Regex 数据中意外插入的全字匹配

我得考虑一下

my $string = 'String need to be evaluated';

在

$string

中，我正在搜索求值或任何其他单词。 问题是它们可能在字符串中插入了一些标记 例如，

字符串需要求值

，这是意外的。 在这种情况下，我如何搜索单词

以下是我尝试的代码：

my $string = 'Text to be evaluated';

my $string2 = "Te<data>xt need to be eval<data2>ua<data>ted";
# patten to match
$pattern = "evaluated";

@b = split('',$pattern);

for my $i(@b){
    $i="$i"."\(?:<data>\)?";
    print "$i#\n";
}
$pattern = join('',@b);

print "\n$pattern\n";

if ($string2 =~ /$pattern/){
    print "$pattern found\n";   
}

my$string='Text to evaluation'；
my$string2=“需要评估文本”；
#相配
$pattern=“已评估”；
@b=分割（“”，$pattern）；
我的$i（@b）{
$i=“$i”。\（？：\）？”；
打印“$i#\n”；
}
$pattern=join（“”，@b）；
打印“\n$pattern\n”；
如果（$string2=~/$pattern/）{
打印“$pattern found\n”；
}

---

您是否建议使用其他方法或模块来简化此过程？我不知道将插入什么类型的数据。

当然，您可以使用regexp来完成这项工作：

foreach my  $s ($string,$string2){
   my $cs= $s;
   ### canonize
   $cs =~ s!<[^>]*>!!gs;
   ### match
   if ($cs =~ m!$pattern!i){
      print "Found $pattern in $s!\n";
   }        
}

foreach my$s（$string，$string2）{
my$cs=$s；
###册封
$cs=~s！]*>！！gs；
###匹配
如果（$cs=~m！$pattern！i）{
打印“在$s中找到$pattern！\n”；
}        
}

不确定这是否是您需要的，但如何

@b = split('',$pattern);

for my $i(@b){
    $i=$i.".*";
    print "$i \n";
}
$pattern = join('',@b);

只要模式的字符仍然存在并且顺序正确，就应该匹配在随机插入之前具有该模式的任何字符串。 它确实在字符串

esouhgvw8vwrg355#*asrgl/\u[\w]atet（45）efdvd

中找到了噪音最大的地方。但当然，如果无法区分插入字符串和原始字符串，您将得到“假”肯定。例如，如果字符串过去是

evaluted

，它变成类似

evaluted

的值，则会得到一个正值。当然，如果您知道插入总是在标记中，而文本不是，那么用户的回答会更安全

---

只要您对输入字符串进行单引号引用，像[\w]（45）之类的字符也不会有任何影响。我不明白为什么它们会在任何时候被插入。

先删除标记，然后再搜索？不，标记有重要信息。搜索必须处理任何意外的插入，所以，删除字符串副本上的标记？@mpapec我正在对单个变量进行替换处理，需要进一步处理。我必须在那个单一变量上做所有的事情。你为什么不能用一个副本呢？在该子线程的运行期间，其他线程可能会插入新标记吗？或者只是为了保存标签？但是Op明确地不想删除标签。原因不清楚，但这似乎是一个要求。我已经更改了脚本，但如果这个小更改不适合您，请阅读。有很多关于如何使用Perl编程的好书。非常感谢，幸运的是我可以阅读。是的，这显然是一个切实可行的答案。但Op在评论中明确表示，他不想删除标签，不管是不是副本。当然，现在还不清楚他为什么不想制作一份拷贝，删除拷贝中的标签，并与该拷贝进行匹配，但有人建议，他说这不是他所需要的。不知道为什么，我能想象的唯一原因是非常巨大的字符串，但谁知道呢。@DeVadder我不知道它会有什么样的插入。插入可以不是标记。这就是为什么我需要一个单独匹配该字符串的解决方案，因为在这种情况下复制$string是没有意义的。我在代码中给出的方法有点接近解决方案，但它不能处理插入括号数据或[\w+]、{\w+}或其他任何事情。@wagh-单词就是信号；“插入”就是噪音。要获得信号，即识别单词，必须识别并消除噪声。具体来说，“插入”与它们出现的单词有什么区别？如果你说不出噪音是什么——“插入”是什么——你怎么能找到单词呢？

$i=$i.*”或
$i=$i.[^]+'在这种情况下可能更好。我只是想知道他们的任何模块是否可用于此实例。或者任何像schwatzian变换之类的方法或概念……每项改进都需要更多关于插入形式的知识。在第二个建议中，假设插入不包含空格。非贪婪不应该改变问题“匹配或不匹配”的结果，因为贪婪和非贪婪都试图匹配最长/最短的子字符串，该子字符串仍然允许模式的其余部分匹配。但对于替换，它确实应该更好。@wagh至于Schwartz转换和类似的东西：我个人不喜欢只提高Perl时间效率的东西。如果任务在本应运行的机器上有时间限制，则不要使用Perl。或任何脚本语言。我喜欢Perl，但它的易用性和可读性（当然，如果编写为可读的话）而不是它的性能。为此，请使用更接近底层系统的工具。在我的例子中C++。