Perl正则表达式捕获重复组

Question

我想要一个正则表达式，它可以匹配一行开头的内容并匹配（并返回）所有其他单词。例如，给出以下这行内容：

$line = "one two three etc";

我想要像这样的东西（但它不起作用）：

我希望获得类似以下内容的效果（但是无法实现）：

@matches= $line=~ /^one(?:\s+(\S+))$/;

为了返回@matches中的单词 "two"、"three" 等，我想使用正则表达式来解决，不想知道如何获取这些单词。

这似乎很简单，但我一直没有找到解决方案。

- agarrubio

---

您不能拥有“未知”数量的捕获组。您可以捕获整个字符串 two three etc，定义 3 个捕获组，或者对每个词进行全局匹配并将其分别放入捕获组1中。 - Sam

split有什么问题吗？使用split，你的代码可能会更易读。 - Len Jaffe

分割很好，但我很失望，因为我无法弄清楚正则表达式。 - agarrubio

@LenJaffe 因为问题是如何使用正则表达式来实现。示例不相关。 - felwithe

Answer 1

要做到这一点，您需要使用\G锚点，该锚点匹配上次匹配结束的位置。当您使用此锚点构建模式时，可以获得连续的结果：

@matches = $line =~ /(?:\G(?!\A)|^one) (\S+)/g; 

- Casimir et Hippolyte

Answer 2

您不能有数量未知的捕获组。如果您尝试重复一个捕获组，则最后一个实例将覆盖捕获组的内容：

表达式：^one(?:\s+(\S+))+$ 捕获 #1: etc

或者：

表达式：^one\s+(\S+)\s+(\S+)\s+(\S+)$ 捕获 #1: two 捕获 #2: three 捕获 #3: etc

---

我建议先捕捉整个字符串，然后按空格分割：

• 表达式: ^one\s+((?:\S+\s*)+)$
• 捕获组 #1: two three etc

或者您可以进行全局匹配，并利用\G和\K：

• 表达式: (?:^one|(?<!\A)\G).*?\K\S+
• 匹配结果 #1: two
• 匹配结果 #2: three
• 匹配结果 #3: etc

- Sam

---

我认为你的意思是 /(?:^one|(?<!\A)\G).*?(\K\S+)/g。 - agarrubio

\K 是不是必要的？但它有用吗？ - agarrubio

\K会丢弃左侧匹配的所有内容，因此无需捕获\S+，因为它是唯一剩下的匹配内容。 - Sam

Answer 3

^.*?\s\K|(\w+)

试试这个。查看演示。

http://regex101.com/r/lS5tT3/2

- vks

---

很遗憾，我在Perl中尝试了正则表达式，但它不起作用... @matches为空。 - agarrubio

你说得对。我没有正确复制，所以失败了。然后，我认为这是一个 Perl 问题，因为那个链接说明那些是 PHP 特定的正则表达式。 - agarrubio

进一步的测试表明，它与第一个单词无关。例如，它也匹配这一行：$line="anything two three etc"。 - agarrubio

@agarrubio 第一个单词总是“one”吗？ - vks

Answer 4

(?{...}) "执行代码" 特殊分组可以用于记忆必要的中间分组捕获

让我们从你的代码开始：

#!/usr/bin/perl

$line = "one two three etc";
@matches = ();
$line=~ /^one(?:\s+(\S+)(?{push @matches, $1}))+$/;
print join "\n", @matches;

@matches数组中将包含“two”，“three”，“etc”等内容。因为在部分匹配后执行(?{push @matches, $1})将捕获的值存储在这里。

更复杂的示例可以更好地说明这种方法：

#!/usr/bin/perl

while(<>) { $a .= $_; }
$a =~ m{cipher-suites:\s*\[[\r\n" ]+(?:([^\]]*?)[\r\n", ]+(?{push @r, $1}))+\]}sm;

print join "\n", @r;
__END__
cipher-suites: [
  "TLS_ECDHE_RSA_WITH_AES_256_GCM_SHA384",
  "TLS_ECDHE_ECDSA_WITH_AES_256_GCM_SHA384",
  "TLS_ECDHE_RSA_WITH_AES_128_GCM_SHA256",
  "TLS_ECDHE_ECDSA_WITH_AES_128_GCM_SHA256",
  "TLS_DHE_RSA_WITH_AES_256_GCM_SHA384",
  "TLS_DHE_RSA_WITH_AES_128_GCM_SHA256"
]

这将把密码提取到数组@r中。

(? {...})“执行代码”是一种非常强大的正则表达式扩展，例如可以通过匹配嵌套括号表达式扩展正则表达式。

- Marvin Nimnull

Answer 5

最简单的解决方案可能是事后分割：

use strict;
use warnings;

my $line = "one two three etc";

my @matches = $line =~ /^one\s+(.*)/ ? split(' ', $1) : ();

use Data::Dump;
dd @matches;

输出：

("two", "three", "etc")

然而，也可以使用\G来从前一个匹配的位置继续，并因此使用/g修饰符找到所有非空格。

唯一的诀窍是记得不要让\G在字符串开头匹配，所以单词one必须匹配：

my @matches = $line =~ /(?:^one|(?<!\A)\G)\s+(\S+)/g;

- Miller