在 Perl 中匹配和替换多个单词时如何保留空格？

Question

假设我有一些原始文本：

here is some text that has a substring that I'm interested in embedded in it.

我需要文本匹配其中的一部分，例如：“有一个子字符串”。

但是，原始文本和匹配字符串可能存在空格差异。例如，匹配文本可能是：

has a
substring

或

has  a substring

和/或原始文本可能是：

here is some
text that has
a substring that I'm interested in embedded in it.

我需要我的程序输出的是：

here is some text that [match starts here]has a substring[match ends here] that I'm interested in embedded in it.

我还需要保留原始文本中的空白模式，只需向其中添加开始和结束标记。

关于使用 Perl 正则表达式来实现这一点的方法有什么想法吗？我尝试过，但最终变得非常困惑。

Answer 1

自从我使用 perl 正则表达式以来已经有一段时间了，但是怎么样：

$match = s/(has\s+a\s+substring)/[$1]/ig

这将捕获单词之间的零个或多个空格和换行符。它将用括号包裹整个匹配，同时保持原始分隔。它不是自动的，但确实有效。

您可以用它玩游戏，例如获取字符串“has a substring”并对其进行转换以使其成为“has\s*a\s*substring”为了减轻一点痛苦。

编辑：合并了 ysth 的评论，即 \s 元字符与换行符匹配，并对我的 \s 用法进行了霍布斯更正。

Answer 2

此模式将与您要查找的字符串匹配：

(has\s+a\s+substring)

因此，当用户输入搜索字符串时，用 \s+ 替换搜索字符串中的任何空格，您就得到了您的模式。只需将每个匹配项替换为 [matchstartshere]$1[matchendhere]，其中 $1 是匹配的文本。

Answer 3

在正则表达式中，您可以使用 + 来表示“一个或多个”。因此，类似这样的内容

/has\s+a\s+substring/

匹配 has 后跟一个或多个空白字符，后跟 a 后跟一个或多个空白字符，后跟 substring。

将其与替换运算符放在一起，您可以说：

my $str = "here is some text that has     a  substring that I'm interested in embedded in it.";
$str =~ s/(has\s+a\s+substring)/\[match starts here]$1\[match ends here]/gs;

print $str;

输出为：

here is some text that [match starts here]has     a  substring[match ends here] that I'm interested in embedded in it.

Answer 4

许多人建议使用 \s+ 来匹配空格。以下是自动执行此操作的方法：

my $original = "here is some text that has a substring that I'm interested in embedded in it.";
my $search = "has a\nsubstring";

my $re = $search;
$re =~ s/\s+/\\s+/g;

$original =~ s/\b$re\b/[match starts here]
amp;[match ends here]/g;

print $original;

输出：

这里有一些文本，[匹配从这里开始]有一个子字符串[匹配在这里结束]，我有兴趣嵌入其中。

您可能想要转义字符串中的任何元字符。如果有人感兴趣，我可以添加它。

Answer 5

这是一个如何做到这一点的示例。

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

my $submatch = "has a\nsubstring";

my $str = "
here is some
text that has
a substring that I'm interested in, embedded in it.
";

print substr_match($str, $submatch), "\n";

sub substr_match{
  my($string,$match) = @_;

  $match =~ s/\s+/\\s+/g;

  # This isn't safe the way it is now, you will need to sanitize $match
  $string =~ /\b$match\b/;
}

目前，它会执行任何操作来检查 $match 变量中是否存在不安全字符。