Regex Perl正则表达式不是'；他不够贪婪

我正在用perl编写一个正则表达式，以匹配启动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匹配启动子例程的代码。我还试图捕获$1中的子例程名称，以及子例程名称和$2中的初始大括号之间的任何空格和注释。给我带来麻烦的是2美元

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代码放入一个字符串并将其与$regex匹配时，$2是“#这是注释3。\n”，而不是我想要的三行注释。我原以为正则表达式会贪婪地将所有三行注释放入2美元，但事实似乎并非如此

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

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__

---

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

处停止匹配

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";}

---

注意正则表达式后面的

s

。

如果向捕获组添加重复，它将只捕获该组的最终匹配。这就是为什么

$regex

只匹配最后的注释行

下面是我将如何重写您的正则表达式：

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

这与您的

$re3

非常相似，除了以下更改：

• 空白和注释匹配部分现在位于非捕获组中
• 我将正则表达式的这部分从

  （…）+）？

  更改为

  （…）*）

  ，这是等效的

只查看正则表达式中捕获

$2

的部分。它是

（\s*.*\n）

。它本身只能捕获一行注释。在它后面有一个星号，以便捕获多个注释行，这很好。它捕获多个注释行，并将每个注释行逐个放入

$2

，每次替换之前的

$2

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最后一项，即最后的注释行。只有要修复它，您需要将星号放在捕获组中。但是，您需要添加另一组括号（这次是非捕获），以确保星号适用于整个事件。因此，您需要

（（？：\s*#.*\n）*

）而不是

（（？：\s*#.*\n）*）

您的第三个正则表达式之所以有效，是因为您无意中将整个表达式括在括号中，这样您就可以在它后面加一个问号。这导致

$2

一次捕获所有注释，而

$3

仅捕获最终注释

调试正则表达式时，请确保打印出所使用的所有匹配变量的值：

$1

、

$2

、

$3

，等等。您会看到

$1

只是子例程的名称，

$2

只是第三条注释。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，你的正则表达式究竟是如何跳过前两个注释的，这最终会引导你发现当一个捕获组多次匹配时会发生什么

---

顺便说一下，看起来您还将子例程名称后面的任何空格捕获到

$1

。这是故意的吗？（哎呀，我把我的助记符搞砸了，我想

\w

是“w代表空格”。

这是不正确的，

\n

是字符串的一部分，正则表达式会继续匹配，否则OP的表达式都不会匹配。是的，尽管使用

s

和可能的

m

修饰符可以更好地编写这个正则表达式，没有它们的话，它很相配。这不是问题，谢谢。我想你解决了这个问题。事实上，我正在打印$1，$2。。。调试时。我最小化了我在这里发布的测试代码。| | | | |关于$1，正则表达式中与其匹配的部分是“（[a-zA-Z]\w*）”，一个字母字符或下划线，后跟零个或多个字母字符、下划线和数字。这些都不符合空白。我已经测试过了，谢谢。我现在看到了。我想做的事情似乎需要额外的括号。另请参见。e、 例如，

$subs=PPI:：Document->new（\$code\u string）->find（'PPI:：Statement:：Sub'）
my $regex = '\s*sub\s+([a-zA-Z_]\w*)((?:\s*#.*\n)*)\s*\{';