将字符串与perl中的模式对齐？

Question

我在方括号中有大量字符串，如下所示：

[p1 text1/label1] [p2 text2/label2] [p3 text3/label3] [...

等等。

每个块中的内容并不重要。但有时会有一些杂散的文本没有被方括号括起来。例如：

[p1 text1/label1] [p2 text2/label2] textX/labelX  [p3 text3/label3] [...] textY/labelY textZ/labelZ [...]

我以为我已经用 perl 中的正则表达式很好地解决了这个问题，直到我意识到我只迎合了在文本的开头、中间或结尾有一个杂散文本的情况，但不是我们可能有两个流浪案件在一起。 （就像上面的 Y 和 Z 块）。

所以我意识到 perl 中的正则表达式只能捕获第一个匹配模式？那么上面的问题怎么解决呢？

编辑：

问题是要确保所有的都应该用括号括起来。方括号从不递归。当用括号括起一个短语时，p 值取决于“标签”值。例如，如果一个无括号的杂散短语是

li/IN

那么它应该变成：

[PP li/IN]

我想这是一种混合，但我能想到的解决我正在处理的更大问题的唯一方法是将它们全部转换为括号内的短语，这样处理起来更容易。因此，如果一个无括号的短语出现在开头、中间和结尾，我就可以正常工作，但如果两个或更多同时出现，则不会。

我基本上对每个位置（开始、中间和结束）使用了不同的正则表达式。中间没有括号的短语如下所示：

$data =~ s/\] (text)#\/label \[/\] \[selected-p-value $1#\/label\] \[/g;

所以我正在做的只是注意到如果 ] 出现在文本/标签模式之前和之后，那么这个没有括号。我也为其他人做类似的事情。但我想这是非常不通用的。我的正则表达式不是很好！

Answer 1

#!/usr/bin/perl

use strict;
use warnings;

my $string = "[p1 text1/label1] [p2 text2/label2] textX/labelX  [p3 text3/label3] [...] textY/labelY textZ/labelZ [...]";

# don't split inside the [], i.e. not at blanks that have p\d in front of them
my @items = split(/(?<!p\d)\s+/, $string);
my @new_items;

# modify the items that are not inside []
@new_items = map { ($_ =~ m/\[/) ? $_ :
                    ((split("/",$_))[1] eq ("IN")) ? "[PP $_]" :
                    "[BLA $_]";
                 } @items;

print join(' ', @new_items), "\n";

这给了

[p1 text1/label1] [p2 text2/label2] [PP textX/labelX] [p3 text3/label3] [...] [PP textY/labelY] [PP textZ/labelZ] [...]

我认为PP 是我在这里使用的意思，否则map 将不得不变得更加复杂。

编辑

我已根据您的评论编辑了代码。如果你使用

"[p1 text1/label1] [p2 text2/label2] textX/IN  [p3 text3/label3] [...] textY/labelY textZ/labelZ [...]";

作为示例字符串，这是输出：

[p1 text1/label1] [p2 text2/label2] [PP textX/IN] [p3 text3/label3] [...] [BLA textY/labelY] [BLA textZ/labelZ] [...]

只需要记住一件事：与split 一起使用的正则表达式不适用于n > 9 的pn。如果您有这种情况，最好寻找替代方法，因为可变长度的后视还没有实现（或者至少在我的 Perl (5.10.1) 版本中没有）。

编辑 2

作为对您第二条评论的回复，这里是脚本的修改版本。您会发现我还在示例字符串中添加了一些内容，以证明即使在 [...] 中没有 pn 时它现在也可以工作。

#!/usr/bin/perl

use strict;
use warnings;

my $string = "[p1 text1/label1] [p2 text2/label2] textX/IN  [p3 text3/label3] [...] textY/labelY textZ/labelZ [...] xyx/IN [opq rs/abc]";

# we're using a non-greedy match to only capture the contents of one set of [], 
# otherwise we'd simply match everything between the first [ and the last ].
# The parentheses around the match ensure that our delimiter is KEPT.
my @items = split(/(\[.+?\])/, $string);

#print "..$_--\n" for @items;  # uncomment this to see what the split result looks like

# modify the items that are not inside []
my @new_items = map {
                     if (/^\[/) { # items in []
                        $_;
                     }
                     elsif (/(?: \w)|(?:\w )/) { # an arbitrary number of items without []
                       my @new =  map { ($_ =~ m/\[/) ? $_ :
                                        ((split("/",$_))[1] eq ("IN")) ? "[PP $_]" :
                                        "[BLA $_]";
                                      } split;
                     }
                     else { # some items are '', let's just discard those
                     }
                    } @items;

print join(' ', @new_items), "\n";

输出是这样的：

[p1 text1/label1] [p2 text2/label2] [PP textX/IN] [p3 text3/label3] [...] [BLA textY/labelY] [BLA textZ/labelZ] [...] [PP xyx/IN] [opq rs/abc]

我注意到您已经获得了所需的帮助，但我认为我可以回答您的问题...

Answer 2

其实你可以用 "only" 正则表达式来解决这个问题：

#!/usr/bin/perl

use strict;
use warnings;

$_ = "[p1 text1/label1] [p2 text2/label2] textX/labelX  [p3 text3/label3] [...] textY/labelY textZ/labelZ [...]";

s{ ([^\s[]+)|(\[(?:[^[]*)\])     }
 { if( defined $2){ $2 } elsif(defined $1)
    { 
       if($1 =~ m!(.*(?<=/)(.*))!)
       {
         if($2 eq 'labelX')
         {
            "[PP $1]";
         }
         elsif($2 eq 'labelY')
         {
            "[BLA $1]";
         }
         elsif($2 eq 'labelZ')
         {
            "[FOO $1]";
         }
       }
    }
 }xge;

 print;

输出：

[p1 text1/label1] [p2 text2/label2] [PP textX/labelX]  [p3 text3/label3] [...] [BLA textY/labelY] [FOO textZ/labelZ] [...]

Answer 3

您尚未共享您的正则表达式，但您应该使用 g 进行全局替换。否则perl正则表达式只替换第一个匹配项

my $teststring = "hello world";

$teststring =~ s/o/X/;

将变为hellX world。但是

$teststring =~ s/o/X/g;

将变为hellX wXrld，注意到所有匹配项。

我认为你的问题类似于

my $teststring = ' A B C ';

$teststring =~ s/\s(\w)\s/ [$1] /ig;

产生[A] B [C]。它没有做 B，原因是作为匹配 A 的一部分，正则表达式机器也消耗了 A 之后的空间。在剩余的字符串中，B 之前没有空格，所以它不匹配。

但是如果你像这样进行非贪婪匹配

$teststring =~ s/\s(\w)\s*?/ [$1] /ig;

它产生[A] [B] [C]