perl - 解析文件时如何确定制表符是什么？

Question

我正在打开一个文件（在 perl 中），我想知道如何确定制表符的外观。

我知道它们在我的文件中，但我想知道如何分辨它是什么。我知道要输出到文件，你会使用 \t，但它对于读取文件并不相同。

我也知道它会将其读取为某种 TAB 字符，因为我在每一行上逐个字符地打印出一行，并且可以很容易地看到 TABed 行。

Answer 1

制表符始终\t是 ，没有什么可说的了。

但是，一些编辑器使用关于单个制表符应该代表多少个空格的约定。常识说 8，但通常人们的意思是 4，我见过它表示 3 甚至 2 个空格。

一些编辑器（如 Komodo 或 Komodo Edit）试图变得聪明：他们读取源文件并计算前导空格和制表符的典型分布。例如，如果只能看到 4,8,12,... 前导空格，则可能隐含地假设您的制表符应该表示 4 个空格。或者，如果观察到 2,4,6,... 前导空格，则每个制表符可能使用 2 个空格。

如果我对您的理解正确，您希望前导空格具有类似的行为。

在这种情况下，您可以使用下面的代码确定最有可能的制表符空格值。请注意，此代码不是最佳的：它会忽略带有实际制表符的行，它只考虑第一个缩进级别来获得制表符缩进等等。仅将此视为获得良好实施的起点：

my %dist;
while (my $line = <>) {
    my ($spaces) = ($line =~ /(^ *)/);
    my $len = length($spaces);
    $dist{$len}++;
}
my @sp = sort {$a <=> $b} keys %dist;
print "Leading space distribution in file: "
    . join(",", @sp) . "\n";
if (scalar @sp >= 2) {
    print "Most likely tab setting is: ", $sp[1] - $sp[0];
}

Answer 2

如果您按下制表键，某些 IDE 和编辑器通常会插入四个空格而不是制表符。实际的制表符在 perl 中是 \t （内容取决于平台，但 \t 应始终代表您平台的制表符）

为确保您同时捕获制表符和任何 4 个空格组，您可以使用正则表达式/\t| {4}/