Perl中的Regex Group：如何从正则表达式组中将元素捕获到数组中，以匹配字符串中未知数量的/多个/变量出现？

Regex Group in Perl: how to capture elements into array from regex group that matches unknown number of/multiple/variable occurrences from a string?

在Perl中，如何使用一个regex分组将与之匹配的多个事件捕获到多个数组元素中？

例如，对于字符串：

1	var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello

要用代码处理此问题：

1
2
3
4
5
6
7
8
9

$string ="var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello";

my @array = $string =~ <regular expression here>

for ( my $i = 0; $i < scalar( @array ); $i++ )
{
print $i.":".$array[$i]."
";
}

号

我希望看到输出：

1
2
3
4
5
6

0: var1=100
1: var2=90
2: var5=hello
3: var3="a, b, c"
4: var7=test
5: var3=hello

我会用什么做正则表达式？

这里我想要匹配的东西之间的共性是一个赋值字符串模式，因此类似于：

1	my @array = $string =~ m/(\w+=[\w"\,\s]+)*/;

。

其中*表示与组匹配的一个或多个事件。

(我不考虑使用split()，因为某些匹配项本身包含空格(即var3…)，因此不会给出所需的结果。)

有了上面的regex，我只得到：

1	0: var1=100 var2

在正则表达式中是可能的吗？或者需要附加代码？

在搜索"perl-regex多组"时，已经查看了现有的答案，但没有足够的线索：

处理多个记录中的多个捕获组
一个regex组中有多个匹配项？
regex:重复捕获组
正则表达式匹配和分组
如何与组数未知的分组匹配
awk从每行提取多个组
匹配多个regex组并删除它们
Perl：删除满足某个标准的多个重新固化行
每行匹配多个组的regex？
php regex分组多个匹配项
如何使用regex组查找多个匹配项？

相关讨论

1
2
3
4
5
6

my $string ="var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello";

while($string =~ /(?:^|\s+)(\S+)\s*=\s*("[^"]*"|\S*)/g) {
print"<$1> => <$2>
";
}

印刷品：

1
2
3
4
5
6

号

说明：

最后一项：末尾的g标志意味着您可以多次将regex应用于字符串。第二次将继续匹配最后一个匹配在字符串中结束的位置。

现在对于regex:(?:^|\s+)匹配字符串的开头或一组一个或多个空格。这是必需的，所以下次应用regex时，我们将跳过键/值对之间的空格。?:表示括号内容不会被作为组捕获(我们不需要空格，只需要键和值)。\S+与变量名匹配。然后我们跳过任意数量的空格和中间的等号。最后，("[^"]*"|\S*)/将两个引号与中间任意数量的字符匹配，或者将任意数量的非空格字符与值匹配。请注意，报价匹配非常脆弱，无法正确处理escpapped报价，例如"\"quoted\""将导致"\"。

编辑：

由于您真的想要得到整个分配，而不是单个键/值，这里有一个一行程序来提取这些内容：

1	my @list = $string =~ /(?:^\|\s+)((?:\S+)\s=\s(?:"[^"]"\|\S))/g;

