如何使用 Perl 在 Regex 中使用分詞、星號、分詞？

Question

我在 Perl 中有一個復雜的預編譯正則表達式。 在大多數情況下，正則表達式很好，可以匹配它應該匹配的所有內容，而沒有不應該匹配的內容。 除了一分。

基本上我的正則表達式看起來像：

my $regexp = qr/\b(FOO|BAR|\*)\b/;

不幸的是m/\\b\\*\\b/不會匹配example, * 。 只有m/\\*/會做，因為誤報我不能使用。 有什么解決方法嗎？

來自評論 -誤報是： ** , example* , example* exam*ple

正則表達式的用途是什么？ -它應該提取同事輸入產品數據的關鍵字（一個是單個星號）。 目標是將這些信息從自由文本字段中移到原子字段中。

Answer 1

聽起來您想將*視為單詞字符。

\b

相當於

(?x: (?<!\w)(?=\w) | (?<=\w)(?!\w) )

所以你要

(?x: (?<![\w*])(?=[\w*]) | (?<=[\w*])(?![\w*]) )

申請后，您將獲得以下信息：

qr/
    (?: (?<![\w*])(?=[\w*]) | (?<=[\w*])(?![\w*]) )
    (FOO|BAR|\*)
    (?: (?<![\w*])(?=[\w*]) | (?<=[\w*])(?![\w*]) )
/x

但鑒於我們對中間表達式的了解，可以將其簡化為以下內容：

qr/(?<![\w*])(FOO|BAR|\*)(?![\w*])/

Answer 2

問題是 Perl 不認為*是“單詞字符”，因此不識別空格和星號之間的單詞邊界（而它確實識別r和foobar*的*之間的邊界）。

解決的辦法是先決定你要考慮的“字”，“無字”的字符，然后檢查該明確的東西。 例如，如果您希望您的單詞僅由字母 'A' 到 'Z'（或其小寫版本）和* ，並且其他所有內容都被視為非單詞字符，您可以使用：

/(?<![A-Za-z*])(FOO|BAR|\*)(?![A-Za-z*])/

這將匹配字符串FOO 、 BAR或* ，前提是它們前面或后面沒有匹配[A-Za-z*]的字符。

同樣，如果您想將除空格以外的所有內容都視為非單詞字符，您可以使用：

/(?<!\S)(FOO|BAR|\*)(?!\S)/

它將匹配FOO 、 BAR或* ，前提是它們前面或后面沒有非空白字符。

Answer 3

怎么樣：

my $regexp = qr/(?:\b(FOO|BAR)\b)|(?:^| )\*(?:$| )/;

在行動：

my $re = qr~(?:\b(FOO|BAR)\b)|(?:^| )\*(?:$| )~;
while(<DATA>) {
    chomp;
    say (/$re/ ? "OK : $_" : "KO : $_");
}


__DATA__
FOO
BAR
*
exam*ple
example*

輸出：

OK : FOO
OK : BAR
OK : *
KO : exam*ple
KO : example*