Perl: extrahieren von Daten aus text mit regex

Ich bin mit Perl zu tun Textverarbeitung mit regex. Ich habe keine Kontrolle über die Eingabe. Ich habe gezeigt, einige Beispiele für die Eingabe unten.

Wie Sie sehen können die Elemente B und C können in den string n-mal mit unterschiedlichen Werten. Ich brauchen, um alle Werte als Referenz. Oder wenn Sie wissen, einen anderen Weg bin ich alle Ohren.

Ich bin versucht, branch reset-Muster (wie beschrieben bei perldoc: "Erweiterte Muster") ich bin nicht viel Glück passenden string.

("Daten" ("Int "Ein" 22)(Int "B" 1)(Int " "C" 2) ("Int "D" 34896)(Int "E" 38046)) 
("Daten" ("Int "Ein" 22)(Int "B" 1)(Int " "C" 2) ("Int "B" 3)(Int " "C" 4) ("Int "B" 5)(Int " "C" 6) ("Int "D" 34896)(Int "E" 38046)) 
("Daten" ("Int "Ein" 22)(Int "B" 22)(Int " "C" 59)(Int "B" 1143)(Int " "C" 1210)(Int "B" 1232)(Int " "C" 34896)(Int "D" 34896)(Int "E" 38046))

Mein Perl ist unten, jede Hilfe wäre toll. Vielen Dank für jede Hilfe, die Sie geben können.

if($inputString =~/\("Data" \(Int "A" ([0-9]+)\)(?:\(Int "B" ([0-9]+)\)\(Int "C" ([0-9]+)\))+\(Int "D" ([0-9]+)\)\(Int "E" ([0-9]+)\)\)/) {

    print "\n\nmatched\n";

    print "1: $1\n";
    print "2: $2\n";
    print "3: $3\n";
    print "4: $4\n";
    print "5: $5\n";
    print "6: $6\n";
    print "7: $7\n";
    print "8: $8\n";
    print "9: $9\n";

}

Es würde sehr helfen, wenn du beschreiben kannst was versuchen Sie zu erreichen. Nicht wie (bekommen alle Werte als Referenz), aber was (also die ich brauche, um das Werten zu können ...)

InformationsquelleAutor Donald | 2009-05-17

perl regex

Nicht versuchen mithilfe einer regex eine Reihe von regexes und splits sind einfacher zu verstehen:

#!/usr/bin/perl

use strict;
use warnings;

while (<DATA>) {
    next unless my ($data) = /\("Data" (.*)\)/;
    print "on line $., I saw:\n";
    for my $item ($data =~ /\((.*?)\)/g) {
        my ($type, $var, $num) = split " ", $item;
        print "\ttype $type var $var num $num\n";
    }
}

__DATA__
("Data" (Int "A" 22)(Int "B" 1)(Int "C" 2)(Int "D" 34896)(Int "E" 38046))
("Data" (Int "A" 22)(Int "B" 1)(Int "C" 2)(Int "B" 3)(Int "C" 4)(Int "B" 5)(Int "C" 6)(Int "D" 34896)(Int "E" 38046))
("Data" (Int "A" 22)(Int "B" 22)(Int "C" 59)(Int "B" 1143)(Int "C" 1210)(Int "B" 1232)(Int "C" 34896)(Int "D" 34896)(Int "E" 38046))

Wenn Ihre Daten erstrecken sich über die Zeilen, ich würde vorschlagen, mit einem parser statt einem regex.

InformationsquelleAutor Chas. Owens

3

Ich bin nicht sicher, was für ein Vorteil es wäre, um die Werte als back-Referenzen - wer würde Sie wollen, sich mit dem Fall der doppelte Schlüssel (wie "C" in der zweiten Zeile). Auch ich bin mir nicht sicher, was Sie tun möchten, mit den Werten einmal extrahiert.

