Question

我正在perl中编写一个正则表达式来匹配启动perl子例程定义的perl代码。这是我的正则表达式：

my $regex = '\s*sub\s+([a-zA-Z_]\w*)(\s*#.*\n)*\s*\{';

$ regex匹配启动子程序的代码。我还试图在$ 1中捕获子程序的名称以及子程序名称和$ 2中的初始开括号之间的任何空格和注释。这是2美元给我一个问题。

考虑以下perl代码：

my $x = 1;

sub zz
# This is comment 1.
# This is comment 2.
# This is comment 3.
{
    $x = 2;
    return;
}

当我将这个perl代码放入字符串并将其与$ regex匹配时，$ 2是“＃这是注释3. \ n”，而不是我想要的三行注释。我认为正则表达式会贪婪地将所有三行注释放入$ 2，但情况似乎并非如此。

我想了解为什么$ regex无效并设计一个简单的替代品。正如下面的程序所示，我有一个更复杂的替代品（$ re3）。但我认为理解为什么$ regex不起作用对我很重要。

use strict;
use English;

my $code_string = <<END_CODE;
my \$x = 1;

sub zz
# This is comment 1.
# This is comment 2.
# This is comment 3.
{
    \$x = 2;
    return;
}
END_CODE

my $re1 = '\s*sub\s+([a-zA-Z_]\w*)(\s*#.*\n)*\s*\{';
my $re2 = '\s*sub\s+([a-zA-Z_]\w*)(\s*#.*\n){0,}\s*\{';
my $re3 = '\s*sub\s+([a-zA-Z_]\w*)((\s*#.*\n)+)?\s*\{';

print "\$code_string is '$code_string'\n";
if  ($code_string =~ /$re1/) {print "For '$re1', \$2 is '$2'\n";}
if  ($code_string =~ /$re2/) {print "For '$re2', \$2 is '$2'\n";}
if  ($code_string =~ /$re3/) {print "For '$re3', \$2 is '$2'\n";}
exit 0;

__END__

上面的perl脚本的输出如下：

$code_string is 'my $x = 1;

sub zz
# This is comment 1.
# This is comment 2.
# This is comment 3.
{
    $x = 2;
    return;
} # sub zz
'
For '\s*sub\s+([a-zA-Z_]\w*)(\s*#.*\n)*\s*\{', $2 is '# This is comment 3.
'
For '\s*sub\s+([a-zA-Z_]\w*)(\s*#.*\n){0,}\s*\{', $2 is '# This is comment 3.
'
For '\s*sub\s+([a-zA-Z_]\w*)((\s*#.*\n)+)?\s*\{', $2 is '
# This is comment 1.
# This is comment 2.
# This is comment 3.
'

Answer 1

仅查看正则表达式中捕获$2的部分。它是(\s*#.*\n)。就其本身而言，这只能捕获单个注释行。之后你有一个星号以捕获多个注释行，这很好用。它会捕获多个注释行，并将每个注释行逐个放入$2，每次都替换$2的先前值。因此，当正则表达式完成匹配时$2的最终值是捕获组匹配的 last 事物，这是最终的注释行。只要。要修复它，您需要将星号放在捕获组中。但是你需要再设置一组括号（非捕获，这次）以确保星号适用于整个事物。因此，您需要(\s*#.*\n)*而不是((?:\s*#.*\n)*)。

你的第三个正则表达式是有效的，因为你无意中将括号中的整个表达式包围起来，以便你可以在它后面添加一个问号。这导致$2一次捕获所有评论，$3仅捕获最终评论。

在调试正则表达式时，请确保打印出所有所使用的匹配变量的值：$1，$2，$3等你会看到$1只是子程序的名称而$2只是第三条评论。这可能会让你想知道当第一个和第二个捕获组之间没有任何内容时，你的正则表达式如何跳过前两个注释，这最终会引导你发现捕获组多次匹配时会发生什么。

~~顺便说一句，看起来你也在将子程序名称后面的任何空格捕获到$1。这是故意的吗？~~（哎呀，我弄乱了我的助记符，并认为\w是“w for whitespace”。）

Answer 2

如果您向捕获组添加重复，它将仅捕获该组的最终匹配。这就是$regex仅匹配最终评论行的原因。

以下是我将如何重写你的正则表达式：

my $regex = '\s*sub\s+([a-zA-Z_]\w*)((?:\s*#.*\n)*)\s*\{';

这与您的$re3非常相似，但以下更改除外：

空格和评论匹配部分现在处于非捕获组
我将正则表达式中的那部分从((...)+)?更改为((...)*)，这是等效的。

Answer 3

问题是默认情况下\n不是字符串的一部分。正则表达式在\n停止匹配。

您需要使用s修饰符进行多行匹配：

if  ($code_string =~ /$re1/s) {print "For '$re1', \$2 is '$2'\n";}

注意正则表达式后的s。

Perl正则表达式不够贪心

3 个答案: