Question

$regex   = "[M]?[VI]?[A]?[R]?[G]?[D]?[LM]?[G]?[IVMAL]?[E]?";
$text = "VMVARGDLGVE";

if (@matched = $text =~ /$regex/g) {
    $no_of_match = scalar @matched;
    print "No of match: ", $no_of_match, "\n";
    foreach my $i (@matched) {
        print $i, "\n";
    }
}

该程序生成输出如下：不匹配：3 VMV ARGDLGVE

我期待这个程序输出如下内容： V VM VMV MV MVA MVAR MVARG MVARGD MVARGDL MVARGDLG MVARGDLGV MVARGDLGVE ....

我试图将所有可能的匹配作为输出。如何获得所有可能的匹配？

Answer 1

正则表达式匹配并不像那样工作。如果您在找到匹配项后再次搜索，则会从该匹配项的结尾再次开始搜索。所以它没有找到重叠的匹配。

我假设你在Perl 5工作。我相信在Perl 6中有一些方法可以做到这一点。这真的是一种不同的语言。我不知道任何其他语言可以找到你想要的重叠正则表达式匹配。

它找到的第一个匹配项是开头的子字符串VMV。然后它从它停止的位置开始搜索，并找到匹配ARGDLGVE。然后它再次从它停止的地方开始尝试，这个阶段在字符串的末尾。所以它在末尾找到空子串作为匹配。（请注意，你的正则表达式与空字符串匹配。）禁止正则表达式再次找到相同的空字符串，因为这会导致无限循环，因此它会停止搜索。

这段代码的重点是什么？因为我真的无法看到这样做的好方法，我希望还有其他方法来实现你的目标。您可以浏览$text的所有可能的子字符串，并使用/^$regex$/分别检查每个子字符串。根据我的计算，您将找到70个匹配项（包括重复项和空字符串）。也许你想要一个更严格的正则表达式？

Answer 2

我已经重构了您的代码，以便更容易地查看正在进行的操作。

my $regex = qr/
  M?        # 1:  Match M,                  greedy, 0 or 1 times.
  [VI]?     # 2:  Match V or I,             greedy, 0 or 1 times.
  A?        # 3:  Match A,                  greedy, 0 or 1 times.
  R?        # 4:  Match R,                  greedy, 0 or 1 times.
  G?        # 5:  Match G,                  greedy, 0 or 1 times.
  D?        # 6:  Match D,                  greedy, 0 or 1 times.
  [LM]?     # 7:  Match L or M,             greedy, 0 or 1 times.
  G?        # 8:  Match G,                  greedy, 0 or 1 times.
  [IVMAL]?  # 9:  Match I, B, M, A or L,    greedy, 0 or 1 times.
  E?        # 10: Match E,                  greedy, 0 or 1 times.
/x;
my $text = "VMVARGDLGVE";

if ( my @matched = $text =~ /$regex/gx ) {
  print "No of matches: ", scalar(@matched), "\n";
  print "<<$_>>\n" foreach @matched;
}

您的正则表达式在尽可能多的方式匹配，而不会违反其NFA正则表达式引擎的规则。

其中一条规则是＆＃34;最左边＆＃34 ;;最靠近左边的子串在目标中，将选择总匹配成功。
另一个规则是贪婪的量词将与之匹配可能的，只会放弃他们拥有的子匹配必须让完整的比赛成功。放弃一部分他们的比赛涉及回溯。除非a。避免回溯量词已经占用太多，必须放弃它以允许完全匹配才能成功。
另一个规则是迭代匹配在该点恢复上一场比赛没有结束。

穿过目标字符串，＆＃34; V＆＃34;匹配子模式[VI]?（以下称为子模式＃2）。贪婪的量词持有＆＃39; V＆＃39;并且只有在以后被强制使用时才会释放它，以获得更大的利益。

＆＃34; M＆＃34;从目标字符串匹配子模式＃7。并且＆＃34; V＆＃34;匹配子模式＃9。完成第一次迭代，匹配＆＃34; VMV＆＃34;。

现在，您的目标字符串的其余部分看起来像＆＃34; ARGDLGVE＆＃34;。 pos标记位于3（目标字符串中的第4个字符），因此第二次迭代的匹配从那里开始。＆＃39; A＆＃39;子模式＃3，＆＃39; R＆＃39;比赛＃4，＆＃39; G＆＃39;比赛＃5，＆＃39; D＆＃39;比赛在＃6，＆＃39; L＆＃39;比赛＃7，＆＃39; G＆＃39;比赛＃8，＆＃39; V＆＃39;比赛＃9，＆＃39; E＆＃39;比赛在＃10。第二次迭代完成，匹配了＃ARGDLGVE＆＃39;来自目标字符串。

在第三次迭代中，pos标记位于11，它位于目标字符串中的最后一个字符之后。因此，将空字符串与正则表达式进行比较。因为正则表达式中的每个量词都是＆＃34; 0或1＆＃34;，正则表达式可以匹配空字符串。所以第三次迭代完成，匹配＆＃34;＆＃34; （空字符串）。

你有三场比赛：＆＃34; VMV＆＃34;，＆＃34; ARGDLGVE＆＃34;和＆＃34;＆＃34;。

您可能希望做的一件事是控制pos标记。将正则表达式放在while循环中，在循环终止之前，从字符串的开头向前推进pos个位置。但这只能解决您在上述第三条规则中遇到的问题。你仍然会遇到量词人做非常具体事情的问题，并且只是因为你觉得它很方便而不违反他们自己的规则。

关键是正则表达式引擎不是置换引擎。它的工作是确定给定的目标字符串是否与给定的模式匹配，遵循一组明确定义的（虽然有时令人困惑）规则。

我不确定您尝试解决的问题是什么。如果您只是尝试扩展一组范围，那么使用CPAN模块String::Range::Expand可能会获得更好的成功。可能还有其他CPAN模块可以为您进行范围扩展，但这可能是一个很好的起点。

Answer 3

这与Count overlapping regex matches in Perl OR Ruby几乎相同。

此代码与perldoc perlre几乎没有变化，在标题为“Special Backtracking Control Verbs”的部分中：

use strict;
use warnings;

my $regex = qr/M?[VI]?A?R?G?D?[LM]?G?[IVMAL]?E?/;
my $text  = 'VMVARGDLGVE';

my $count = 0;
$text =~ /$regex(?{print "$&\n"; $count++})(*FAIL)/g;
print "Got $count matches\n";

脚本会计算空字符串匹配，以计算97次匹配。

Perl - 提取所有正则表达式匹配

3 个答案: