代码之家 › 专栏 › 技术社区 › Clinton Pierce

如何在两个已知标记之间进行最小匹配?

perl regex

Clinton Pierce · 技术社区 · 17 年前

我选择了如下所示的文本。我需要对它做一个初步的编辑,但无法理解我需要的正则表达式。也许这是漫长的一天,我看不到我需要什么。

样本数据:

START ITEM = 1235
    BEGIN
        WORD
        RATE = 98
        MORE WORDS
        CODE = XX
        STUFF
    END
    BEGIN
        TEXT
        MORE WORDS
        RATE = 57
        ADDITIONAL TEXT
        CODE = YY
        OTHER THINGS
    END
STOP
START ITEM = 9983
    BEGIN
        WORD
        RATE = 01
        MORE WORDS
        CODE = AA
        STUFF
    END
    BEGIN
        TEXT
        MORE WORDS
        RATE = 99
        ADDITIONAL TEXT
        CODE = XX
        OTHER THINGS
    END
STOP

CODE 和 ITEM BEGIN / END 节。幸运的是,这些部分使用 STOP START 开始 / 结束 (它们是关键词,不在其他任何地方)。

我的工具箱是Perl正则表达式*

    $tx =~ s/(START \s ITEM \s = \s 9983.*?
                            BEGIN
                                .*?
                               RATE \s = \s )\d+
                                    (.*?       # Goes too far
                                CODE \s = \s XX)
                        /$1$newRate$2
                        /sx;

因为指示的代码匹配得太多,所以会在更远的地方找到正确的代码,但总是编辑第一个条目。

建议?

* 实际代码依赖于将正则表达式添加到一堆正则表达式(类似于后处理过滤器)上,每个正则表达式依次应用于文本进行编辑。见鬼,如果我有文本,我可以做一个完整的语法分析器。但我希望不必破坏代码,继续使用我拥有的API。

3 回复 | 直到 17 年前

JSBÕ±Õ¸Õ£Õ¹ 17 年前

正则表达式不适合处理这类问题。我推荐一个简单的迭代解决方案:

while (<FILE>) {
    # push lines straight to output until we find the START that we want
    print OUT $_;
    next unless m/START ITEM = $number/;

    # save the lines until we get to the CODE that we want
    my @lines;
    while (<FILE>)
    {
        push @lines, $_;
        last if m/CODE = $code/;
    }

    # @lines now has everything from the START to the CODE. Get the last RATE in
    # @lines and change its value.
    my $strref = \( grep m/RATE/ @lines )[-1];
    $$strref = $new_value;

    # print out the lines we saved and exit the loop
    print OUT @lines;
    last;
}

编辑: 如果您真的想要一个正则表达式,您可以使用如下内容(未经测试):

$tx =~ s/(START \s+ ITEM \s+ = \s+ 9983.*?
                            BEGIN
                                .*?
                               RATE \s+ = \s+ )\d+
                                ( (?: (?! END ) . )*
                                    CODE \s+ = \s+ XX)
                        /$1$newRate$2
                        /sx;

增加 (?: (?! END ) . )*

Axeman maxelost 17 年前

虽然我不喜欢它有多大的回溯性,让大家都知道 贪婪的 之间 BEGIN 和 RATE 比率 CODE = XX . 这样地:

$tx = qr/(START \s+ ITEM \s+ = \s+ 9983 \s+ 
                        BEGIN
                            .*
                           RATE \s+ = \s+ )\d+
...

ITEM STOP . 像这样:

my $tx = qr/(START \s+ ITEM \s+ = \s+ 9983 \s+
                 BEGIN
                     (?: (?! \b STOP \b ) . )*
                    RATE \s+ = \s+ )\d+
                         (.*?       # Goes too far
                     CODE \s+ = \s+ XX)
          /msx
          ;

它仍然比我想象的要慢。

(一小时后)我意识到 比率 代码 不能被一个 END

my $tx = qr/(START \s+ ITEM \s+ = \s+ 9983 \s+
                 BEGIN
                     .*?
                    RATE \s+ = \s+ )\d+
                         ((?:(?! ^ \s+ END \s* $ ) . )*? 
                     CODE \s+ = \s+ XX)
                        /msx
                        ;

(我修改了这个,只在一行中寻找结束。如果 ADDITIONAL TEXT 可能包含单端,则无论发生什么情况都很难解析)

我想这一次不会倒退太多,因为它只是从 RATE = 然后扫描 CODE = 在它击中之前 结束 如果我们没有 CODE = XX ,然后修剪回它认为匹配的位置然后去寻找下一个 比率 停止 如果我们不知道该项目#9983肯定会有“XX”代码。

除假 \s 问题

注:

START ITEM = 9983
    BEGIN
        WORD
        RATE = 01
        MORE WORDS
        CODE = AA
        STUFF
    END
    BEGIN
        TEXT
        MORE WORDS
        RATE = 99
        ADDITIONAL TEXT <-- DON'T END HERE!
        CODE = XX
        OTHER THINGS
    END
STOP

David Harris 17 年前

正则表达式并不总是解析文本的最佳答案。您的示例表明,您确实有一个可以用语法表示的文件。使用解析器提取字段,然后对提取的信息进行更新,这将简单得多。