m//在列表上下文中的返回值问题

churchmice

原帖由 andy820303 于 2008-4-16 09:05 发表
从后匹配？

还是没有理解！

1. 
   
2. Mail:~# perl -e '$_="OneoNeonE";@line=m/(one)*/gi;print "@line\n"'  |cat -A
   
3. onE $
   

复制代码

这句加不加/g都是一样的
因为你(one)*这个本身已经把$_的全部内容给匹配了,无所谓再次匹配,/g有没有都一样
你可以试着改成下面的样子就可以看出区别来了

1. 
   
2. perl -e '$_="OneseehereoNeonE";@line=m/(one)*/gi;print "@line\n"'  |cat -A
   

复制代码

这个时候加不加/g就有区别了

churchmice

原帖由 sosogh 于 2008-4-15 23:42 发表


谢谢你的回复
()里为什么是onE？
第一句返回2个值，@line有2个元素

你咋知道第一句里面返回两个值呢?
照你这个写法,第一句返回的就只有一个值
因为你的(one)*, 意思是匹配0次或者多次的one,而*是贪婪匹配,也就是说它倾向于匹配多次,所以结果就是
(one)*匹配了$_的所有内容

你可以用非贪婪匹配
see

1. 
   
2. <lig@romeo:~>$ perl -e '$_="oneoneone";@line = m /(one)*?/g; print "@line\n"'
   
3. one  one  one
   

复制代码

当然这里的*?有点问题,因为*?倾向于不匹配(*代表0次或者1次),所以(one)*?其实在任何时候都是匹配成功的,这样就会产生死循环,所以这个时候起作用的是regex的引擎,是这个引擎使得匹配的位置bump along

更好的写法是将*?换成+?,当然在这里结果是一样的,但是内在的处理过程却是不一样的

churchmice

原帖由 andy820303 于 2008-4-16 14:15 发表
其实我不理解的是最后的返回结果

第一个例子中既然都匹配了，为什么返回的结果不是“OneoNeonE”呢？

丢脸了
发现你所说的问题所在了
see see再说
不好意思

churchmice

原帖由 andy820303 于 2008-4-16 14:15 发表
其实我不理解的是最后的返回结果

第一个例子中既然都匹配了，为什么返回的结果不是“OneoNeonE”呢？

我想我已经理解了
首先看一段perldoc

The "/g" modifier specifies global pattern matching--that is,
               matching as many times as possible within the string.  How it
               behaves depends on the context.  In list context, it returns a
               list of the substrings matched by any capturing parentheses in
               the regular expression.  If there are no parentheses, it
               returns a list of all the matched strings, as if there were
               parentheses around the whole pattern.

这段话的意思就是说m//g的返回值是由()捕获到的值,如果没有()的话则返回所有匹配的内容

你第一句话的错误就在于你用()把one给扩起来了,这样m/(one)*/g的返回值就只能是()捕获到的值,也就是说是one
你可以选用non capture parenthess,

1. 
   
2. (?:one)*
   

复制代码

这样结果就是正确的

1. 
   
2. <lig@romeo:~/chinaunix>$ perl -e '$_="OneoNeonE";@line=m/(?:one)*/gi;print "@line\n"'
   
3. OneoNeonE
   

复制代码

[ 本帖最后由 churchmice 于 2008-4-16 15:00 编辑 ]

churchmice

至于具体的匹配过程我是这样理解的,
1.一开始看到(one)*,所以整个$_都被匹配了,这个时候返回给@data的值是"onE",因为用了捕捉的(),所以m//g的返回内容是()中捕获的内容
2.由于整个m//g,所以引擎尝试再次匹配,由于(one)*也匹配最后的空字符(zero width match),所以这个时候返回给@data的是一个null
3.由于(one)*其实可以匹配无限次(因为它本来就匹配nothing),这样会造成死循环,引擎已经预料到这种情况,所以就退出


所以结果@data里面有两个元素,最后一个是没有初始化的元素(第二次匹配返回的null)


see

1. 
   
2. #!/usr/bin/perl
   
3. use strict;
   
4. use warnings;
   
5. my $str = "OneoNeonE";
   
6. my @data = $str =~ m/(one)*/gi;
   
7. my $length = $#data;
   
8. print "length is $length\n";
   
9. print "$_\n" foreach @data;
   

复制代码

<lig@romeo:~/chinaunix>$ ./greedy
length is 1
onE
Use of uninitialized value in concatenation (.) or string at ./greedy line 8.

churchmice

原帖由 andy820303 于 2008-4-16 15:12 发表
The "/g" modifier specifies global pattern matching--that is,
               matching as many times as possible within the string.  How it
               behaves depends on the context.  In lis ...

post to Larry Wall
其实只要理解了正则引擎的backtrace(回朔),这样也是可以理解的
对于$_="OneoNeonE"
使用模式(one)*/i
1.正则引擎从字符串的头部开始
2.由于(one)*也匹配空,所以引擎创建 state1,这个state包含了匹配的内容,这里就是null
3.接着看到One,也匹配,所以引擎创建 state2,这个state包含了匹配内容 One
4.接着看到oNe,创建state3,包含匹配内容 oNe
5.看到onE,创建state4,包含匹配内容onE
6.这个时候(one)*整体匹配成功了,而且regex后面也没有其他需要继续匹配的东西,因而regex引擎认为整体匹配已经成功,所以没有必要backtrace了,这个时候最新的state,也就是state4里面存放的内容是onE,所以这个结果就被返回了


这些state都是存放在类似堆栈的结构中,state1在stack的底部,state4在stack的顶部
如果regex是(one)*one的话由于(one)*匹配了所有内容导致后面的one无法匹配,因而要退栈,返回到state3,再尝试匹配,这个时候全局就匹配成功了,你可以试验一下,这个时候的返回内容就是oNe了

这就是backtrace的大致原理,当然实际中还有各种优化,远比这个复杂

[ 本帖最后由 churchmice 于 2008-4-16 15:28 编辑 ]

churchmice

原帖由 andy820303 于 2008-4-16 15:37 发表
小弟对churchmice 的敬仰犹如滔滔江水啊！

不错，搂主这个问题提的真不错，学到很多东西。

请问churchmice 兄，这些内容是在哪儿看到的呢？

learning perl
mastering regular expression

churchmice

原帖由 sosogh 于 2008-4-20 02:14 发表


为什么第二句：
2.由于(one)*也匹配空,所以引擎创建 state1,这个state包含了匹配的内容,这里就是null


不是放到匹配过程的最后一步（作为第5点）而作为第2点？这个null不是由最后的空字符所引起的吗？

这里的1,2,3,4,5,6步的结果从大的方面来说只是进行了一次匹配(1,2,3,4,5,6只是具体的back trace的过程),匹配了"OneoNeonE",同时返回了onE
然后正则引擎看到/m修饰,再从前一次成功匹配的结尾,也就是$_的末尾尝试第二次的匹配,这个过程和前面的1,2,3,4,5,6类似,但是匹配到的结果是null,同时返回的也是null
然后引擎尝试再次匹配,但是上一次成功匹配的位置还是$_的结尾,这样下去会死循环,因而正则引擎便要跳出这个循环,所以不再进行匹配