相关讨论

操作人员说需要一个regex组，这捕获到2个regex组…
对，我的错。您可以通过在regex的key/value部分添加更多parens来解决这个问题。
所以你可以这样做：ideone.com/7eqgz:-my$string="var1=100 var2=90 var5=hello var3="a，b，c"var7=test var3=hello"；my@array=)；while($string=~/(？：^ s+)(s+)s*=s*("[^"]*"s*)/g)push(@array，$1.=""..2)；my@array=()；for(my$i=0；$i
或者，ideone.com/otgyc——它在整个表达式周围加了一组括号：my$string="var1=100 var2=90 var5=hello var3="a，b，c"var7=test var3=hello"；而($string=~/(？：^ s+)(s+s*=s*"[^"]*"s*)/g)打印"<$1>"；
+你的答案是正确的。我将查看所有其他答案，并很快回来选择一个已接受的答案。非常感谢您的输入和对regex的解释！
在您的第二条评论中，我不包括周围parens中的前导(?:^|\s+)，因为您可能对空间不感兴趣。试试这个：当($string=~/(？：^ s+)((s+)s*=s*("[^"]*"s*)/g)push@list，$1；
用一行程序更新了日志，该程序提取了完整的var=value赋值。
+1表示更新，因为它是一个单行程序，不需要支持代码。谢谢你。关于进一步的想法，将它们分割为var，值对实际上符合我的要求——你在那里读到了我的想法。但是，找到组合模式的regex是有指导意义的——也许如果我想将解决方案应用到其他类型的模式中以解决未来的问题(我还不知道)，那么您的更新可以帮助实现这一点。
接受回答。非常感谢所有其他人-对于其他有效的解决方案，我至少对您的答案+1，可能对您的评论+1表示感谢。我接受了@jkramer的回答，因为它是一个纯regex解决方案(至少是一行程序)-原始要求。纯regex意味着它也可以用于其他支持regex的语言，它是可移植的。作为regex意味着它是透明的，并且具有良好的可扩展性/调整粒度。@Jkramer也解释了他们的答案。但对其他人来说，不要把这当作批评…
…因为其他人也提供了一些非常好的答案-拓宽了我的视野和关于如何实现它的知识-特别是不要纯粹使用regex的：模块和例程。还有解析等方法。所以，谢谢大家。许多答案使这成为对问题的丰富而广泛的回应。@Jkramer是第一个得到回复的人，他获得了很多选票，所以也跟随了群众的智慧。但我意识到每个人都有很忙的日程安排，所以这也不是批评提前回复。正如@sinan&220；n&252；r和@gbacon所展示的那样，迟来的、经过深思熟虑的回应也是非常有价值的。
感谢@alan moore提供了一个答案作为评论，并介绍了ideone.com！
为什么是while而不是for或foreach？从其他语言看来很奇怪

对于正则表达式，使用一种我喜欢称之为Tack和Stretch的技术：锚定您知道将要出现的特性(Tack)，然后抓住介于两者之间的特性(Stretch)。

在这种情况下，您知道单个分配匹配

\b\w+=.+

在$string中有很多重复的。记住，\b表示单词边界：

A word boundary (\b) is a spot between two characters that has a \w on one side of it and a \W on the other side of it (in either order), counting the imaginary characters off the beginning and end of the string as matching a \W.

号

赋值中的值用正则表达式来描述可能有点困难，但是您也知道每个值都将以空格结尾，尽管不一定是遇到的第一个空格！-后跟另一个赋值或字符串结尾。

为了避免重复断言模式，使用qr//编译一次，然后在模式中重用它，同时使用前瞻性断言(?=...)，以将匹配扩展到足以捕获整个值的程度，同时防止它溢出到下一个变量名中。

与您的模式在列表上下文中与m//g匹配提供了以下行为：

The /g modifier specifies global pattern matching—that is, matching as many times as possible within the string. How it behaves depends on the context. In list context, it returns a list of the substrings matched by any capturing parentheses in the regular expression. If there are no parentheses, it returns a list of all the matched strings, as if there were parentheses around the whole pattern.

号

模式$assignment使用非贪婪的.+?在未来看到另一个分配或行尾时立即切断值。记住，match返回所有捕获子模式的子字符串，因此look ahead的交替使用非捕获(?:...)。相比之下，qr//包含隐式捕获括号。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

#! /usr/bin/perl

use warnings;
use strict;

my $string = <<'EOF';
var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello
EOF

my $assignment = qr/\b\w+ = .+?/x;
my @array = $string =~ /$assignment (?= \s+ (?: $ | $assignment))/gx;

for ( my $i = 0; $i < scalar( @array ); $i++ )
{
print $i.":".$array[$i]."
";
}

号

输出：

1
2
3
4
5
6

0: var1=100
1: var2=90
2: var5=hello
3: var3="a, b, c"
4: var7=test
5: var3=hello

