Perl 中的正则表达式组：如何将与字符串中未知数量/多个/变量出现次数匹配的正则表达式组中的元素捕获到数组中？

Question

在 Perl 中，如何使用一个正则表达式分组来捕获多个与其匹配的匹配项，并将其放入多个数组元素中？

例如，对于字符串：

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

用代码处理它：

$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]."\n";
}

我想看到输出：

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

我将使用什么作为正则表达式？

我想要在此处匹配的事物之间的共性是分配字符串模式，因此类似于：

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

其中 * 表示与该组匹配的一个或多个匹配项。

（我不使用 split() ，因为某些匹配本身包含空格（即 var3...），因此不会给出所需的结果。）

使用上面的正则表达式，我只得到：

0: var1=100 var2

在正则表达式中是否可能？或者需要添加代码吗？

在搜索“perl regex multiple group”但没有足够的线索时，已经查看了现有的答案：

• 处理多个记录中的多个捕获组
• 一个内的多个匹配项正则表达式组？
• 正则表达式：重复捕获组
• 正则表达式匹配和分组
• 正则表达式如何与未知组数的分组进行匹配
• awk 从每行提取多个组
• 匹配多个正则表达式组并删除它们
• Perl：删除满足特定条件的多个重复行
• 每行正则表达式匹配多个组？
• PHP 正则表达式对多个匹配项进行分组
• 如何使用正则表达式查找多个匹配项组？

Answer 1

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>\n";
}

打印：

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

解释：

最后一块先：末尾的 g 标志意味着您可以多次将正则表达式应用于字符串。第二次它将继续匹配字符串中最后一次匹配结束的位置。

现在对于正则表达式： (?:^|\s+) 匹配字符串的开头或一组一个或多个空格。这是必需的，因此下次应用正则表达式时，我们将跳过键/值对之间的空格。 ?: 意味着括号内容不会被捕获为组（我们不需要空格，只需要键和值）。 \S+ 与变量名称匹配。然后我们跳过任意数量的空格和中间的等号。最后， ("[^"]*"|\S*)/ 匹配两个引号及其间任意数量的字符，或任意数量的非空格字符的值。请注意引号匹配非常脆弱，无法正确处理转义引号，例如 "\"quoted\"" 会导致 "\"

编辑：

因为您确实想要这样做 。获取整个分配，而不是单个键/值，这是提取这些的单行代码：

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

Answer 2

对于正则表达式，使用一种我喜欢称之为粘着和拉伸的技术：锚定您知道将在那里的功能（粘着），然后抓住之间的内容（拉伸）。

在这种情况下，您知道单个分配匹配

\b\w+=.+

，并且在 $string 中重复了许多这样的分配。请记住 \b 表示单词边界：

字边界 (\b) 是两个字符之间的一个点，其一侧有一个 \w 和一个 \W > 在其另一侧（以任一顺序），计算字符串开头和结尾的虚构字符作为匹配 \W。

使用正则表达式描述赋值中的值可能有点棘手，但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！），后面是另一个赋值或字符串结尾。

为了避免重复断言模式，请使用 qr// 编译一次 并在您的模式中与 look- 一起重用它提前断言 (?=...) 将匹配延伸到足够远以捕获整个值，同时防止它溢出到下一个变量名称。

使用 m//g 与列表上下文中的模式进行匹配会产生以下行为：

/g 修饰符指定全局模式匹配，即在字符串内匹配尽可能多的次数。它的行为方式取决于上下文。在列表上下文中，它返回与正则表达式中的任何捕获括号匹配的子字符串列表。如果没有括号，它将返回所有匹配字符串的列表，就好像整个模式周围有括号一样。

一旦前瞻看到另一个赋值或行尾，模式 $assignment 使用非贪婪的 .+? 来切断该值。请记住，匹配返回来自所有捕获子模式的子字符串，因此前瞻的交替使用非捕获(?:...)。相反，qr// 包含隐式捕获括号。

#! /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]."\n";
}

输出：

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

Answer 3

我并不是说这是您应该做的，但是您想要做的是编写语法。现在，您的示例对于语法来说非常简单，但是Damian Conway的模块 Regexp::Grammars 在这方面真的很棒。如果你必须种植它，你会发现它会让你的生活变得更轻松。我在这里经常使用它 - 它有点类似于 perl6。

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：

$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'
                      }
                    ]

Answer 4

也许有点过头了，但这是我研究 http://p3rl.org/Parse 的借口： ：RecDescent。制作一个解析器怎么样？

#!/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}\n"; }

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：

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

PS。请注意 double var3，如果您希望后一个分配覆盖第一个分配，您可以使用哈希来存储值，然后在以后使用它们。

聚苯硫醚。我的第一个想法是在“=”上进行分割，但是如果字符串包含“=”，那么就会失败，并且由于正则表达式几乎总是不利于解析，所以我最终尝试了一下并且它有效。

编辑：添加了对带引号的字符串内转义引号的支持。

Answer 5

我最近不得不解析 x509 证书的“主题”行。它们的形式与您提供的形式类似：

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+\=|$))/g; print "$_\n" foreach @a;'

C=HU
L=Budapest
O=Microsec Ltd.
CN=Microsec e-Szigno Root CA 2009/[email protected]

正则表达式的简短描述：

(\w+\=.+?) - 在非贪婪模式下捕获后跟“=”的单词以及任何后续符号< br>
(?=(?:, \w+\=|$)) - 后面跟着另一个 、KEY=val 或行尾。

使用的正则表达式有趣的部分是：

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

Answer 6

这将为您提供双引号中的常见转义，例如 var3="a, \"b, c"。

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

实际操作：

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

Answer 7

您要求提供正则表达式解决方案或其他代码。这是一个（大部分）仅使用核心模块的非正则表达式解决方案。唯一的正则表达式是 \s+ 来确定分隔符；在这种情况下，有一个或多个空格。

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]."\n";
}

或者您可以执行代码 HERE

输出为：

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

如果您确实想要正则表达式解决方案，Alan Moore 的 评论链接到他在 IDEone 上的代码真是太棒了！

Answer 8

#!/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;

Answer 9

可以使用正则表达式来做到这一点，但它很脆弱。

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;