使用正则表达式解析许可证文件

Question

我想解析一个包含这样内容的许可证文件。

组件="A0000 B0000 G0000"

文件中必须有引号来标记包中组件的开始和结束。我已经在 regex101.com 上测试过组合，但这并不能解决问题

正则表达式("?(?<components>\w+)*\s?"?) 适用于字符串“A0000 B0000 G0000”并返回我需要的组件的各个值：A0000、B0000 等等

但是当我测试 (COMPONENTS|PACKAGES)=("?(?<components>\w+)\s?"?) 时，该块无法返回这些值并且只返回第一个 A0000。

我需要帮助来提取所有这些单独的值。请帮忙。

Answer 1

由于我的解决方案对您有用，因此我发布了答案：

(?:\G(?!^)\s+|(?:COMPONENTS|PACKAGES)=")\K[^\s"]+

模式匹配：

• (?:\G(?!^)\s+|(?:COMPONENTS|PACKAGES)=") - 两种选择之一：
• \G(?!^)\s+ - 上一个匹配的结尾（\G 匹配行/字符串的开头或上一个匹配的结尾，所以(?!^)“减去”字符串位置的开头）和 1+ 个空格
• | - 或
• (?:COMPONENTS|PACKAGES)= - COMPONENTS= 或 PACKAGES=
• \K - 匹配重置运算符（丢弃当前匹配的文本）
• [^\s"]+ - 1 个或多个字符，而不是空格和双引号。

Answer 2

我可能误解了这个问题，但简单的呢

my %result;
while (<$fh>) {
    my ($type, $components) = /(\w+)\s*=\s*"([^"]+)/;
    push @{$result{$type}}, split ' ', $components;      # all in one arrayref
    #push @{$result{$type}}, [ split ' ', $components ]; # or as separate ones
}

这需要多行带有COMPONENTS 和/或PACKAGES（或任何其他主要关键字），并假设它们彼此无关，因此需要单独存储。

请澄清假设是否错误。

上面的代码创建了哈希

( 组件 => ['A0000', 'B0000', 'G0000', ... ], 包 => [ ... ]， )

其中[ ... ] 是一个数组引用，其中包含该关键字的所有行的组件。

或者，如果使用代码中被注释掉的那一行而不是上面那一行，

( 组件 => [ ['A0000', 'B0000', 'G0000'], [ ... ], ... ], 包 => [ [ ... ], [ ... ], ... ], )

其中[ ... ] 是带有来自一行的组件的arrayrefs，它们都存储在一个arrayref 中，它是一个键的值。所以这里每行的组件都是单独存储的，而不是像前一种情况一样都在一个 arrayref 中。

如果在= 之前有任何其他词，它们将存储为自己的键，并带有来自这些行的数据的自己的数组引用。

---

更新澄清

由于引号可能存在​​也可能不存在，因此使用? 使第一个可选

/(\w+)\s*=\s*"?[^"]+)/;

由于需要匹配其余数据，因此不需要处理尾随的数据

Answer 3

我将在这里提出一种不同的方法。您的正则表达式模式变得越来越复杂，这不是一个好主意。

您问题的核心是，要进行重复匹配，您也要匹配前缀文本，而且显然只能匹配一次。

但是，与其试图让您的正则表达式模式更加复杂，不如以不同的方式解决问题。

#!/usr/bin/env perl

use strict;
use warnings;

use Data::Dumper;

my %conf = do { local $/; <DATA> } =~ m/ (\w+) =" ([^"]+) " /xg; 
print Dumper \%conf; 

__DATA__
COMPONENTS="A0000 B0000 G0000"
PACKAGES="C0000 D0000 E0000"

这将创建一个数据结构。

$VAR1 = {
          'COMPONENTS' => 'A0000 B0000 G0000',
          'PACKAGES' => 'C0000 D0000 E0000'
        };

如果你想要单独的值。

$_ = [split] for values %conf;
print Dumper \%conf; 

这在功能上等同于这个。

foreach my $key ( keys %conf ) {

  #split the value on whitespace.
  my @stuff = split ' ', $conf{$key};

  #replace it with your array. 
  $conf{$key} = \@stuff;

}

哪个产生

$VAR1 = {
          'PACKAGES' => [
                          'C0000',
                          'D0000',
                          'E0000'
                        ],
          'COMPONENTS' => [
                            'A0000',
                            'B0000',
                            'G0000'
                          ]
        };

所以现在你可以写这个了。

foreach my $value ( @{$conf{'COMPONENTS'}} ) { 
    print $value,"\n";
}