Aber ich würde anfangen mit sowas wie:
```
use Data::Dumper;

while (<DATA>)
{
    my @a = m!\(Int "(.*?)" ([0-9]+)\)!g;
    print Dumper(\@a);
}

__DATA__
("Data" (Int "A" 22)(Int "B" 1)(Int "C" 2)(Int "D" 34896)(Int "E" 38046))
("Data" (Int "A" 22)(Int "B" 1)(Int "C" 2)(Int "B" 3)(Int "C" 4)(Int "B" 5)(Int "C"     6)(Int "D" 34896)(Int "E" 38046)) 
("Data" (Int "A" 22)(Int "B" 22)(Int "C" 59)(Int "B" 1143)(Int "C" 1210)(Int "B" 1232)(Int "C" 34896)(Int "D" 34896)(Int "E" 38046))
```
Diese gibt Sie ein array von wiederholt key,value(s).
- +1, erläutern Sie bitte die m!\Muster!g; ?
- \d entspricht nicht [0-9] in Perl 5.8 und 5.10; es entspricht einem UNICODE-Zeichen, das die Ziffer Attribut (einschließlich "\x{1815}", MONGOLISCHE ZIFFER FÜNF). Wenn du meinst [0-9] Sie müssen entweder mit [0-9] oder verwenden Sie die bytes pragma (aber es wandelt alle strings in 1-byte-Zeichen und ist in der Regel nicht, was Sie wollen).
- Wie das ein problem?
- Erklärung des m!! regex. Ich Neige dazu, verwenden Sie die 'm!!' form der Muster entsprechen den üblichen '//', weil ich zu escape das Zeichen '/' häufiger als die '! ' - Zeichen. Sie können alle Zeichen begrenzen Sie Ihre Muster entsprechen (dies gilt auch für sed). Der regex selbst ist, entspricht dem Zeichen '(Int - "' markiert dann die geringste Anzahl von beliebigen Zeichen, gefolgt von '" ' markiert dann einige Ziffern, gefolgt von ')'. Verwenden Sie die " g " - Erweiterung zu entsprechen, wiederholt, und Sie haben eine Lösung. Wenn dies nicht erklären, was Sie soll, bitte nochmal nachfragen.
- Mit Bezug auf die \d passende UNICODE-Zeichen, die mit der Ziffer Attribut, in der Erwägung, dass [0-9] entspricht den spezifischen Spanne von ASCII-Zeichen. Ich denke, wenn man diese, werden Sie brauchen, um Bedenken Sie, was Ihre input-Daten bestehen aus - das oben genannte Beispiel, das ich aus der übernahme einer ASCII-Daten-Bereich (eine vernünftige Annahme dachte ich), als dies illustriert die Verwendung des regulären Ausdrucks. Ich hätte gedacht, wenn mein input-Daten wurde Mongolisch, dann hätte ich wahrscheinlich schon Interesse in "Ziffer fünf" und damit die regex würde noch wirksam gewesen.
- Annahmen wie "meine Daten werden immer in ASCII -" die Quelle der vielen bugs. Verwenden [0-9] wenn es das ist, was Sie suchen, benutzen Sie nur die \d wenn du meinst, dass mit einer Ziffer ("\x{1815}" ist nur eine Möglichkeit gibt, Beispiel für die Art von Charakter, die Sie nicht passen wollen, es gibt andere, die sind eher zu zeigen, wie "\x{FF15}" (VOLLBREITE ZIFFER FÜNF), die sieht aus wie ein normales "\x{0035}", aber Sie können nicht tun Mathe mit ihm.
- Ich würde argumentieren, dass ohne den vollen Kontext der Anwendung, input-Daten, etc. es ist schwer zu sagen, die eine oder andere Weise, was ist die "richtige" Verhalten.
- Und re-Lektüre Ihr Kommentar, ich wollte damit nicht sagen, dass ich würde IMMER davon ausgehen, dass meine Daten ist ASCII, ich sagte "das Beispiel oben" - ohne den kompletten Zusammenhang, wer kann sagen, was richtig ist oder nicht. Es müssen Fälle sein, in denen '\d' ein Gültiger verwenden, da sonst die Ziffer Attribut ist ein bisschen eine Verschwendung von Zeit.
InformationsquelleAutor Beano

Mein Erster Gedanke war, die Namen erfasst und die Werte von %-:

my $pattern = qr/
  \(
    "Data"\s+
    \(Int\s+"A"\s+(?<A>[0-9]+)\)
    (?:
      \(Int\s+"B"\s+(?<B>[0-9]+)\)
      \(Int\s+"C"\s+(?<C>[0-9]+)\)
    )+
    \(Int\s+"D"\s+(?<D>[0-9]+)\)
    \(Int\s+"E"\s+(?<E>[0-9]+)\)
  \)
/x;

Leider die (?:...) Gruppierung wird nicht ausgelöst, die Erfassung mehrerer Werte für B und C. ich vermute, dass das ein bug ist. Tut es explizit erfasst alle Werte, aber du müsstest wissen, die maximale Anzahl der Instanzen vor der Zeit.

my $pattern = qr/
  \(
    "Data"\s+
    \(Int\s+"A"\s+(?<A>[0-9]+)\)
    \(Int\s+"B"\s+(?<B>[0-9]+)\)
    \(Int\s+"C"\s+(?<C>[0-9]+)\)
    (?:
      \(Int\s+"B"\s+(?<B>[0-9]+)\)
      \(Int\s+"C"\s+(?<C>[0-9]+)\)
    )?
    (?:
      \(Int\s+"B"\s+(?<B>[0-9]+)\)
      \(Int\s+"C"\s+(?<C>[0-9]+)\)
    )?
    # repeat (?:...) N times
    \(Int\s+"D"\s+(?<D>[0-9]+)\)
    \(Int\s+"E"\s+(?<E>[0-9]+)\)
  \)
/x;

Der einfachste Ansatz ist die Verwendung von m//g. Sie können entweder erfassen Sie name/Wert-Paare, wie Schmaus schlägt, oder verwenden Sie mehrere Muster einzeln zu erfassen-Wert:

my @b = m/Int "B" ([0-9]+)/g;
my @c = m/Int "C" ([0-9]+)/g;
# etc.

Fängt innerhalb von quantifizierten entspricht nur die Letzte Aufnahme, das ist nicht wirklich ein bug oder ein feature, nur die Art, wie Sie arbeiten. Soweit ich weiß, C# ist die einzige Implementierung, die erfasst mehrere Male aus einer quantifizierten übereinstimmen.

InformationsquelleAutor Michael Carman

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.