Regex 在perl中，为什么在模式上拆分字符串会在某些拆分点处给出空字符

假设我有一个字符串，如下所示：

my $line="(l_extendedprice*(1-l_discount)*(1+l_tax))";

每当这个字符串得到一个非单词字符时，我就要分割它，我还想记住这个字符。下面是我的代码：

my @split_on_non_word=split /(\W)/,$line;
print scalar @split_on_non_word, "\n";
print "split:$_\n" for @split_on_non_word;

这是我的输出：

20
split:
split:(
split:l_extendedprice
split:*
split:
split:(
split:1
split:-
split:l_discount
split:)
split:
split:*
split:
split:(
split:1
split:+
split:l_tax
split:)
split:
split:)

15
split:(
split:l_extendedprice
split:*
split:(
split:1
split:-
split:l_discount
split:)
split:*
split:(
split:1
split:+
split:l_tax
split:)
split:)

问题是，我在数组中的模式中得到了空字符，例如，（，*）。我感觉可能与元字符有关。但是，在拆分“+”时，它不会插入任何空字符，而“+”也是元字符。非常感谢在这方面提供的任何帮助

当然，有一些方法可以对数组进行后期处理并去除空字符，这是我目前的工作。但是，我只是在寻找更好的解决方案

预期输出：

20
split:
split:(
split:l_extendedprice
split:*
split:
split:(
split:1
split:-
split:l_discount
split:)
split:
split:*
split:
split:(
split:1
split:+
split:l_tax
split:)
split:
split:)

15
split:(
split:l_extendedprice
split:*
split:(
split:1
split:-
split:l_discount
split:)
split:*
split:(
split:1
split:+
split:l_tax
split:)
split:)

---

您可以将单词边界

\b

与检查

\W

相结合，在这种情况下，您可以拆分空字符串，这只会将字符串转换为字符列表

my $line="(l_extendedprice*(1-l_discount)*(1+l_tax))";

my @split_on_non_word = map { /\W/ ? split '', $_ : $_ } split /\b/,$line;
print scalar @split_on_non_word, "\n";
print "split:$_\n" for @split_on_non_word;

输出：

15
split:(
split:l_extendedprice
split:*
split:(
split:1
split:-
split:l_discount
split:)
split:*
split:(
split:1
split:+
split:l_tax
split:)
split:)

---

您可以将单词边界

\b

与检查

\W

相结合，在这种情况下，您可以拆分空字符串，这只会将字符串转换为字符列表

my $line="(l_extendedprice*(1-l_discount)*(1+l_tax))";

my @split_on_non_word = map { /\W/ ? split '', $_ : $_ } split /\b/,$line;
print scalar @split_on_non_word, "\n";
print "split:$_\n" for @split_on_non_word;

输出：

15
split:(
split:l_extendedprice
split:*
split:(
split:1
split:-
split:l_discount
split:)
split:*
split:(
split:1
split:+
split:l_tax
split:)
split:)

split（）

use Data::Dumper;

my $line="(l_extendedprice*(1-l_discount)*(1+l_tax))";
my @split_on_non_word = $line =~ /(\w+|\W)/g;

print Dumper \@split_on_non_word;

输出

$VAR1 = [
      '(',
      'l_extendedprice',
      '*',
      '(',
      '1',
      '-',
      'l_discount',
      ')',
      '*',
      '(',
      '1',
      '+',
      'l_tax',
      ')',
      ')'
    ];

split（）

use Data::Dumper;

my $line="(l_extendedprice*(1-l_discount)*(1+l_tax))";
my @split_on_non_word = $line =~ /(\w+|\W)/g;

print Dumper \@split_on_non_word;

输出

$VAR1 = [
      '(',
      'l_extendedprice',
      '*',
      '(',
      '1',
      '-',
      'l_discount',
      ')',
      '*',
      '(',
      '1',
      '+',
      'l_tax',
      ')',
      ')'
    ];