相关讨论

我不是说这是你应该做的，但你想做的是写语法。现在，您的示例对于语法来说非常简单，但是Damian Conway的模块regexp:：grammar s在这方面非常出色。如果你必须种植这个，你会发现它会让你的生活更容易。我在这里用了很多——它有点像Perl6。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

use Regexp::Grammars;
use Data::Dumper;
use strict;
use warnings;

my $parser = qr{
<[pair]>+
<rule: pair> <key>=(?:"<list>"|<value=literal>)
<token: key> var\d+
<rule: list> <[MATCH=literal]> ** (,)
<token: literal> \S+

}xms;

q[var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello] =~ $parser;
die Dumper {%/};

输出：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

$VAR1 = {
'' => 'var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello',
'pair' => [
{
'' => 'var1=100',
'value' => '100',
'key' => 'var1'
},
{
'' => 'var2=90',
'value' => '90',
'key' => 'var2'
},
{
'' => 'var5=hello',
'value' => 'hello',
'key' => 'var5'
},
{
'' => 'var3="a, b, c"',
'key' => 'var3',
'list' => [
'a',
'b',
'c'
]
},
{
'' => 'var7=test',
'value' => 'test',
'key' => 'var7'
},
{
'' => 'var3=hello',
'value' => 'hello',
'key' => 'var3'
}
]

。

相关讨论

也许有点过头了，但我可以找个借口看看http://p3rl.org/parse:：recscent。做一个解析器怎么样？

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

#!/usr/bin/perl

use strict;
use warnings;

use Parse::RecDescent;

use Regexp::Common;

my $grammar = <<'_EOGRAMMAR_'
INTEGER: /[-+]?\d+/
STRING: /\S+/
QSTRING: /$Regexp::Common::RE{quoted}/

VARIABLE: /var\d+/
VALUE: ( QSTRING | STRING | INTEGER )

assignment: VARIABLE"=" VALUE /[\s]*/ { print"$item{VARIABLE} => $item{VALUE}
"; }

startrule: assignment(s)
_EOGRAMMAR_
;

$Parse::RecDescent::skip = '';
my $parser = Parse::RecDescent->new($grammar);

my $code = q{var1=100 var2=90 var5=hello var3="a, b, c" var7=test var8=" haha " heh" var3=hello};
$parser->startrule($code);

产量：

1
2
3
4
5
6
7

var1 => 100
var2 => 90
var5 => hello
var3 =>"a, b, c"
var7 => test
var8 =>" haha " heh"
var3 => hello

。

注意双变量3，如果希望后一个赋值覆盖第一个赋值，可以使用哈希来存储值，然后在以后使用它们。

PPS。我的第一个想法是在"="上拆分，但是如果包含"="的字符串失败了，而且由于regexps几乎总是不利于解析，所以我最终尝试了它，它可以工作。

编辑：添加了对带引号字符串内转义引号的支持。

相关讨论

我最近不得不分析X509证书的"主题"行。它们的形式与您提供的类似：

1
2
3
4
5
6
7
8

echo 'Subject: C=HU, L=Budapest, O=Microsec Ltd., CN=Microsec e-Szigno Root CA 2009/[email protected]' | \
perl -wne 'my @a = m/(\w+\=.+?)(?=(?:, \w+\=|$))/g; print"$_
" foreach @a;'

C=HU
L=Budapest
O=Microsec Ltd.
CN=Microsec e-Szigno Root CA 2009/emailAddress=info@e-szigno.hu

。

regex的简短描述：

(\w+\=.+?)—捕获单词，后跟"="，以及非贪婪模式下的任何后续符号。(?=(?:, \w+\=|$))—后面跟着另一个, KEY=val或行尾。

使用的regex的有趣部分是：

.+?—非贪婪模式
(?:pattern)—非捕获模式
(?=pattern)零宽度正前瞻断言

相关讨论

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

#!/usr/bin/perl

use strict; use warnings;

use Text::ParseWords;
use YAML;

my $string =
"var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello";

my @parts = shellwords $string;
print Dump \@parts;

