使用CAM :: PDF解析.pdf文件时的正则表达式问题

Question

无与伦比[正则表达式;标记为＆lt; - HERE in m /＆lt; - HERE / at ./pdf_parse.pl第37行。

实际上我正在逐字解析.pdf文件[为了从中制作字典] 第37行： -

if(grep(!/$word/,@line_rd)){
}

解析器脚本停止工作的实际单词是用不同的字体[在我正在解析的pdf中]，这是罪魁祸首吗？
CAM :: PDF是否识别不同字体的单词？我该怎么做才能阻止这个！

Answer 1

如果它可以包含特殊字符（例如$word或甚至[），则需要在正则表达式中引用.。试试：

if (grep(!/\Q$word\E/, @line_rd)) {
  ...
}

如果您想制作所有单词的字典，请使用哈希：

my %allwords;
...
  # each time you have a new word incoming from the parser:
  $allwords{$word}++;

最后，%allwords哈希将包含不同的单词作为键，单词count作为值。你可以，例如使用以下方式打印：

map {
 print "Word $_: count: ", $allwords{$_}, "\n";
} (sort keys %allwords);