Perl - 正则表达式 - 第一个不匹配字符的位置

Question

我想找到字符串中正则表达式停止匹配的位置。

简单示例：

my $x = 'abcdefghijklmnopqrstuvwxyz';
$x =~ /gho/;

此示例将给出字符“h”的位置，因为“h”匹配，而“o”是第一个不匹配的字符。

我想过使用 pos 或 $- 但它没有写在不成功的匹配上。 另一个解决方案是迭代地缩短正则表达式模式直到它匹配，但这非常难看并且不适用于复杂的模式。

编辑：

好吧，对于语言学家来说：我对我糟糕的解释感到抱歉。

为了澄清我的情况：如果您将正则表达式视为有限自动机，则存在一个点，测试会中断，因为字符不适合。这一点就是我正在寻找的。

使用迭代括号（如 eugene y 提到的）是一个好主意，但它不适用于量词，我必须编辑模式。

还有其他想法吗？

Answer 1

您提出的建议很困难，但可行。

如果我能解释一下我的理解的话，你想知道一场失败的比赛进入了一场比赛的程度。为了做到这一点，您需要能够解析正则表达式。

最好的正则表达式解析器可能是将 Perl 本身与 -re=debug 命令行开关一起使用：

$ perl -Mre=debug -e'"abcdefghijklmnopqr"=~/gh[ijkl]{5}/'
Compiling REx "gh[ijkl]{5}"
Final program:
   1: EXACT <gh> (3)
   3: CURLY {5,5} (16)
   5:   ANYOF[i-l][] (0)
  16: END (0)
anchored "gh" at 0 (checking anchored) minlen 7 
Guessing start of match in sv for REx "gh[ijkl]{5}" against "abcdefghijklmnopqr"
Found anchored substr "gh" at offset 6...
Starting position does not contradict /^/m...
Guessed: match at offset 6
Matching REx "gh[ijkl]{5}" against "ghijklmnopqr"
   6 <bcdef> <ghijklmnop>    |  1:EXACT <gh>(3)
   8 <defgh> <ijklmnopqr>    |  3:CURLY {5,5}(16)
                                  ANYOF[i-l][] can match 4 times out of 5...
                                  failed...
Match failed
Freeing REx: "gh[ijkl]{5}"

您可以使用正则表达式来解析 Perl 命令行并解析 stdout 的返回。查找 `

Here is a Matching regex:

$ perl -Mre=debug -e'"abcdefghijklmnopqr"=~/gh[ijkl]{3}/'
Compiling REx "gh[ijkl]{3}"
Final program:
   1: EXACT <gh> (3)
   3: CURLY {3,3} (16)
   5:   ANYOF[i-l][] (0)
  16: END (0)
anchored "gh" at 0 (checking anchored) minlen 5 
Guessing start of match in sv for REx "gh[ijkl]{3}" against "abcdefghijklmnopqr"
Found anchored substr "gh" at offset 6...
Starting position does not contradict /^/m...
Guessed: match at offset 6
Matching REx "gh[ijkl]{3}" against "ghijklmnopqr"
   6 <bcdef> <ghijklmnop>    |  1:EXACT <gh>(3)
   8 <defgh> <ijklmnopqr>    |  3:CURLY {3,3}(16)
                                  ANYOF[i-l][] can match 3 times out of 3...
  11 <ghijk> <lmnopqr>       | 16:  END(0)
Match successful!
Freeing REx: "gh[ijkl]{3}"

You will need to build a parser that can process 从 Perl 重新调试器返回。左手和右手尖括号显示正则表达式引擎尝试匹配时到字符串的距离。

顺便说一句，这不是一个容易的项目......

Answer 2

您可以获取匹配的部分，并使用 index 函数查找其位置：

my $x = 'abcdefghijklmnopqrstuvwxyz';

$x =~ /(g(h(o)?)?)/;
print index($x, $1) + length($1), "\n"; #8

Answer 3

这似乎有效。基本上，这个想法是将正则表达式分割成它的组成部分并按顺序尝试它们，返回最后一个匹配位置。固定字符串需要拆分，但字符类和量词可以保留在一起。

理论上这应该可行，但可能需要调整。

use v5.10;
use strict;
use warnings;

my $string = 'abcdefghijklmnopqrstuvwxyz';
my $match  = partial_match($string, qw(g h (?=i) [ijkx]+ [lmn]+ z));
say "match ended at pos $match, character ", substr($string,$match,1);

sub partial_match {
    my $string = shift;
    my @rx = @_;
    my $pos;
    if ($string =~ /$rx[0]/g) {
        $pos = pos $string;
        if (defined $rx[1]) {
            splice @rx, 0, 2, $rx[0] . $rx[1];
            $pos = partial_match($string, @rx) // $pos;
        } else { return $pos }
    } else {
        say "Didn't match $rx[0]";
        return;
    }
}

Answer 4

怎么样：

#!/usr/bin/perl 
use Modern::Perl;

my $x = 'abcdefghijklmnopqrstuvwxyz';
my $s = 'gho';
do {
    if ($x =~ /$s/) {
        say "$s matches from $-[0] to $+[0]";
    } else {
        say "$s doesn't match";
    }
} while chop $s;

输出：

gho doesn't match
gh matches from 6 to 8
g matches from 6 to 7
 matches from 0 to 0

Answer 5

我认为这正是 pos 函数的用途。注意：pos 仅在使用 /g 标志时才有效

my $x = 'abcdefghijklmnopqrstuvwxyz';
my $end = 0;
if( $x =~ /$ARGV[0]/g )
{
    $end = pos($x);
}
print "End of match is: $end\n";

给出以下输出

[@centos5 ~]$ perl x.pl
End of match is: 0
[@centos5 ~]$ perl x.pl def
End of match is: 6
[@centos5 ~]$ perl x.pl xyz
End of match is: 26
[@centos5 ~]$ perl x.pl aaa
End of match is: 0
[@centos5 ~]$ perl x.pl ghi
End of match is: 9