@parts = map { { split /=/ } } @parts;

print Dump \@parts;

。

相关讨论

我认为最好用Text::ParseWords而不是Text::Shellwords。Text::ParseWords具有类似的功能，但它是Perl核心的一部分。
@谢谢提醒。我总是混淆两者。我将更新示例以使用Text::ParseWords。
对我来说很好。请参阅本注释中的输出。这取决于一个模块——我很幸运我的机器上有这个模块，但是对于一些Perl模块来说，这并不总是在每个发行版/平台上都有保证。输出如下：----var1=100-var2=90-var5=hello---var3=a，b，c'-var7=test-var3=hello---var1:100-var2:90-var5:hello-var3:a，b，c'-var7:test-var3:hello
@Rob:我认为Text::ParseWords从5:00起就是核心发行版的一部分。shellwords功能非常有用，在5.00之前，许多人甚至使用了shell eval来获取安全isk。从5点开始就不需要再这么做了。
@Rob：问问自己哪一个更容易维护：一个复杂的模式、一个定制的解析器或核心模块依赖。
+你的答案是1。谢谢您。应该早点给你。很高兴知道模块从5:00开始投入使用——那是很久以前的事了。所以我们应该很安全。
+1回复：关于可维护性的最后评论。使用纯regex解决方案在跨不同语言的可移植性方面具有优势，可以重用。不过，是的，我的问题是专门针对Perl的。但是纯regex的答案也可以帮助其他语言的开发人员。事实上，我的"家庭作业"搜索是为了找到一个现有的解决方案，其中包括寻找其他语言的解决方案，以便进行跨接，尽管没有找到任何能完全满足我需要的解决方案，因此在这里问这个问题。
@Rob:Text::ParseWords的源代码可用。cpansearch.perl.org/src/chorny/text-parsewords-3.27/&hellip；参见parse_line中的模式。别人做过一次这样别人就可以多次、多次、多次地使用它，难道不好吗？
我同意-重用是一件好事。我将检查这个链接，因为目前我对解析器非常感兴趣，对于其他类似的问题，我将把遗留代码迁移到一个更干净、更现代的数据驱动解决方案中。非常感谢@sinan&220；n&252；r为您提供的解决方案！

这一个还将提供双引号的常见转义，例如var3="a"，b，c"。

1	@a = /(\w+=(?:\w+\|"(?:[^\"](?:\\.[^\"]))"))/g;

。

行动中：

1
2
3

echo 'var1=100 var2=90 var42="foo"bar\" var5=hello var3="a, b, c" var7=test var3=hello' |
perl -nle '@a = /(\w+=(?:\w+|"(?:[^\"]*(?:\\.[^\"]*)*)*"))/g; $,=","; print @a'
var1=100,var2=90,var42="foo"bar\",var5=hello,var3="a, b, c",var7=test,var3=hello

相关讨论

您要求使用regex解决方案或其他代码。这里有一个(大部分)只使用核心模块的非regex解决方案。唯一的regex是用于确定分隔符的\S+；在本例中是一个或多个空格。

1
2
3
4
5
6
7
8
9
10
11

use strict; use warnings;
use Text::ParseWords;
my $string="var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello";

my @array = quotewords('\s+', 0, $string);

for ( my $i = 0; $i < scalar( @array ); $i++ )
{
print $i.":".$array[$i]."
";
}

号

或者你可以在这里执行代码

输出为：

1
2
3
4
5
6

0: var1=100
1: var2=90
2: var5=hello
3: var3=a, b, c
4: var7=test
5: var3=hello

号

如果你真的想要一个regex的解决方案，艾伦摩尔的评论链接到他的IDeone上的代码是气体！

用正则表达式可以做到这一点，但是它是脆弱的。

1
2
3
4

my $string ="var1=100 var2=90 var5=hello var3="a, b, c" var7=test var3=hello";

my $regexp = qr/( (?:\w+=[\w\,]+) | (?:\w+="[^"]*") )/x;
my @matches = $string =~ /$regexp/g;

。

相关讨论