在Perl中如何提取字符串的一部分？

Question

我是一名Perl的新手。我有一个字符串格式如下：
[ 时间戳 | 整数 | 字符串 ] 这里还有一些其他字符串 示例字符串：

[ 2013/05/28 21:39:02 | 2212 | MALFUNCTION  ] Please check for malfunction

timestamp是一个时间戳，例如：2013/05/28 20:38:02
整数是一个数字，字符串可以是一系列词语中的特定词语。
我想提取这个字符串部分。

在Java中，我会简单地这样做：

String s = sentence.substring(line.lastIndexOf("|") + 1, line.lastIndexOf("]")).trim();  

这只是逐个字符循环字符串并获取感兴趣的部分。
但我不知道在Perl中如何解决这种“问题”。
我应该怎么做？只能通过正则表达式吗？

- Cratylus

---

问题标题非常不清楚，无法理解你在问什么，你能改进一下吗？ - undefined

@melwil: 这个版本好一点吗？ - undefined

你能发布一个示例字符串吗？ - undefined

关于正则表达式的一些基本问题，请查阅perldoc perlretut。 - undefined

Answer 1

它并不一定非得使用正则表达式，但在Perl中是非常方便的：

my $str = "[ timestamp | integer | string ] Some other string here";
my ($timestamp, $integer, $string, $other)
   = ($str =~ /\[(.*?)\|(.*?)\|(.*?)\](.*)/);

- mvp

---

好的，我明白了。答案片段中缺少最后一个斜杠/。但是$other是空的。 - undefined

Answer 2

您可以像Java一样操作它：

• String.substring是substr。
• String.lastIndexOf是rindex。
• String.trim是sub trim { my $s = $_[0]; $s =~ s/^\s+//; $s =~ s/\s+\z//; $s }。
• +是.。

但是这种方法只能找到最后一个|和]，而不能找到第二个及之后的。如果字符串中包含这些字符，则会失败。我建议使用：

my ($ts, $i, $s, $rest) =
   map trim($_),
      /^\[ ([^|]*) \| ([^|]*) \| ([^\]]*) \] (.*)/sx;

- ikegami

---

在 /^\[ ([^|]*) \| ([^|]*) \| ([^\]]*) \] .*/sx; 中，我假设第一个/和/在 sx 之前相当于括号？而 sx 是什么意思？这是如何工作的？ - undefined

不，他们不是。它们是匹配运算符。 s使.匹配任何字符。 x允许您在模式中使用空格以提高可读性。 - undefined

但是 . 在正则表达式中匹配任何字符（除了换行符）的语法我不太理解。 - undefined

如果这是一个问题，也许答案在perlretut中可以找到。 - undefined

Answer 3

如果您要匹配的字符串不包含其他竖杠，您可以使用正则表达式：

$fullstring = '[ timestamp | integer | string ] Some other string here';
($string) = ($fullstring =~ /\| *([^|\]]*?) *]/);

- knittl

---

这是如何工作的？我以为这个语法只会验证正则表达式是否包含在字符串中（=~表示匹配，/代替括号对，对吗？）。它还可以提取内容吗？ - undefined

@Cratylus：当处于列表上下文时，它将返回捕获组。 - undefined

Answer 4

正则表达式是一种自然的 Perl 风格的处理方式。在这种情况下，我们想要最后一个 '|' 和第一个 ']' 之间的字符串，减去其中的任何周围空格。

my $string = ($line =~ m/
    \|  #The | character
    \s* #Arbitrary whitespace
    (   #Capture
        [^\|\]]*? #Some number of characters that are not | or ]
    )
    \s* #More whitespace
    \]  # The ] character
    /x)[0];

成语(m/(reg)ex/)[0]用于从正则表达式中提取第一个捕获组。否则，将返回捕获组的数组并转换为标量（数组的长度）。

在正则表达式上使用/x修饰符会忽略空格和#注释。

正则表达式中的*?标记意味着“非贪婪”匹配。否则，尾随的空格也会被捕获。

- bonsaiviking

---

如果异常中不包含模式，捕获组数组的索引[0]会发生什么变化？ - undefined

@Cratylus 如果是这样的话，那么匹配数组是空的。对于数组中不存在的索引值，其值为undef，所以$string也是undef。 - undefined

Answer 5

可以通过在|[]字符上分割行，然后去除提取的值的空格来解析行。

my @arr = map { s/^\s+ | \s+$//xg; $_ }  split / [\Q[]|\E] /x, $line;

之后，$arr[0] 是 timestamp，$arr[1] 是 integer，以此类推。

- mpapec