并将它们连接在一起，就像这样。

use strict;
use warnings;

use feature 'say';

my $line = "[cytokine]<ADJVNT-PROP-0> signaling, which have not [to]<PREP> date been shown [to]<PREP> be [[regulat]<EXP-V-0>ed]<EXP-PP-V-0>";
my $line2 = "[Human [papillomavirus]<VACC-PROP-0>]<VACC-PROP-0> genotype [31]<NUM> does not [express]<EXP-V-0> detectable [microRNA]<MIR-0> levels [during]<PREP> latent or productive virus replication.";

say join '', $line  =~ /<[^<>]*>/g;
say join '', $line2 =~ /<[^<>]*>/g;

<强>输出

<ADJVNT-PROP-0><PREP><PREP><EXP-V-0><EXP-PP-V-0>
<VACC-PROP-0><VACC-PROP-0><NUM><EXP-V-0><MIR-0><PREP>

Answer 2

这也应该这样做。

s/[^><]+?(?=<|$)//g;

请参阅working demo

Answer 3

你可以试试这个。

s/[^<]*(<[^>]+>)[^<]*/$1/g;

使用Perl正则表达式删除所有非角度括号内的单词

3 个答案: