Perl 搜索/替换 CLI 上的捕获组

Question

PHP 的 strlen() 函数不支持 UTF-8，因此我想将 strlen() 的每个用法与其支持 UTF-8 的对应项交换：mb_strlen()。但是，mb_strlen() 需要一个额外的参数：

$length = strlen($someString);
$length = mb_strlen($someString, 'UTF-8');

如果没有第二个参数，一个简单的 Perl 正则表达式将处理交换：

$ find . -name '*' -print0 | xargs -0 perl -pi -e 's/strlen/mb_strlen/g'

我尝试使用捕获组和反向引用，但 VIM 样式的语法要么不支持（在最近的 Ubuntu 上），要么我无法弄清楚。我已经尝试了几种变体但没有成功：

$ find . -name '*' -print0 | xargs -0 perl -pi -e 's/strlen\((\.*)\)/mb_strlen\($1, "UTF-8"\)/g'

此外，strlen() 内部可能有诸如 trim() 之类的函数，所以我必须使这个贪婪，但我不确定贪婪运算符应该准确地去哪里。这个正则应该怎么写？

Answer 1

这比最初看起来要困难得多。您需要：

1. 正确解析表达式，包括表达式的多行版本。
2. 作弊

我会去作弊。

大多数 strlen() 调用都非常简单，剩下的少数可以手动替换。而且您是在某种版本控制下执行此操作的，不是吗：

简单：strlen("foo"), strlen($bar)

# Match simple quoted strings - no embedded quotes
s/strlen\((["'][^"']*["'])\)/mb_strlen($1, 'UTF-8')/g
# Match simple variables - no method calls etc
s/strlen\((\$\w+)\)/mb_strlen($1, 'UTF-8')/g

处理数组变量、函数和方法调用以及其他表达式变得更加复杂，但是看看在这两个基本替换之后还剩下多少。

Answer 2

通过指定\.*，正则表达式将匹配0个或多个文字'.'s。

省略\后试试：

s/strlen\((.*)\)/mb_strlen($1, "UTF-8")/g
           ^              ^           ^
           NO BACKSLASH   NO BACKSLASH NEEDED
                          AS THIS IS TREATED AS
                          A STRING AND NOT A REGEX

另外，请先尝试在不使用 -i 标志的情况下对其进行测试，以确保您对替换感到满意，否则您的文件将被原地修改。

Answer 3

在一般情况下，您的问题无法通过简单的正则表达式解决。考虑以下示例：

if (strlen($var) > 0)

$total_length = strlen($thing1) + strlen($thing2);

strlen($var);   #Don't use trim() here because it was already trimmed.

some_other_function(strlen($foo) + 2);

这些都不适用于您的正则表达式，因为.* 会贪婪地捕获所有内容，直到行中的最后一个右括号。正确执行此操作的唯一方法是检查平衡括号，这在正则表达式中并非易事（尽管在技术上可以使用 Perl 的扩展正则表达式功能，但这绝非易事）。

如果您认为您不会遇到上述很多情况，那么只需使用其他建议的解决方案之一并检查错误。或者您可以这样做来捕获所有没有括号的简单案例：

s/\bstrlen\(([^()]*)\)/mb_strlen($1, "UTF-8")/g

（注意，我还添加了\b 以确保它从单词边界开始。这将阻止您重复替换已经是mb_strlen 的内容）

但是，有一个简单的快速破解解决方案应该适用于所有情况：创建您自己的名为 my_mb_strlen 的 PHP 函数，或者在添加附加参数时调用 mb_strlen 的其他函数。然后，您可以执行更简单的搜索并仅替换函数名称，将strlen 替换为my_mb_strlen。

Answer 4

find . -type f|xargs perl -pi -e 's/strlen\(([^\)]*)\)/mb_strlen($1,'UTF_8')/g'