Regex Perl：从数组中搜索文本文件中的关键字

如何使用正则表达式中数组中的关键字搜索文件

我试图查看一个文本文件，看看关键字是否出现以及出现在哪里。有两个文件keywords.txt

keyword.txt
word1
word2
word3

filestosearchon.txt
a lot of words that go on and one and contain linebreaks and linebreaks (up to 100000   characters)

我想找到关键字和匹配的位置。这对一个单词有效，但我无法理解如何在正则表达式上迭代关键字

#!/usr/bin/perl

# open profanity list
open(FILE, "keywords.txt") or die("Unable to open file");
@keywords = <FILE>; 
close(FILE);

# open text file
local $/=undef; 
open(txt, "filetosearchon.txt") or die("Unable to open file");
$txt = <txt>;

$regex = "keyword";


push @section,[length($`),length($&),$1]    
while ($txt =~ m/$regex/g);

foreach $element(@section)  
{
print (join(", ",@$element), $regex, "\n");    
}

#/usr/bin/perl
#公开亵渎清单
打开（文件“keywords.txt”）或死亡（“无法打开文件”）；
@关键词=；
关闭（文件）；
#打开文本文件
本地$/=undef；
打开（txt，“filetosearchon.txt”）或死亡（“无法打开文件”）；
$txt=；
$regex=“关键字”；
推送@section，[length（$`），length（$&），$1]
而（$txt=~m/$regex/g）；
foreach$元素（@section）
{
打印（join（“，”，@$element），$regex，“\n”）；
}

如何在while循环中迭代数组中的关键字以获得匹配的关键字和位置

---

谢谢你的帮助。谢谢

一种方法是只构建一个包含每个单词的正则表达式：

(alpha|bravo|charlie|delta|echo|foxtrot|...|zulu)

Perl的正则表达式编译器非常聪明，它会尽可能地减少这种情况，因此正则表达式将比您想象的更高效。例如，以下正则表达式：

(cat|rat|sat|mat)

将编译为：

(c|r|s|m)at

这是有效的运行。这种方法可能优于“依次搜索每个关键字”的方法，因为它只需要对输入字符串进行一次遍历；这种简单的方法要求每个要搜索的关键字只通过一次

---

顺便说一下；如示例代码所示，如果您正在构建亵渎过滤器，请记住对故意拼写错误进行解释：“pron”、“p0rn”等。

一种方法是只构建一个包含每个单词的正则表达式：

(alpha|bravo|charlie|delta|echo|foxtrot|...|zulu)

Perl的正则表达式编译器非常聪明，它会尽可能地减少这种情况，因此正则表达式将比您想象的更高效。例如，以下正则表达式：

(cat|rat|sat|mat)

将编译为：

(c|r|s|m)at

这是有效的运行。这种方法可能优于“依次搜索每个关键字”的方法，因为它只需要对输入字符串进行一次遍历；这种简单的方法要求每个要搜索的关键字只通过一次

顺便说一下；如示例代码所示，如果您正在构建亵渎过滤器，请记住考虑故意拼写错误：“pron”、“p0rn”等。

请尝试

grep

：

@words = split(/\s+/, $txt);

for ($i = 0; $i < scalar(@words); ++$i) {
    print "word \#$i\n" if grep(/$words[$i]/, @keywords);
}

@words=split（/\s+/，$txt）；
对于（$i=0；$i<标量（@words）；++$i）{
如果grep（/$words[$i]/，@keywords），则打印“word\\\\$i\n”；
}

将为您提供在文本字符串中找到关键字的单词位置。这可能比基于字符的位置更有帮助，也可能没有帮助。

试试

grep

：

@words = split(/\s+/, $txt);

for ($i = 0; $i < scalar(@words); ++$i) {
    print "word \#$i\n" if grep(/$words[$i]/, @keywords);
}

@words=split（/\s+/，$txt）；
对于（$i=0；$i<标量（@words）；++$i）{
如果grep（/$words[$i]/，@keywords），则打印“word\\\\$i\n”；
}

