标记字符串中的项目列表，不重叠

Question

我有一个文字样本：

my $text = 'a bb cc xx aa a b c a';

以及文本中可能包含的术语列表：

my @words = ('bb cc',
    'a bb cc',
    'xx aa a b',
    'a b',
    'a'
);

我需要找到这些单词的出现次数，使用尽可能长的匹配，而不是标记任何两次。因此，如果我在上面的文本中标记了匹配项，它将如下所示：

<a bb cc> <xx aa a b> c <a>

请注意，我没有标记bb cc，因为这是较大匹配a bb cc的一部分。

有关方法的任何想法吗？我觉得以前应该多次遇到过。

Answer 1

应该进行简单的替换，你必须按长度排序：

my $re = '('.join('|', sort {length $b <=> length $a} map(quotemeta,@words)).')';
$text =~ s/$re/<$1>/g;
say $text;

5.20.2的预期输出，现在无法检查其他版本。 您提供的示例实际上并不需要quotemeta部分，它可以在regexen中转义具有特殊含义的字符。