Regex 这个正则表达式中发生了什么

下面的常规表达式可以工作，但有人能解释一下如何工作吗？ 任何评论都将不胜感激！谢谢藜麦

正则表达式“|”是如何从

保留此
中剥离标记“”和“”，以将
保留此
到内存$1中的

以下是正则表达式：

(?x)
([\w\.!?,\s-])|<.*?>|.

（？x）
（[\w\.！？，\s-]）||。

以下是字符串：

 <script>Keep THIS</Script>

保留这个

结果：$1=“保留此项”

评论如下：

  (?x)                     set flags for this block (disregarding
                           whitespace and comments) (case-sensitive)
                           (with ^ and $ matching normally) (with .
                           not matching \n)

  (                        group and capture to \1:
    [\w\.!?,\s-]             any character of: word characters (a-z,
                             A-Z, 0-9, _), '\.', '!', '?', ',',
                             whitespace (\n, \r, \t, \f, and " "), '-
                             '
  )                        end of \1
 |                        OR
  <                        '<'
  .?                       any character except \n (optional
                           (matching the most amount possible))
  >                        '>'
 |                        OR
  .                        any character except \n

（？x）为此块设置标志（忽略
空格和注释）（区分大小写）
（通常与^和$匹配）（与。
不匹配\n）
（组和捕获到\1：
[\w\.！？，\s-]的任何字符：单词字符（a-z，
A-Z，0-9，
空白（\n、\r、\t、\f和“”），'-
'
)结束\1
|或
<                        ''
|或
.                        除以下字符之外的任何字符\n
匹配所有标记，也就是说它匹配所有以
结尾的字符串。然后从剩下的字符串中，这个
（[\w\.！？，\s-]）
正则表达式将捕获所有单词字符或点或
或
？
或空格、逗号或连字符。请注意，它会将每个字符捕获到组1中

如果要捕获整个字符串
将其保留在组1中，则需要在字符类旁边添加
+
量词<代码>+
将上一个令牌重复一次或多次

([\w\.!?,\s-]+)|<.*?>|.

（[\w\.！？，\s-]+）|。

最后，
匹配所有未匹配的剩余字符

这样做的唯一方法是在循环中使用全局匹配，并且没有设置
使用警告

以下是我认为您拥有的，但是使用
Data:：Dump
来显示
$1
的内容，而不是您自己的代码中的
print$1
。（显示实际的Perl代码而不是选定的代码片段确实很有帮助。）


第一个过程是匹配的
，它没有被捕获，因此
$1
是未定义的
后续过程匹配类
[\w\.！，\s-]
中的单个字符，该类使用字符串
一次保留一个字符

最后，结束符
在不捕获的情况下进行匹配，并再次保留
$1
未定义

undef
打印为空字符串，如果未启用
warnings
，则不会向您发出警报

解决方案是始终使用poper HTML解析器来处理HTML。正则表达式是用于此作业的错误工具。
下面是示例中使用的带有标记的字符串：““Keep THIS”请始终显示您的Perl代码。有很多方法可以组合您展示的组件。感谢Avinash的及时回复！你是说有一个匹配的顺序吗？顺序是否从右边开始，最后一个“|”之前的句点？1.第一个匹配是由“|.”，它是整个字符串，2。第二个匹配项是标签和3。第三个匹配项是剩余的字符串。首先
（[\w\.！，\s-]+）
匹配除
之外的所有单词字符、空格等。然后，在它看到模式
之后，它匹配标记字符串，只在
之间保留剩余的
字符串。但是我总是建议你写
|（[\w\.！？，\s-]）|。
。最后，这是一个好消息。匹配所有未匹配的剩余字符。请注意，正则表达式引擎从左到右解析字符串。Avinash，我删除了最后一个“|”字符。如果没有它，它将无法工作。谢谢是的，最后的
|。
用于匹配所有剩余字符。所以这是必须的。
use strict;
use warnings;

use Data::Dump;

my $s = '<script>Keep THIS</Script>';

my $re = qr/(?x)
([\w\.!?,\s-])|<.*?>|./;

while ( $s =~ /$re/g ) {
  dd $1;
}

undef
"K"
"e"
"e"
"p"
" "
"T"
"H"
"I"
"S"
undef