Question

我有一个多行学分，缺少一些逗号：

rendező: Joe Carnahan forgatókönyvíró: Brian Bloom, Michael Brandt, Skip Woods zeneszerző: Alan Silvestri operatőr: Mauro Fiore producer: Stephen J. Cannell, Jules Daly, Ridley Scott szereplő(k): Liam Neeson (John 'Hannibal' Smith ezredes) Bradley Cooper (Templeton 'Szépfiú' Peck hadnagy) szinkronhang: Gáti Oszkár (John 'Hannibal' (Smith magyar hangja)) Rajkai Zoltán (Templeton 'Faceman' Peck magyar hangja)

这导致无法用逗号分割：

$credits (split /, */, $line):

我想在逗号之后拆分，如果积分之间不存在逗号，则在第一次积分后分开（例如）：

rendező: Joe Carnahan
forgatókönyvíró: Brian Bloom
Michael Brandt
Skip Woods
zeneszerző: Alan Silvestri
operatőr: Mauro Fiore
producer: Stephen J. Cannell
Jules Daly
Ridley Scott
szereplő(k): Liam Neeson (John 'Hannibal' Smith ezredes)
Bradley Cooper (Templeton 'Szépfiú' Peck hadnagy)
szinkronhang: Gáti Oszkár (John 'Hannibal' (Smith magyar hangja))
Rajkai Zoltán (Templeton 'Faceman' Peck magyar hangja)

由于

Answer 1

因此，在大多数情况下，您可以使用逗号空格进行拆分，但除非是以右括号开头的空格字符。这将是：

/, |(?<=\)) /

或者，或许（？）更清楚：

/,[[:space:]]|(?<=\))[[:space:]]/

管道角色将在其两侧的内容之间进行分离匹配。但是也有解析角色，整个字符串都充满了非ascii字符。

脚本：

use strict;
use warnings;
use utf8;
use Data::Dump 'dump';

my $big_string = q/rendező: ... hangja)/;
my @credits = map {
    my ($title, $names) = /([[:alpha:]()]+): (.+)/;
    my @names = split /,[[:space:]]|(?<=\))[[:space:]]/, $names;
    my $credit = { $title => \@names };
} split / (?=[[:alpha:]()]+:)/, $big_string;
binmode STDOUT, ':utf8';
print dump \@credits;

输出：

[
  { rendező => ["Joe Carnahan"] },
  {
    forgatókönyvíró => ["Brian Bloom", "Michael Brandt", "Skip Woods"],
  },
  { zeneszerző => ["Alan Silvestri"] },
  { operatőr => ["Mauro Fiore"] },
  {
    producer => ["Stephen J. Cannell", "Jules Daly", "Ridley Scott"],
  },
  {
    "szerepl\x{151}(k)" => [
      "Liam Neeson (John 'Hannibal' Smith ezredes)",
      "Bradley Cooper (Templeton 'Sz\xE9pfi\xFA' Peck hadnagy)",
    ],
  },
  {
    szinkronhang => [
      "G\xE1ti Oszk\xE1r (John 'Hannibal' (Smith magyar hangja))",
      "Rajkai Zolt\xE1n (Templeton 'Faceman' Peck magyar hangja)",
    ],
  },
]

注意：

hashrefs数组用于保留列表的顺序。
utf8 pragma会使[:alpha:]构造知道utf8。
鉴于Perl＆gt; = v5.10，utf8::all pragma可以替换utf8，并且无需在输出之前调用&binmode。
外观（(?=)，(?<=)等）可能很棘手;有关这些内容的详细信息，请参阅perlre和this guide。

Answer 2

我认为您可以尝试设置正则表达式。你可以用'\ nword：'替换任何'word：' 以同样的方式，您可以使用'，\ n'

替换'，'

查看正则表达式检查此页面： http://www.troubleshooters.com/codecorn/littperl/perlreg.htm

2轮次应该类似于：

$newstr ~= ($str =~ tr/[a-zA-Z]+:/(\n)[a-Z]+:/);

这只是一个猜测......并不真正了解Perl语法

用perl分割线

2 个答案: