求助Perl 正则循环匹配问题.

watergun

请教各位一个问题啊. 我有一个字符串. 需要split成字符数组.
例子:  例子中的A,B,C是任何可能长度的字符,或者数字.

$line=qq{A,A,B,C};
以前直接用

1. @result = split ("," $line);

复制代码

来处理.
得到:
A
A
B
C

后来发现有这种情况:
$line=qq{A,"A,A",B,C};
需要把A,A当作一个来处理. 我就google了一个代码. 一直使用. 没问题.

1. push(@fields, $+) while $line =~ m{
   
2.       "([^\"\\]*(?:\\.[^\"\\]*)*)",?  # groups the phrase inside the quotes
   
3.       | ([^,]+),?
   
4.       | ,
   
5.       }gx;

复制代码

得到
A
"A,A"
B
C

昨天发现情况更复杂了...
$line=qq{A,"A,"A,A"",B,C};
出现了一个"A,"A,A"" 需要匹配成单独的字符串.. 也就是双引号嵌套了. 而且嵌套里面还有逗号..
我不知道该怎么做这个split了..
想得到的结果是:
A
"A,"A,A""
B
C
应该对应以"开头, 以",或者"$为结束的为一个字符串. 其他都以,分割.
我对正则不是很擅长,麻烦有没有高手帮忙.
谢谢了...

watergun

有没有人帮忙啊... 谢谢了啊...

MMMIX

回复 1# watergun


    你这双引号一嵌套，外面的双引号和里面的要怎么区分？

watergun

只有一中方法能区分
外面的双引号是以 ", 或者 "$ 为结尾的. 里面的不是.

整了快一天了.. 写不出来啊.
用 (\"([^\"]|[\"[^,]).*?)\",)  能匹配到第二和第三种的内容. 但是具体怎么做循环.. 还是一头雾水.

MMMIX

回复 4# watergun


    这个用正则做已经比较困难了，因为在扫描到 " 的时候要记录一些状态，你可以用 Parse::Lex 写个简单的 lexer，或者自己手写个也行：

1. 
   
2. #!/usr/bin/perl
   
3. 
   
4. use strict;
   
5. use warnings;
   
6. 
   
7. use v5.12;
   
8. use Data::Dumper;
   
9. 
   
10. my $data = qq{sss1, 123, "sss2", "sss3,sss4", "sss5,"sss6,sss7"", sss8, "sss9"};
    
11. 
    
12. my ($level, @token_buf, @token);
    
13. 
    
14. $level = 0;
    
15. my @chars = split //, $data;
    
16. 
    
17. while (my ($i, $c) = each @chars) {
    
18.     given ($c) {
    
19.         when (/,/) {
    
20.             if ($level > 0) {
    
21.                 push @token_buf, $c;
    
22.             } else {
    
23.                 push @token, (join '', @token_buf);
    
24.                 @token_buf = ();
    
25.             }
    
26.         }
    
27.         when (/"/) {
    
28.             my $nc = $chars[$i+1];
    
29.             if ($nc eq '"' or $nc eq ',' or !defined $nc) {
    
30.                 $level--;
    
31.                 push @token_buf, $c if $level > 0;
    
32.             } else {
    
33.                 push @token_buf, $c if $level > 0;
    
34.                 $level++;
    
35.             }
    
36.         }
    
37.         when (/ /) { }
    
38.         default { push @token_buf, $c; }
    
39.     }
    
40. }
    
41. push @token, (join '', @token_buf);
    
42. 
    
43. say "Data: $data";
    
44. say Dumper(\@token);
    

复制代码

substr函数

对正则不擅长
我这么写了
___________________
A,A,B,C
___________________
A
A
B
C
___________________
A,"A,A",B,C
___________________
A
"A,A"
B
C
___________________
A,"A,"A,A"",B,C
___________________
A
"A,"A,A""
B
C
___________________
A,""A",A",B,C
___________________
A
""A",A"
B
C

1. #!/usr/bin/perl
   
2. use 5.010;
   
3. 
   
4. while (<DATA>) {
   
5.     my $line   = $_;
   
6.     my @result = SPLIT($line);
   
7.     say '___________________';
   
8.     print $_;
   
9.     say '___________________';
   
10.     say for @result;
    
11. }
    
12. 
    
13. sub SPLIT {
    
14.     my $LINE   = shift;
    
15.     my $APPEND = 0;
    
16.     my @FIELDS;
    
17. 
    
