使用捕获搜索和替换正则表达式

Posted 2023-02-24

【中文标题】使用捕获搜索和替换正则表达式

【英文标题】：Search-and-replace regex with capture

【发布时间】：2013-08-08 23:11:11

【问题描述】：

我有一个长文本文件，我希望大部分内容保持不变，但某些短语需要翻译。这不完全是一个干净的搜索和替换...例如，我需要更改每次出现的 this...

lis r3, ha16(aLabel)

...进入这个：

lis r3, aLabel@ha

即我需要找到整个ha16(aLabel)，从中捕获aLabel（可以是任何标识符文本，直到终止结尾括号），然后发出捕获文本的替换，然后是@ha。

我找到了很多 perl 搜索和替换的例子，但我没有遇到过我需要的东西，其他提到“perl”和“捕获”的帖子似乎没有解决我的问题问题......或者他们可能会这样做，而我太愚蠢了，无法意识到这一点。

【问题讨论】：

总是ha16还是可能有其他模式或者总是2个字母和2个数字？

@Prix - 我想要一个通用解决方案，但在这种特殊情况下，我需要搜索、捕获和替换两种模式：ha16(identifier) --> identifier@ha 和 @987654328 @ --> identifier@l。 （不，这不是错字，第二次转换删除了 'lo' 中的 'o'。）第二次转换可以在必须保留的同一行上跟在它后面的字符，但第一次没有。

【参考方案1】：

你可以这样做：

#!/usr/bin/perl

use strict;
use warnings;

my $text = 'lis r3, ha16(L_.str10) some more text blah lis r3, lo16(identifier) some more text blah lis r3, ot16(identifier)';
$text =~ s/(\w2)\d2\(([\w\.]+)\)/$1 eq 'lo' ? $2 . '@l' : $2 . '@' . $1/gie;
print $text;

也可以写成：

#!/usr/bin/perl

use strict;
use warnings;
while (<DATA>) 
     s/(\w2)\d2\(([\w\.]+)\)/$1 eq 'lo' ? $2 . '@l' : $2 . '@' . $1/gie;
     #you can also print out the result of the replacement.
     #print $_;


__DATA__
lis r3, ha16(L_.str10) 
some more text blah lis r3, lo16(identifier) 
some more text blah lis r3, ot16(identifier)

简单地说，e 修饰符允许您使用正则表达式右侧的代码来替换模式。 For a more detailed explanation you can read this question.

在此示例中，我使用 (\w2)\d2 匹配括号内标签之前的扩展名，并将 2 个字母分组以供以后使用，并使用 ([\w\.]+) 表示任何字母数字字符加上下划线和点，以匹配您的标签。

右边我在做一个三元运算符来定义扩展：

$1 eq 'lo' ? $2 . '@l' : $2 . '@' . $1

如果第一个元素（即 2 个字母）等于 lo，则使用 @l，否则使用 2 个字母作为 @extension，例如我的示例文本中的 @ha 或 @ot。

Live DEMO.

【讨论】：

这是一个很棒的解决方案，非常感谢。我完成的脚本位于：eval.in/41852 您在 40 分钟内将我的 perl 正则表达式功能扩展了 4000%。

@phonetagger 很高兴它对你有用，我一直在使用 e 修饰符，它非常糟糕。

@phonetagger 顺便说一句，这个也应该得到修复吗？ -8(r1)

不，ha16()、hi16() 和 lo16() 修饰符是 LLVM 汇编器对 GCC 汇编器使用的方言：@ha、@hi 和 @l。它们指定了应该进入寄存器的标签/标识符地址部分，因为在 RISC 代码中，您不能在单个指令中加载整个 32 位。所以@ha 和@hi 加载前16 位，而@l 加载低16 位。 -8(r1) 不是指定地址的标签/标识符，它只是从寄存器 r1 偏移 -8 处的内存内容。

@phonetagger 我明白了，谢谢你让我知道，这看起来很熟悉，但我从来没有想过它可能是那个哈哈。

【参考方案2】：

我认为这可以改进为一行，但我会这样做：

$val = "lis r3, ha16(L_.str10)";
if ($val =~ /ha16\((.*?)\)/) 
    # $1 now contains the extracted text
    $capture = $1;
    $val =~ s/ha16\(.*?\)/$capture\@ha/gi;

所涉及的正则表达式的解释：

ha16\((.*?)\)

ha16\( 基本上表示“任何以ha16( 开头的文本”。 ( 被转义为 这是一个正则表达式关键字

(.*?) () 的意思是“捕获与其中的模式匹配的所有内容。 .*? 表示“匹配任何字符（即.）的零个或多个（即*） ? 表示不贪心

\) 说“一旦达到这一点，就停止匹配”（这是因为 非贪婪?我们使用）

以及替换：

s/ha16\(.*?\)/$1\@ha/gi

这种格式的任何东西：s/<something>/<something>/ 将告诉 perl 进行查找 并更换。 $1 是第一组括号中的匹配项（如果有 不止一个，我们会有一个$2 等等）。最后的gi 说要替换 全局（替换第一个匹配项后不要停止），并且不区分大小写。

【讨论】：

为什么：eval.in/41801 不起作用？它消除了标识符“_globvar”。

啊哈...显然你不能在正则表达式中使用 $1 因为它是一个正则表达式元字符 (***.com/questions/3848221/…) 我已经更新了代码以反映这一点。

你可以使用\1

@RobbertWijtman - 也是一个很好的解决方案，一旦您的编辑修复。

【参考方案3】：

有点像..

use strict;
use warnings;

while (<>) 
     s/ha16\((.+)\)/$1\@ha/gi;
     print;

或者更好的是，为多次出现的变化使用映射。

my %map = (
    ha => '@ha',
    hi => '@hi',
    lo => '@l'
);

while (<>) 
   s/(\w2)16\((.+)\)/$2$map$1/gi;
   print;

使用? 消除贪婪，. 几乎匹配任何字符，+ 表示一个或多个。