最短的匹配问题

Question

我知道吗？操作员启用“非贪婪”模式，但我遇到了问题，我似乎无法绕过。考虑这样的字符串：

my $str = '<a>sdkhfdfojABCasjklhd</a><a>klashsdjDEFasl;jjf</a><a>askldhsfGHIasfklhss</a>';

有开始和结束标记<a>和</a>，有ABC，DEF和GHI键，但被其他一些随机文本包围。我想将<a>klashsdjDEFasl;jjf</a>替换为<b>TEST</b>例如。但是，如果我有这样的事情：

$str =~ s/<a>.*?DEF.*?<\/a>/<b>TEST><\/b>/;

即使使用非贪婪的运算符。*？，这也不是我想要的。我知道它为什么不这样做，因为第一个<a>匹配字符串中的第一个匹配项，并且一直匹配到DEF，然后匹配到最近的结束</a>。然而，我想要的是匹配最近的开口<a>和关闭</a>到“DEF”的方法。所以目前，我得到了这个结果：

<a>TEST</b><a>askldhsfGHIasfklhss</a>

我正在寻找能够得到这个结果的东西：

<a>sdkhfdfojABCasjklhd</a><b>TEST</b><a>askldhsfGHIasfklhss</a>

顺便说一下，我并不想在这里解析HTML，我知道有一些模块可以做到这一点，我只想问一下如何做到这一点。

谢谢， Eric Seifert

Answer 1

$str =~ s/(.*)<a>.*?DEF.*?<\/a>/$1<b>TEST><\/b>/;

问题是即使使用非贪婪的匹配，Perl仍然试图找到从字符串中最左边可能点开始的匹配。由于.*?可以匹配<a>或</a>，这意味着它始终会找到该行的第一个<a>。

在开头添加一个贪婪的(.*)会导致它在行上找到 last 可能的匹配<a>（因为.*首先抓住整行，然后回溯直到找到匹配项。）

一个警告：因为它首先找到最右边的匹配，所以不能将此技术与/g修饰符一起使用。任何其他匹配都在$1内，/g恢复上一个匹配结束的搜索，因此无法找到它们。相反，你必须使用如下的循环：

1 while $str =~ s/(.*)<a>.*?DEF.*?<\/a>/$1<b>TEST><\/b>/;

Answer 2

使用您真正需要的内容而不是一个点：“匹配任何字符”，而不是：“匹配任何不是</a>的开头的字符” 。这意味着：

$str =~ s/<a>(?:(?!<\/a>).)*DEF(?:(?!<\/a>).)*<\/a>/<b>TEST><\/b>/;

Answer 3

#!/usr/bin/perl
use warnings;
use strict;

my $str = '<a>sdkhfdfojABCasjklhd</a><a>klashsdjDEFasl;jjf</a><a>askldhsfGHIasfklhss</a>';

my @collections = $str =~ /<a>.*?(ABC|DEF|GHI).*?<\/a>/g;

print join ", ", @collections;

Answer 4

s{
   <a>
   (?: (?! </a> ) . )*
   DEF   
   (?: (?! </a> ) . )*
   </a>
}{<b>TEST</b>}x;

基本上，

(?: (?! PAT ) . )

相当于

[^CHARS]

表示正则表达式而不是字符。

Answer 5

根据我的理解，这就是您要寻找的。

使用没有全局标志的惰性量词?是答案。

例如

如果您具有全局标志/g，则它将与所有最低长度的匹配项匹配，如下所示。