18.     for ( split /,|\n/, $LINE ) {
    
19.         $APPEND ? $FIELDS[-1] .= ",$_" : push @FIELDS, $_;
    
20.         my ( $PREFIX, $SUFIX ) = /^("*)\w+("*)$/;
    
21.         $APPEND += $PREFIX =~ tr/"// if $PREFIX;
    
22.         $APPEND -= $SUFIX =~ tr/"// if $SUFIX;
    
23.     }
    
24.     return @FIELDS;
    
25. }
    
26. 
    
27. 
    
28. __DATA__
    
29. A,A,B,C
    
30. A,"A,A",B,C
    
31. A,"A,"A,A"",B,C
    
32. A,""A",A",B,C
    

复制代码

watergun

回复 5# MMMIX

非常非常感谢. 但是我在试着运行的时候遇到下面的错误.

Type of arg 1 to each must be hash (not private array) at ./double_quotes_test.pl line 13, near "@chars) "

应该是这行

while (my ($i, $c) = each @chars) {

这是为什么.. each应该用在哈希上吧. 能这样用在数组吗? 我不太理解.
   

watergun

回复 6# substr函数

非常非常感谢. 我给的例子运行的都没问题. 但是不知道怎么回事. 在实际运行的时候就失败了..  实际的例子是:

IT-VME,IT-VME-VMWARE9,nonreplicated,BACKUP,"-vmfulltype=vstor -vmbackuptype=fullvm -asnodename=MITC  -domain.vmfull="VMHOST=vmware9.it-servers.louisville.edu;-VM=Tegrity-Prod,*-NB,tsmpbw*,sp2010sql*,Print*,test-clus-sp*" -MODE=IFIncremental",,5,2013-07-08,22:09:00,4,HOURS,,,"Sun,Mon,Tue,Wed,Thu,Fri,Sat",,2014-06-11 15:40:12.000000,SYSDEE,


结果是:

___________________

1. IT-VME,IT-VME-VMWARE9,nonreplicated,BACKUP,"-vmfulltype=vstor -vmbackuptype=fullvm -asnodename=MITC -domain.vmfull="VMHOST=vmware9.it-servers.louisville.edu;-VM=Tegrity-Prod,*-NB,tsmpbw*,sp2010sql*,Print*,test-clus-sp*" -MODE=IFIncremental",,5,2013-07-08,22:09:00,4,HOURS,,,"Sun,Mon,Tue,Wed,Thu,Fri,Sat",,2014-06-11 15:40:12.000000,SYSDEE,
   
2. ___________________
   
3. $VAR1 = 'IT-VME';
   
4. $VAR2 = 'IT-VME-VMWARE9';
   
5. $VAR3 = 'nonreplicated';
   
6. $VAR4 = 'BACKUP';
   
7. $VAR5 = '"-vmfulltype=vstor -vmbackuptype=fullvm -asnodename=MITC -domain.vmfull="VMHOST=vmware9.it-servers.louisville.edu;-VM=Tegrity-Prod';
   
8. $VAR6 = '*-NB';
   
9. $VAR7 = 'tsmpbw*';
   
10. $VAR8 = 'sp2010sql*';
    
11. $VAR9 = 'Print*';
    
12. $VAR10 = 'test-clus-sp*" -MODE=IFIncremental"';
    
13. $VAR11 = '';
    
14. $VAR12 = '5';
    
15. $VAR13 = '2013-07-08';
    
16. $VAR14 = '22:09:00';
    
17. $VAR15 = '4';
    
18. $VAR16 = 'HOURS';
    
19. $VAR17 = '';
    
20. $VAR18 = '';
    
21. $VAR19 = '"Sun,Mon,Tue,Wed,Thu,Fri,Sat"';
    
22. $VAR20 = '';
    
23. $VAR21 = '2014-06-11 15:40:12.000000';
    
24. $VAR22 = 'SYSDEE';
    

复制代码

在 Tegrity-Prod 这里被截断了. 不应该截断的. 我先去搞明白你的代码吧.. 太谢谢了.
   

MMMIX

watergun 发表于 2015-07-10 18:02
回复 5# MMMIX
each应该用在哈希上吧. 能这样用在数组吗?

这是 5.12 的新特性。

watergun

回复 9# MMMIX

为什么我的环境就不行呢?

1. [sguser@sg-rhel5-12 bin]$ sg-perl -v
   
2. 
   
3. This is perl, v5.8.1 built for i686-linux

复制代码