Question

我有一个正则表达式列表（大约10 - 15），我需要匹配一些文本。在循环中逐个匹配它们太慢了。但是，我没有编写自己的状态机来同时匹配所有正则表达式，而是尝试|单个正则表达式并让perl完成工作。问题是我如何知道哪些替代方案匹配？

这个问题解决了每个正则表达式中没有捕获组的情况。（which portion is matched by regex?）如果每个正则表达式中都有捕获组，该怎么办？

以下是

/^(A(\d+))|(B(\d+))|(C(\d+))$/

和字符串“A123”，我怎么能知道A123匹配并提取“123”？

Answer 1

为什么不使用/^ (?<prefix> A|B|C) (?<digits> \d+) $/x。注意，命名捕获组用于清晰，而不是必需的。

Answer 2

您不需要编写自己的状态机来组合正则表达式。看看Regexp:Assemble。它有一些方法可以跟踪哪些初始模式匹配。

编辑：

use strict;
use warnings;

use 5.012;

use Regexp::Assemble;

my $string = 'A123';

my $re = Regexp::Assemble->new(track => 1);
for my $pattern (qw/ A(\d+) B(\d+) C(\d+) /) {
  $re->add($pattern);
}

say $re->re; ### (?-xism:(?:A(\d+)(?{0})|B(\d+)(?{2})|C(\d+)(?{1})))
say for $re->match($string); ### A(\d+)
say for $re->capture; ### 123

Answer 3

A123将位于捕获组$1中，123将位于组$2

所以你可以说：

if ( /^(A(\d+))|(B(\d+))|(C(\d+))$/ && $1 eq 'A123' && $2 eq '123' ) {
    ...
}

这是多余的，但你明白了......

编辑：不，您不必枚举每个子匹配，您询问如何知道A123是否匹配以及如何提取123：

除非if匹配

A123

您可以使用123反向引用来提取$2。

所以也许这个例子会更清楚：

if ( /^(A(\d+))|(B(\d+))|(C(\d+))$/ ) {
    # do something with $2, which will be '123' assuming $_ matches /^A123/
}

编辑2：

要捕获AoA中的匹配（这是一个不同的问题，但这应该这样做）：

#!/usr/bin/perl
use strict;
use warnings;
use Data::Dumper;

my @matches = map { [$1,$2] if /^(?:(A|B|C)(\d+))$/ } <DATA>;
print Dumper \@matches;

__DATA__
A123
B456
C769

结果：

请注意，我修改了你的正则表达式，但看起来你的评论就是这样......

Answer 4

使用您的示例数据，可以轻松编写

'A123' =~ /^([ABC])(\d+)$/;

之后$ 1将包含前缀，$ 2将包含后缀。

我无法判断这是否与您的实际数据相关，但是使用额外的模块似乎有些过分。

Answer 5

你可以在Perl中做的另一件事是使用＆＃34;（？{...}）＆＃34;直接在你的正则表达式中嵌入Perl代码。因此，您可以设置一个变量来告诉您正则表达式的哪个部分匹配。警告：你的正则表达式不应该包含任何变量（在嵌入的Perl代码之外），它将被插入到正则表达式中，否则你将得到错误。以下是使用此功能的示例解析器：

my $kind;
my $REGEX  = qr/
          [A-Za-z][\w]*                        (?{$kind = 'IDENT';})
        | (?: ==? | != | <=? | >=? )           (?{$kind = 'OP';})
        | -?\d+                                (?{$kind = 'INT';})
        | \x27 ( (?:[^\x27] | \x27{2})* ) \x27 (?{$kind = 'STRING';})
        | \S                                   (?{$kind = 'OTHER';})
        /xs;

my $line = "if (x == 'that') then x = -23 and y = 'say ''hi'' for me';";
my @tokens;
while ($line =~ /( $REGEX )/xsg) {
    my($match, $str) = ($1,$2);
    if ($kind eq 'STRING') {
        $str =~ s/\x27\x27/\x27/g;
        push(@tokens, ['STRING', $str]);
        }
    else {
        push(@tokens, [$kind, $match]);
        }
    }
foreach my $lItems (@tokens) {
    print("$lItems->[0]: $lItems->[1]\n");
    }

打印出以下内容：

IDENT: if
OTHER: (
IDENT: x
OP: ==
STRING: that
OTHER: )
IDENT: then
IDENT: x
OP: =
INT: -23
IDENT: and
IDENT: y
OP: =
STRING: say 'hi' for me
OTHER: ;

它有点做作，但是你会注意到字符串周围的引号（实际上是撇号）被剥离了（连续引号也折叠成单引号），所以一般来说，只有$ kind变量将告诉您解析器是否看到了标识符或带引号的字符串。

如何判断Perl正则表达式模式中哪些替代项匹配？

5 个答案: