Regex Perl正则表达式多重匹配

我正在寻找一个正则表达式，其行为如下：

输入：“你好，世界。”

输出：he、el、ll、lo、wo或rl、ld

我的想法大致是

    while($string =~ m/(([a-zA-Z])([a-zA-Z]))/g) {
        print "$1-$2 ";
    }

---

但这有点不同。

这很棘手。你必须捕获它，保存它，然后强制回溯

您可以这样做：

use v5.10;   # first release with backtracking control verbs

my $string = "hello, world!";
my @saved;

my $pat = qr{
    ( \pL {2} )
    (?{ push @saved, $^N })
    (*FAIL)
}x;

@saved = ();
$string =~ $pat;
my $count = @saved;
printf "Found %d matches: %s.\n", $count, join(", " => @saved);

产生以下结果：

找到8个匹配项：he、el、ll、lo、wo、or、rl、ld。

如果您没有v5.10或头痛，可以使用以下方法：

my $string = "hello, world!";
my @pairs = $string =~ m{
  # we can only match at positions where the
  # following sneak-ahead assertion is true:
    (?=                 # zero-width look ahead
        (               # begin stealth capture
            \pL {2}     #       save off two letters
        )               # end stealth capture
    )
  # succeed after matching nothing, force reset
}xg;

my $count = @pairs;
printf "Found %d matches: %s.\n", $count, join(", " => @pairs);

这将产生与以前相同的输出

---

但是你可能还是会头疼。

我会在“前瞻”中使用捕获的

组

(?=([a-zA-Z]{2}))
    ------------
         |->group 1 captures two English letters 

试试看
无需“强制回溯”

尽管您可能希望匹配任何字母，而不是指定的有限集合

push @pairs, "$1$2" while /(\pL)(?=(\pL))/g;

您可以通过查找字母并使用
pos
函数利用捕获的位置，
\G
在另一个正则表达式中引用它，以及
substr
从字符串中读取几个字符来完成此操作

use v5.10;
use strict;
use warnings;

my $letter_re = qr/[a-zA-Z]/;

my $string = "hello world.";
while( $string =~ m{ ($letter_re) }gx ) {
    # Skip it if the next character isn't a letter
    # \G will match where the last m//g left off.
    # It's pos() in a regex.
    next unless $string =~ /\G $letter_re /x;

    # pos() is still where the last m//g left off.
    # Use substr to print the character before it (the one we matched)
    # and the next one, which we know to be a letter.
    say substr $string, pos($string)-1, 2;
}

您可以将“检查下一个字母”逻辑放入带有零宽度肯定断言的原始正则表达式中，
（？=pattern）
。零宽度意味着它不会被捕获，也不会提升
m//g
regex的位置。这有点紧凑，但零宽度断言可能会变得棘手

while( $string =~ m{ ($letter_re) (?=$letter_re) }gx ) {
    # pos() is still where the last m//g left off.
    # Use substr to print the character before it (the one we matched)
    # and the next one, which we know to be a letter.
    say substr $string, pos($string)-1, 2;
}

更新：我最初试图将匹配和前瞻捕获为
m{（$letter_re（？=$letter_re））}gx
，但没有成功。向前看是零宽度并且滑出比赛。其他人的回答表明，如果你在“展望”中加入第二个捕获，那么它可能会崩溃到

say "$1$2" while $string =~ m{ ($letter_re) (?=($letter_re)) }gx;

我把所有答案留给TMTOWTDI，特别是如果你不是正则表达式大师的话。
还有另一种方法。不使用任何regexp魔术，它确实使用嵌套的
map
s，但如果需要，可以很容易地将其转换为
for
循环

#!/usr/bin/env perl

use strict;
use warnings;

my $in = "hello world.";
my @words = $in =~ /(\b\pL+\b)/g;

my @out = map {
  my @chars = split '';
  map { $chars[$_] . $chars[$_+1] } ( 0 .. $#chars - 1 );
} @words;

print join ',', @out;
print "\n";

同样，对我来说，这比一个奇怪的正则表达式YMMV更易读。
好问题。我想我以前可能已经回答过了。对于
（*失败）
。回答得不错。你能简单地解释一下答案吗？@KrishnachandraSharma，嗯，我想我有。捕获它，将其保存在外部变量中，然后强制失败。故障回溯，引擎向前一步，因为它没有进展，我们再试一次。起泡、冲洗、重复。很好的方法和答案，但这在旧版本的Perl 5.10中会出现问题。谢谢，我认为会有一种更直接的方法，但它完成了工作。
（？{}）
在编译regex时捕获，这是在编译时。因此，这使它像一个命名的sub。在将其移动到sub之前，实际上没有问题，但当您移动到sub时，您将得到
变量“@saved”不可用
效果很好。回答得好，“字母表”是什么？希腊语是字母表。拉丁语是字母表。西里尔语是一种字母表。不捕捉“字母表”；捕获A和Z（包括A和Z）之间的两个大写或小写字母。它在立面之类的东西上失败了。@tchrist op从来没有提到过……a-zA-Z仍然是alphabets@Some1.Kill.The.DJ嗯，这不是英文字母表的意思。我建议你查一本字典。@tchrist hope英文字母表让你更清楚：首先，PNot效率不高。你知道，那有可怕的“
[a-Z]
代码气味”。有利于避免墨西哥辣椒，不利于正常文本。@tchrist，op从未提及任何关于字母的内容，但增加了
\pL
。我总是使用
\pL
，除非我在专门规定a-Z的RFC工作。我希望我记得
（*FAIL）
在前瞻技术之外还有什么好处。@tchrist，也用于条件句
（？（{condition（）}）（？！）
你真的使用
substr
和
pos
？尤其像这样？我几乎从来没有这样做过。一部分原因是因为它对我怀有敌意，但主要原因是它很微妙。@tchrist在这种情况下，这似乎是最简单的方法
pos
和
substr
的优点是能够直截了当地理解vs带有look aheads和capture的正则表达式。我同意，
pos
可以神秘地从你下面变出来，但小范围可以原谅许多罪恶。我的第一个冲动是一个非正则表达式的迭代解决方案，因为如果循环遍历字符，“匹配每一对字母”非常简单。我试着用捕获+前瞻的方式来实现它，但没能成功；我没有意识到你需要在《展望》中，而不是在它的周围，放上第二张照片。我读的越多，我就越觉得池上春树的作品更清晰。
#!/usr/bin/env perl

use strict;
use warnings;

my $in = "hello world.";
my @words = $in =~ /(\b\pL+\b)/g;

my @out = map {
  my @chars = split '';
  map { $chars[$_] . $chars[$_+1] } ( 0 .. $#chars - 1 );
} @words;

print join ',', @out;
print "\n";