Question

我有一个用于从文本中提取URL的小Perl脚本：

#!/usr/bin/perl

while ( <STDIN> )
{
if ( /(http|ftp|https):\/\/([\w\-_]+(?:(?:\.[\w\-_]+)+))([\w\-\.,@?^=%&amp;./~\+#]*[\w\-\@?^=%&amp;/~\+#])?/ )
{
print;
}
}

当我在Textwrangler中搜索时，正则表达式工作正常，但是当我通过此脚本运行它时，我收到以下错误：

$ cat file.txt | perl myscript.pl
Unmatched [ in regex; marked by <-- HERE in m/(http|ftp|https)://([\w\-_]+(?:(?:\.[\w\-_]+)+))([ <-- HERE \w\-\.,@?^=%&amp;./ at myscript.pl line 5.

Answer 1

最后字符类中的/也需要进行转义。您可以考虑使用/x修饰符使其更具可读性，并使用不同的分隔符来避免“倾斜牙签”。另外，\w类已经包含下划线，并且字符类中的.总是按字面意思匹配。

if (m{
        (http|ftp|https)://
        ( [\w\-]+ (?: (?:\.[\w\-]+)+ ) )
        (
          [\w\-.,@?^=%&amp;/~+#]*
          [\w\-@?^=%&amp;/~+#]
        )?
   }x
) {
    print;
}

通过这样做，也很清楚最后两个字符类是不是真正的字符类：

这：/[&]*/
肯定会匹配&，还会a&m&p，ma，pa，&;等等。

Answer 2

由于/是正则表达式分隔符，因此您需要转义正则表达式中存在的所有正斜杠。

(http|ftp|https):\/\/([\w\-_]+(?:(?:\.[\w\-_]+)+))([\w\-\.,@?^=%&amp;.\/~\+#]*[\w\-\@?^=%&amp;\/~\+#])?

我不知道你在角色类中想要实现这个&amp是什么。此[&amp]将匹配给定列表中的单个字符，无论它可能是&还是a还是m还是p，而不是整个&amp }

Answer 3

你可以使它更具可读性和可调试性，并且，我希望这可能会对你的问题有所了解。

while ( <STDIN> ) {
    print if m{
       ( http | ftp | https )://
       ( [\w\-_]+ (?: (?:\.[\w\-_]+)+ ) )
       ( 
            [\w\-\.,@?^=%&amp;./~\+#]* 
            [\w\-\@?^=%&amp;/~\+#]
       )?
   }x;

另一方面，我会达到Regexp::Common::URI或URI::Find。试图修复这种模式似乎不是任何人的最佳用途。

Perl Regex：无与伦比[正则表达式;标记为＆lt; - HERE

3 个答案: