使用正则表达式在 Perl 中计算句子/单词

Question

这个正则表达式的东西已经过时了。 :( 还有一个问题： 我需要计算段落中的单词数和句子数。我尝试使用的代码是这样的：

my $sentencecount = $file =~ s/((^|\s)\S).*?(\.|\?|\!)/$1/g;
my $count = $file =~ s/((^|\s)\S)/$2/g;
print "Input file $ARGV[1] contains $sentencecount sentences and $count words.";

我的结果返回 63 的两个计数。我知道这是不正确的，至少就字数而言。这是使用替代计数过程的结果吗？如果是这样，我该如何纠正这个问题？

Answer 1

我建议查看 perl split 函数，请参阅 perlfunc(1)：

           If EXPR is omitted, splits the $_ string.  If PATTERN is also
           omitted, splits on whitespace (after skipping any leading
           whitespace).  Anything matching PATTERN is taken to be a
           delimiter separating the fields.  (Note that the delimiter may
           be longer than one character.)

Answer 2

my $wordCount = 0;
++$wordCount while $file =~ /\S+/g;

my $sentenceCount = 0;
++$sentenceCount while $file =~ /[.!?]+/g;

像我们这里一样在标量上下文中进行 //g 匹配可以避免构建所有单词或所有句子的巨大列表，如果文件很大，则可以节省内存。句子计数代码会将任意数量的句末定界符计为单个句子（例如 Hello...world! 将计为 2 个句子。）

Answer 3

这会从 $file 获取句子和字符的计数

$file="This is praveen worki67ng in RL websolutions";
my $count = () = $file =~ /\S+/g;
my $counter = () = $file =~ /\S/g;