您已将每个
\W
字符声明为字段分隔符。字符串的第一个字符是
（
），这意味着它必须将空字符串与后面的字符串分隔开

然后是
*（
：两个分隔符的序列。这意味着它们之间必须有一个空字段

对于
1+l\u tax
，很明显，在分隔符
+
的两侧都有非空字符串

对我来说，过滤掉空字段似乎是最简单的：

#!/usr/bin/env perl

use strict;
use warnings;

use YAML::XS;

my $line = "(l_extendedprice*(1-l_discount)*(1+l_tax))";

my $tokens = [ grep length, (split /(\W)/, $line) ];

print scalar @$tokens, "\n";

print Dump $tokens;

输出：

15
split:(
split:l_extendedprice
split:*
split:(
split:1
split:-
split:l_discount
split:)
split:*
split:(
split:1
split:+
split:l_tax
split:)
split:)

15
---
- (
-延长价格
- '*'
- (
- '1'
- '-'
-l_折扣
- )
- '*'
- (
- '1'
- +
-卢布税
- )
- )
您已将每个
\W
字符声明为字段分隔符。字符串的第一个字符是
（
），这意味着它必须将空字符串与后面的字符分隔开

然后是
*（
：两个分隔符的序列。这意味着它们之间必须有一个空字段

对于
1+l\u tax
，很明显，在分隔符
+
的两侧都有非空字符串

对我来说，过滤掉空字段似乎是最简单的：

#!/usr/bin/env perl

use strict;
use warnings;

use YAML::XS;

my $line = "(l_extendedprice*(1-l_discount)*(1+l_tax))";

my $tokens = [ grep length, (split /(\W)/, $line) ];

print scalar @$tokens, "\n";

print Dump $tokens;

输出：

15
split:(
split:l_extendedprice
split:*
split:(
split:1
split:-
split:l_discount
split:)
split:*
split:(
split:1
split:+
split:l_tax
split:)
split:)

15
---
- (
-延长价格
- '*'
- (
- '1'
- '-'
-l_折扣
- )
- '*'
- (
- '1'
- +
-卢布税
- )
- )
还有另一种方法：

在拆分模式中捕获很少能完全按照某些任务的需要工作。如果不能，则必须对结果进行后期处理，使用匹配而不是拆分，或者尝试提出一种不捕获的拆分模式来满足您的需要。其他答案采用前两种方法之一。对于第三种方法，您希望在不捕获的情况下进行拆分两边各有一个非单词字符，这很简单：

split /(?<=\W)|(?=\W)/

split/（？另一种方式：

在拆分模式中捕获很少能完全按照某些任务的需要工作。如果不能，则必须对结果进行后期处理，使用匹配而不是拆分，或者尝试提出一种不捕获的拆分模式来满足您的需要。其他答案采用前两种方法之一。对于第三种方法，您希望在不捕获的情况下进行拆分两边各有一个非单词字符，这很简单：

split /(?<=\W)|(?=\W)/

split/（？Perl中没有
null
。粗略的等价物是
undef
，这是一个未定义的值。空行就是空字符串。您可以使用
\b
转义序列作为单词边界，但这将产生11个结果，因为带有
（）
的内容被视为一个单词，就像
）
和
）*（
之后可以拆分它们。Perl中没有
null
。粗略的等价物是
undef
，这是一个未定义的值。空行就是空字符串。您可以使用
\b
转义序列作为单词边界，但这将产生11个结果，因为
（）
被视为一个词，如
）
和
）*（
。这些可能会被拆分。看起来有人刚好路过，对我们的两个答案都投了否决票。我不希望有任何解释。看起来有人刚好路过，对我们的两个答案都投了否决票。我不希望有任何解释。为什么要加载YAML？因为我喜欢它的
转储
，比其他转储更好，我不喜欢我喜欢OP打印结果的方式。为什么要加载YAML？因为我更喜欢它的
转储
，而我不喜欢OP打印结果的方式。