regex - 如何使用 Perl 从单个字符串中捕获子表达式的多个匹配项？

Question

我目前有以下正则表达式：

^\s*(.+)(?:[-\._ ]+)(\d+)\s*[xX]\s*(\d+)

这将匹配show_3x01_ep. name并检索show, 3, 01. 我想扩展它，以便可以捕获多个剧集。例如：

 show _3x01_3x02 ep. name

应该返回：

show, 3, 01, 3, 02

有人可以向我解释如何做到这一点吗？

Answer 1

您对正则表达式的期望过高。最简单的方法是分两步完成。

首先请注意，尽管您的示例中的(.+)which 匹配项show过于笼统。如果您将模式应用于show _3x01_3x02 ep. name然后您将得到show- 带有尾随空格 - 因为以下[-._ ]+（无需转义点或将字符类括在 中(?: ... )）仅满足一个字符。

这将按照您的要求进行。它查找第一个字母字符字符串，然后查找由单个x.

use strict;
use warnings;

my $s = 'show _3x01_3x02 ep. name';

if ( my ($prefix) = $s =~ /([a-z]+)/i ) {
  print "$prefix\n";
  print "$1 $2\n" while $s =~ /(\d+)x(\d+)/g;
}

输出

show
3 01
3 02

Answer 2

使用 Perl 的g修饰符

您可以使用 Perl 的g正则表达式修饰符在字符串中多次扫描模式。然后，您可以将这些匹配项保存到列表中，然后对该列表或其各个元素执行某些操作。例如：

$ echo 'show _3x01_3x02 ep.name' |
      perl -ne '@words = ($_ =~ /\A(.*?)(?=\d)|(\d+)x(\d+)/g);
                @words = grep { $_ ne "" } @words;
                while (my $idx = each @words) {
                    @words[$idx] =~ s/^\s+|\s+\b|_//g;
                };
                print join(", ", @words), "\n"'
show, 3, 01, 3, 02

Answer 3

在 Ruby 中使用 String#scan 代替

您的文件名不一致，因此您最好扫描已知模式然后进行清理。我已经提供了 Perl 解决方案，但提供了这个 Ruby 解决方案作为替代方案。例如：

str = 'show _3x01_3x02 ep. name'
str.scan(/\A(.*?)(?=\d)|(\d+)x(\d+)/).
    flatten.compact.map { |e| e.gsub(?_, ' ').strip }
#=> ["show", "3", "01", "3", "02"]

在这一行代码中发生了很多事情，但应该很容易理解。该代码将：

1. 匹配从字符串开头到第一个数字的所有内容作为节目名称。
2. 匹配它可以找到的所有季节/剧集对。
3. 将所有匹配项作为数组返回。
4. 展平由捕获组创建的嵌套数组，并丢弃 nil。
5. 将数组的每个成员中的下划线替换为空格。
6. 从数组的每个成员中删除任何周围的空白。
7. 返回数组。

正则表达式本身与 Perl 兼容，但其余逻辑依赖于 Ruby 的String#scan和其他可能无法直接映射到 Perl 的内部结构。YMMV。