在 perl 中使用替换运算符跳过字符串中的特定位置

Question

昨天，我陷入了 perl 脚本。让我简化一下，假设有一个字符串（比如 ABCDEABCDEABCDEPABCDEABCDEPABCDEABCD），首先我必须在“E”出现的每个位置断开它，其次，在用户想要的位置专门断开它。但是，条件是，程序不应该在 E 后面跟着 P 的位置进行切割。例如，这个序列中有 6 个 E，所以应该得到 7 个片段，但是由于 2 个 E 后面跟着 P，所以只能得到 5 个片段输出中的片段。

我需要关于第二种情况的帮助。假设用户不想在序列中 E 的第 5 位和第 10 位剪切这个序列，那么对应的脚本应该是什么让程序只跳过这两个位置？我的第一种情况的脚本是：

my $otext = 'ABCDEABCDEABCDEPABCDEABCDEPABCDEABCD';

$otext=~ s/([E])/$1=/g; #Main cut rule.

$otext=~ s/=P/P/g;

@output = split( /\=/, $otext);

print "@output";

请帮忙！

Answer 1

要在“E”上拆分，除了后面跟着“P”的地方，你应该使用否定的前瞻断言。

来自perldoc perlre“Look-Around Assertions”部分：

• (?!模式)
  一个零宽度的负前瞻断言。
  例如，/foo(?!bar)/ 匹配任何出现的“foo”，但后面没有“bar”。

my $otext = 'ABCDEABCDEABCDEPABCDEABCDEPABCDEABCD'; 
#                E    E    EP    E    EP    E
my @output=split(/E(?!P)/, $otext); 
use Data::Dumper; print Data::Dumper->Dump([\@output]);"

$VAR1 = [
          'ABCD',
          'ABCD',
          'ABCDEPABCD',
          'ABCDEPABCD',
          'ABCD'
        ];

---

现在，为了不在出现 #2 和 #4 的情况下进行切割，您可以做 2 件事：

1. 编造一个非常奇特的正则表达式，它在给定的出现时自动无法匹配。为了完整起见，我将把它留给其他人尝试回答。

2. 只需将正确的片段拼接在一起即可。

   我太脑残了，无法想出一个好的惯用方法，但简单而肮脏的方法是：

     my %no_cuts = map { ($_=>1) } (2,4); # Do not cut in positions 2,4
     my @output_final;
     for(my $i=0; $i < @output; $i++) {
         if ($no_cuts{$i}) {
             $output_final[-1] .= $output[$i];
         } else {
             push @output_final, $output[$i];
         } 
     }
     print Data::Dumper->Dump([\@output_final];
   
     $VAR1 = [
               'ABCD',
               'ABCDABCDEPABCD',
               'ABCDEPABCDABCD'
             ];
   

   或者，更简单：

     my %no_cuts = map { ($_=>1) } (2,4); # Do not cut in positions 2,4
     for(my $i=0; $i < @output; $i++) {
         $output[$i-1] .= $output[$i]; 
         $output[$i]=undef; # Make the slot empty
     }
     my @output_final = grep {$_} @output; # Skip empty slots
     print Data::Dumper->Dump([\@output_final];
   
     $VAR1 = [
               'ABCD',
               'ABCDABCDEPABCD',
               'ABCDEPABCDABCD'
             ];
   

Answer 2

这是一个利用两个事实的肮脏把戏：

• 普通文本字符串从不包含空字节（如果你不知道空字节是什么，作为程序员你应该：http://en.wikipedia.org/wiki/Null_character，和nb。它与数字0或字符0不是一回事)。
• perl 字符串可以包含空字节，如果你把它们放在那里，但要小心，因为这可能会搞砸一些 perl 内部函数。

“小心”只是需要注意的一点。无论如何，这个想法是在你不想中断的地方替换一个空字节：

my $s = "ABCDEABCDEABCDEPABCDEABCDEPABCDEABCD";

my @nobreak = (4,9);

foreach (@nobreak) {
    substr($s, $_, 1) = "\0";
}

"\0" 是一个转义序列，表示一个空字节，例如 "\t" 是一个制表符。再说一遍：它不是字符 0。我使用了 4 和 9，因为在这些位置有 E。如果你现在打印字符串，它看起来像：

ABCDABCDABCDEPABCDEABCDEPABCDEABCD

因为空字节不显示，但它们在那里，我们稍后将它们换回。先拆分：

my @a = split(/E(?!P)/, $s);

然后将零字节交换回来：

$_ =~ s/\0/E/g foreach (@a);

如果你现在打印@a，你会得到：

ABCDEABCDEABCDEPABCD
ABCDEPABCD
ABCD

这正是您想要的。请注意， split 删除了分隔符（在本例中为 E）；如果您打算保留那些，您可以在之后再次将它们重新添加。如果分隔符来自更动态的正则表达式，则稍微复杂一些，请参见此处：

http://perlmeme.org/howtos/perlfunc/split_function.html

“示例 9. 保留分隔符”

如果@nobreak 的位置有可能不是 E，那么您还必须在交换它们时跟踪它们，以确保再次替换为正确的字符。