Question

我在Perl中有一个复杂的预编译正则表达式。对于大多数情况下，正则表达式是正确的，并且匹配它应该的一切，不应该没有。除了一点。

基本上我的正则表达式如下：

my $regexp = qr/\b(FOO|BAR|\*)\b/;

不幸的是m/\b\*\b/与example, *不匹配。由于误报，只有m/\*/会执行我无法使用的操作。有没有解决方法？

来自评论的

- 误报为：**，example*，exam*ple

正则表达式的用途是什么？ - 它应该提取关键字（一个是单个星号），同事已经输入了产品数据。目标是将这些信息从freetext字段转移到原子字段中。

Answer 1

听起来您希望将*视为单词字符。

\b

相当于

(?x: (?<!\w)(?=\w) | (?<=\w)(?!\w) )

所以你想要

(?x: (?<![\w*])(?=[\w*]) | (?<=[\w*])(?![\w*]) )

已申请，您将获得以下内容：

qr/
    (?: (?<![\w*])(?=[\w*]) | (?<=[\w*])(?![\w*]) )
    (FOO|BAR|\*)
    (?: (?<![\w*])(?=[\w*]) | (?<=[\w*])(?![\w*]) )
/x

但鉴于我们对中间表达的了解，可以简化为以下内容：

qr/(?<![\w*])(FOO|BAR|\*)(?![\w*])/

Answer 2

问题是Perl不认为*是“单词字符”，因此无法识别空格和星号之间的单词边界（而识别它r中的*和foobar*之间的一个。

解决方案是首先确定你做什么想要考虑“word”和“non-word”字符，然后明确检查。例如，如果您希望您的单词仅包含字母'A'到'Z'（或它们的小写版本）和*，并且其他所有内容都被视为非单词字符，你可以使用：

/(?<![A-Za-z*])(FOO|BAR|\*)(?![A-Za-z*])/

这将匹配字符串FOO，BAR或*，前提是它们之前或之后没有匹配[A-Za-z*]的字符。

同样，如果您想要将除空格之外的所有内容都视为非单词字符，则可以使用：

/(?<!\S)(FOO|BAR|\*)(?!\S)/

将匹配FOO，BAR或*，前提是它们之前或后面没有非空格字符。

Answer 3

怎么样：

my $regexp = qr/(?:\b(FOO|BAR)\b)|(?:^| )\*(?:$| )/;

行动中：

my $re = qr~(?:\b(FOO|BAR)\b)|(?:^| )\*(?:$| )~;
while(<DATA>) {
    chomp;
    say (/$re/ ? "OK : $_" : "KO : $_");
}


__DATA__
FOO
BAR
*
exam*ple
example*

<强>输出：

OK : FOO
OK : BAR
OK : *
KO : exam*ple
KO : example*

如何在Perl中使用正则表达式中的分词，星号，分词？

3 个答案: