Regex 在使用多个可能的匹配目标时，如何计算perl中的正则表达式匹配|&引用；？

我有一个（非常）长的数字字符串列表，我需要计算某些值的出现次数，以决定是否拉字符串关联的线。基本上，文件的格式如下：

,4,8,9,11,12,
,5,6,7,9,11,
etc.

,(4|9|11)(?=,)

其中字符串的长度范围为1-100个值，值的范围为1-100，字符串中的值始终按从最小到最大的顺序排列

例如，我试图找到三个值中至少有两个值为4、9和11的所有行，下面是我编写的测试代码，用于测试我的正则表达式：

my $string = ",4,8,9,11,12,";

my $test = ",4,|,9,|,11,";

my @c = $string =~ m/$test/g;
my $count = @c;

print "count: $count\n";
print "\@c:, join(" ", @c), "\n";

运行此操作时的输出为：

count: 2
@c:,4, ,9,

当我期望计数为

3

并且@c为

时，4,9,11，

我意识到这是因为9和11共用一个逗号，但我想知道是否有人知道如何避开这个问题。我不能从匹配中删除最后一个逗号，因为如果我试图在一个字符串中匹配

，4

，例如，有

，41，

，它将错误地计算

，41，

我想我可以这样做：

my $test = "4|9|11";
$string =~ s/,/ /;
my @c = $string =~ m/\b($test)\b/g

这是可行的，但在匹配计数之前添加了另一个步骤。有没有办法在保持原始字符串不变的情况下执行匹配

我还试图避免逐个循环遍历我的比赛目标，并对单个比赛计数求和，因为我试图最大限度地提高效率。我正在处理一些非常庞大的值列表，这些值需要数百万次排列，而我目前使用循环编写脚本的方式需要几天才能完成。我希望通过正则表达式匹配它会更快

---

谢谢

问题是尾随的

，

在

，9，

匹配中被消耗，因此当它开始寻找下一个匹配时，它从

11,12，

开始。在

11，

之前没有前导的

，

，所以它不能匹配。我建议使用如下前瞻：

,4,8,9,11,12,
,5,6,7,9,11,
etc.

,(4|9|11)(?=,)

这样，尾随的

，

将不会作为匹配的一部分使用

例如：

my $string = ",4,8,9,11,12,";

my $test = ",(4|9|11)(?=,)";

my @c = $string =~ m/$test/g;
my $count = @c;
print "count: $count\n";
print "\@c:", join(" ", @c), "\n";

产出：

count: 3
@c:4 9 11

---

问题是尾随的

，

在

，9，

匹配中使用，因此当它开始寻找下一个匹配时，它从

11,12，

开始。在

11，

之前没有前导的

，

，所以它不能匹配。我建议使用如下前瞻：

,4,8,9,11,12,
,5,6,7,9,11,
etc.

,(4|9|11)(?=,)

这样，尾随的

，

将不会作为匹配的一部分使用

例如：

my $string = ",4,8,9,11,12,";

my $test = ",(4|9|11)(?=,)";

my @c = $string =~ m/$test/g;
my $count = @c;
print "count: $count\n";
print "\@c:", join(" ", @c), "\n";

产出：

count: 3
@c:4 9 11

---

我将使用以下内容而不是正则表达式：

#!/usr/bin/perl

use strict;
use warnings;

my @values = qw(4 9 11);

while (<DATA>) {
    my %hash = map { $_ => 1 } split /,/;

    my $count = 0;
    foreach my $value (@values) {
        $count++ if exists $hash{$value};
    }

    print if $count >= 2;
}

__DATA__
,4,8,9,11,12,
,5,6,7,9,11,
,1,2,3,4,5,

---

我将使用以下内容而不是正则表达式：

#!/usr/bin/perl

use strict;
use warnings;

my @values = qw(4 9 11);

while (<DATA>) {
    my %hash = map { $_ => 1 } split /,/;

    my $count = 0;
    foreach my $value (@values) {
        $count++ if exists $hash{$value};
    }

    print if $count >= 2;
}

__DATA__
,4,8,9,11,12,
,5,6,7,9,11,
,1,2,3,4,5,

---

这一项也适用于您，因为您在正则表达式匹配过程中有重叠：

my $str = ',4,8,9,11,12,11,';
my @arr = $str =~ /(?=,(4|9|11),)/g;

---

这一项也适用于您，因为您在正则表达式匹配过程中有重叠：

my $str = ',4,8,9,11,12,11,';
my @arr = $str =~ /(?=,(4|9|11),)/g;

---

忽略逗号。这正是您想要的：

printf "count: %d\n", scalar( () = $string =~ /\b(?:4|9|11)\b/g );

空列表的列表赋值

（）=…

发生在标量上下文中，由

scalar（）

提供，当它返回右侧列表中的元素数时。

（？：…）

只是为了避免创建捕获组，这样可以提高性能

编辑：

好的，OP要求性能，所以我做了一些基准测试，结果是一个简单的

++$count while ($string =~ /\b(?:4|9|11)\b/g);

---

比我上面的列表分配技巧（在我古老的笔记本电脑上大约30%的加速）和p.s.w.g使用前瞻模式的答案（大约20%的加速，所以他的解决方案实际上可能没有我的第一个解决方案那么新奇，但比我的第一个解决方案快）。

只需忽略逗号即可。这正是您想要的：

printf "count: %d\n", scalar( () = $string =~ /\b(?:4|9|11)\b/g );

空列表的列表赋值

（）=…

发生在标量上下文中，由

scalar（）

提供，当它返回右侧列表中的元素数时。

（？：…）

只是为了避免创建捕获组，这样可以提高性能

编辑：

好的，OP要求性能，所以我做了一些基准测试，结果是一个简单的

++$count while ($string =~ /\b(?:4|9|11)\b/g);

---

比我上面的列表作业技巧（在我古老的笔记本电脑上的加速率约为30%）和p.s.w.g使用前瞻模式的答案（加速率约为20%，因此他的解决方案实际上可能没有我的第一个解决方案那么新奇，但比我的第一个解决方案快）。

谢谢。这个解决方案非常有效，正是我想要的。谢谢。这个解决方案工作得很好，正是我想要的。感谢您提供有关

（？：…）

的提示。我所能做的任何改进脚本性能的事情都会有所帮助，但我不知道这一点。@user3091283:我已经编辑了我的答案，以获得显著的性能改进。感谢您提供有关

（？：…）

的提示。我所能做的任何改进脚本性能的事情都会有所帮助，但我不知道这一点。@user3091283:我已经编辑了我的答案，以获得显著的性能改进。