---

将为您提供在文本字符串中找到关键字的单词位置。这可能比基于字符的位置更有帮助，也可能没有帮助。

我不确定您期望的输出是什么，但类似的东西可能会有用。我将关键字保存在散列中，读取下一个文件，将每一行拆分为单词，并在散列中搜索每一行

script.pl的内容

：

use warnings;
use strict;

die qq[Usage: perl $0 <keyword-file> <search-file>\n] unless @ARGV == 2;

open my $fh, q[<], shift or die $!;

my %keyword = map { chomp; $_ => 1 } <$fh>;

while ( <> ) {
        chomp;
        my @words = split;
        for ( my $i = 0; $i <= $#words; $i++ ) {
                if ( $keyword{ $words[ $i ] } ) {
                        printf qq[Line: %4d\tWord position: %4d\tKeyword: %s\n], 
                                $., $i, $words[ $i ];
                }
        }
}

输出应与此类似：

Line:    7      Word position:    7     Keyword: will
Line:    8      Word position:    8     Keyword: the
Line:    8      Word position:   10     Keyword: will
Line:   10      Word position:    4     Keyword: the
Line:   14      Word position:    1     Keyword: compile
Line:   18      Word position:    9     Keyword: the
Line:   20      Word position:    2     Keyword: the
Line:   20      Word position:    5     Keyword: the
Line:   22      Word position:    1     Keyword: the
Line:   22      Word position:   25     Keyword: the

---

我不确定您期望的输出是什么，但类似的东西可能会有用。我将关键字保存在散列中，读取下一个文件，将每一行拆分为单词，并在散列中搜索每一行

script.pl的内容

：

use warnings;
use strict;

die qq[Usage: perl $0 <keyword-file> <search-file>\n] unless @ARGV == 2;

open my $fh, q[<], shift or die $!;

my %keyword = map { chomp; $_ => 1 } <$fh>;

while ( <> ) {
        chomp;
        my @words = split;
        for ( my $i = 0; $i <= $#words; $i++ ) {
                if ( $keyword{ $words[ $i ] } ) {
                        printf qq[Line: %4d\tWord position: %4d\tKeyword: %s\n], 
                                $., $i, $words[ $i ];
                }
        }
}

输出应与此类似：

Line:    7      Word position:    7     Keyword: will
Line:    8      Word position:    8     Keyword: the
Line:    8      Word position:   10     Keyword: will
Line:   10      Word position:    4     Keyword: the
Line:   14      Word position:    1     Keyword: compile
Line:   18      Word position:    9     Keyword: the
Line:   20      Word position:    2     Keyword: the
Line:   20      Word position:    5     Keyword: the
Line:   22      Word position:    1     Keyword: the
Line:   22      Word position:   25     Keyword: the

---

如果只需要将keyword.txt中的整词与filestosearch.txt中的整词进行匹配，则可能不需要正则表达式。我只需要创建一个散列，关键字作为键，1作为值。然后尝试在哈希中的filestosearchon.txt中查找每个单词。如果查找成功，则存在匹配项。@BrianSwift:可能不是最有效的解决方案，因为它要求每个关键字对字符串进行一次遍历。有限自动机方法（即正则表达式）只需要一次遍历。@李昂业：我的方法只需要一次遍历输入字符串/文件，将其解析为单词，并尝试在使用关键字作为键的哈希中查找每个单词。这种方法的一个好处是关键字可以是正则表达式，而不仅仅是固定字符串。但是，使用regexp可能需要语法只匹配整个单词，这样

sex

就不会匹配

misexplain

@BrianSwift:Whoops，稍微误读一下您提出的方法。我同意只需一次就可以将所有单词添加到哈希中，但OP还想知道匹配的位置（如果匹配的话）。如果只需要将keyword.txt中的整词与filestosearch.txt中的整词进行匹配，则可能不需要正则表达式。我只需要创建一个散列，关键字作为键，1作为值。然后尝试在哈希中的filestosearchon.txt中查找每个单词。如果查找成功，则存在匹配项。@BrianSwift:可能不是最有效的解决方案，因为它要求每个关键字对字符串进行一次遍历。有限自动机方法（即正则表达式）只需要一次遍历。@李昂业：我的方法只需要一次遍历输入字符串/文件，将其解析为单词，并尝试在使用关键字作为键的哈希中查找每个单词。这种方法的一个好处是关键字可以是正则表达式，而不仅仅是固定字符串。但是，使用regexp可能需要语法只匹配整个单词，这样

sex

就不会匹配

misexplain

@BrianSwift:Whoops，稍微误读一下您提出的方法。我同意只需一次就可以将所有单词添加到哈希中，但OP还想知道匹配发生在哪里（如果发生）