Ruby 如何执行忽略控制字符的文本搜索？

我有一个源字符串，它可以包含任何字符，包括空格、回车和换行符（控制字符）。控制字符可以出现在任何地方，包括单词的中间

我有一个搜索字符串，它可能具有与源字符串相同的字符选择，但通常是源字符串的子字符串。此搜索字符串中控制字符的顺序和数量可能与源不同

当搜索字符串中的非控制字符匹配时，我需要从源字符串中删除该字符串，包括该字符串中的任何控制字符。不应删除源字符串中其他位置的控制字符

我的计划是在搜索字符串中的每个字符后添加

\s*

。这很好，但是我需要转义搜索字符串中的任何正则表达式特殊字符，否则它们将被视为正则表达式命令，而不是真正的纯文本

我可以在每个字符（

'mytext.scan（/./）.join（\\s*）”

之后添加

\s*

），但是如何转义特殊字符而不是插入的正则表达式代码？如果我用另一种方法，那么我可以转义正则表达式特殊字符，但我不能简单地在每个字符后添加

\s*

；我需要避免转义字符

为了清楚起见 控制字符=空格或\t或\r或\n或\f

编辑：修改第3段以提高我的需求的清晰性

1） 将搜索字符串拆分为单个字符的列表（每个字符都是字符串）

2） 清理每个字符（仍然是字符串列表）

3） 通过

\s*

*

*除了

\s*

不起作用之外，顺便说一下-

\s*

将匹配0个或更多的空白，这与0个或更多的控制字符不同。请参阅，并使用适用于正则表达式风格的“控制字符”形式：）

---

\W*

也可以，因为

\W

是a-zA-Z0-9中没有的任何字符。但我从未测试过是否匹配控制字符或仅匹配可打印字符。

如注释中所述：

---

复制源字符串和搜索字符串。从两个副本中删除所有控制字符。使用源字符串副本中的搜索字符串副本进行搜索。如果需要，也可以进行大小写转换（或重音消除，或…）。使用大量的

\s*

可能会大大降低正则表达式的速度

---

搜索字符串只需复制和预处理一次。每个源字符串也需要复制和预处理一次。如果出现最坏的情况，当您知道存在匹配项时，您可以返回原始源字符串并创建搜索字符串的新副本，以便在每个常规字符之间都有类似于

\s*

的内容，并将搜索字符串的第二个（残缺的）副本中的正则表达式应用于原始源字符串。因为您知道存在匹配，所以性能应该是合理的，即使失败匹配模式会太慢

下面是所讨论思想的Perl实现

#!/usr/bin/env perl
use strict;
use warnings;
use Data::Dumper;

$Data::Dumper::Useqq = 1;

my $source = "'Twas (Tweedle-Dee's)\fBirthday\n\n\f\f\nand\ta\tl\tl\this friends were happy\n";
my $search = "(\fTwee\ndle\t-\tDee\r'\rs)\nBi\frth\fday";

print Data::Dumper->Dump([$source], [qw($source)]);
print Data::Dumper->Dump([$search], [qw($search)]);

my $c_source = $source;
my $c_search = $search;

$c_source =~ s/ |[[:cntrl:]]//g;    # Or s/\s//g;
$c_search =~ s/ |[[:cntrl:]]//g;    # Or s/\s//g;

print Data::Dumper->Dump([$c_source], [qw($c_source)]);
print Data::Dumper->Dump([$c_search], [qw($c_search)]);

if ($c_source =~ m/\Q$c_search\E/)
{
    # Locating the search in the original source...hard work...
    my @a_search = split //, $c_search;
    printf "Lengths: c_search %d; a_search %d\n", length($c_search), scalar(@a_search);

    @a_search = map { s/[][\\.*?+(){}]/\\$&/g; $_ } @a_search;   # Escape regex metacharacters
    #print Data::Dumper->Dump([\@a_search], [qw(@a_search)]);
    my $r_search = join "\\s*", @a_search;
    print Data::Dumper->Dump([$r_search], [qw($r_search)]);

    my $t_source = $source;
    $t_source =~ s/$r_search//g;
    print Data::Dumper->Dump([$t_source], [qw($t_source)]);
}

好干净的象形文字乐趣-毫无疑问，像泥一样清晰。前三行检查没有任何愚蠢的错误。

Data:：Dumper

模块清晰地打印数据；它是用来调试的。

Useqq

变量调整数据的打印方式

变量

$source

和

$search

是源字符串和搜索字符串。这是一个匹配，尽管每个控件中都有所有的控制字符。请注意，混合中有一些正则表达式元字符-括号是正则表达式元字符。这些字符串被转储以供参考

接下来的两行复制了搜索字符串和源字符串。将使用基于POSIX的正则表达式类来指定所有控制字符，从而删除控制字符和空格。将这些转换后的管柱倾倒以供检查

if

语句将转换的源与转换的搜索进行比较。

\Q..\E

部分抑制介于两者之间的正则表达式元字符的含义。如果有匹配项，那么我们就用大括号输入代码块

split

操作从转换后的搜索字符串创建一个单个字符数组。

printf

检查是否正常。

map

操作用反斜杠和元字符替换每个正则表达式元字符，其他字符保持不变。

join

将数组

@a\u search

中的每个字符或字符对收集到字符串

$r\u search

，并用

\s*

分隔数组条目

变量

$t_source

是源代码的另一个副本。

$r\u search

中的正则表达式应用于

$t\u search

，任何匹配项都将被替换为零。结果被转储。此脚本的输出为：

$source = "'Twas (Tweedle-Dee's)\fBirthday\n\n\f\f\nand\ta\tl\tl\this friends were happy\n";
$search = "(\fTwee\ndle\t-\tDee\r'\rs)\nBi\frth\fday";
$c_source = "'Twas(Tweedle-Dee's)Birthdayandallhisfriendswerehappy";
$c_search = "(Tweedle-Dee's)Birthday";
Lengths: c_search 23; a_search 23
$r_search = "\\(\\s*T\\s*w\\s*e\\s*e\\s*d\\s*l\\s*e\\s*-\\s*D\\s*e\\s*e\\s*'\\s*s\\s*\\)\\s*B\\s*i\\s*r\\s*t\\s*h\\s*d\\s*a\\s*y";
$t_source = "'Twas \n\n\f\f\nand\ta\tl\tl\this friends were happy\n";

字符串

$t_source

确实对应于

$source

，删除了“（特威德·迪的）生日”，这似乎符合要求

将其转换为Ruby是受虐狂^H^H^H^H^H^H^H^H^H^H^H^H^H^H感兴趣的读者的一个练习

---

显然，您可以简单地创建并使用

$r_search

字符串作为正则表达式，并将其直接应用于

$source

的（副本）；这会奏效的。但我非常怀疑，如果将其应用于KB长度的源字符串，代码将运行得非常慢。不过，我还没有通过测量来证明这一点。

复制源字符串和搜索字符串。从两个副本中删除所有控制字符。使用源字符串副本中的搜索字符串副本进行搜索。如果需要，也可以进行案例转换（或