美好的一天。
我在下面的文本文件的内容。 tmp.txt（一个非常大的大小的文件）
constant fixup private AlarmFileName = <A "C:\\TMP\\ALARM.LOG"> /* A Format */
constant fixup ConfigAlarms = <U1 0> /* U1 Format */
constant fixup ConfigEvents = <U2 0> /* U2 Format */
我下面的解析代码。 该代码无法处理C:\\TMP\\ALARM.LOG （引号的字符串）在这里。 我不知道如何更换代码 “S +（[A-ZA-Z0-9]）+>” 来处理两个[α-ZA-Z0-9]（以上0）串和quated字符串（” C：\ TMP \ ALARM.LOG”上文）。
$source_file = "tmp.txt";
$dest_xml_file = "my.xml";
#Check existance of root directory
open(SOURCE_FILE, "$source_file") || die "Fail to open file $source_file";
open(DEST_XML_FILE, ">$dest_xml_file") || die "Coult not open output file $dest_xml_file";
$x = 0;
print DEST_XML_FILE "<!-- from tmp.txt-->\n";
while (<SOURCE_FILE>)
{
&ConstantParseAndPrint;
}
sub ConstantParseAndPrint
{
if ($x == 0)
{
if(/^\s*(constant)\s*(fixup|\/\*fixup\*\/|)\s*(private|)\s*(\w+)\s+=\s+<([a-zA-Z0-9]+)\s+([a-zA-Z0-9])+>\s*(\/\*\s*(.*?)\s*\*\/|)(\r|\n|\s)/)
{
$name1 = $1;
$name2 = $2;
$name3 = $3;
$name4 = $4;
$name5 = $5;
$name6 = $6;
$name7 = $7;
printf DEST_XML_FILE "\t\t$name1";
printf DEST_XML_FILE "\t\t$name2";
printf DEST_XML_FILE "\t\t$name3";
printf DEST_XML_FILE "\t\t$name4";
printf DEST_XML_FILE "\t\t$name5";
printf DEST_XML_FILE "\t\t$name6";
printf DEST_XML_FILE "\t\t$name7";
$x = 1;
}
}
}
谢谢您的意见。
**大家好，
感谢这么多伟大的解决方案。 我是一个newbew，我愿做基于您的文章更多的研究。
非常感谢。**
#!/usr/bin/perl
$source_file = "tmp.txt";
$dest_xml_file = "my.xml";
#Check existance of root directory
open(SOURCE_FILE, "$source_file") || die "Fail to open file $source_file";
open(DEST_XML_FILE, ">$dest_xml_file") || die "Coult not open output file $dest_xml_file";
$x = 0;
print DEST_CS_FILE "<!-- from tmp.txt-->\n";
while (<SOURCE_FILE>)
{
&ConstantParseAndPrint;
}
sub ConstantParseAndPrint
{
if ($x == 0)
{
# if(/^\s*(constant)\s*(fixup|\/\*fixup\*\/|)\s*(private|)\s*(\w+)\s+=\s+<([a-zA-Z0-9]+)\s+([a-zA-Z0-9])+>\s*(\/\*\s*(.*?)\s*\*\/|)(\r|\n|\s)/)
if(/^\s*(constant)\s*(fixup|\/\*fixup\*\/|)\s*(private|)\s*(\w+)\s+=\s+<([a-zA-Z0-9]+)\s+(["']?)([a-zA-Z0-9.:\\]+)\6>\s*(\/\*\s*(.*?)\s*\*\/|)(\r|\n|\s)/)
{
$name1 = $1;
$name2 = $2;
$name3 = $3;
$name4 = $4;
$name5 = $5;
$name6 = $7;
$name7 = $8;
printf DEST_XML_FILE "\t\t$name1";
printf DEST_XML_FILE "\t\t$name2";
printf DEST_XML_FILE "\t\t$name3";
printf DEST_XML_FILE "\t\t$name4";
printf DEST_XML_FILE "\t\t$name5";
printf DEST_XML_FILE "\t\t$name6";
printf DEST_XML_FILE "\t\t$name7\n";
# $x = 1;
}
}
}
使用下面的解析的代码：
if(/^\s*(constant)\s*(fixup|\/\*fixup\*\/|)\s*(private|)\s*(\w+)\s+=\s+<([a-zA-Z0-9]+)\s+(["']?)([a-zA-Z0-9.:\\]+)\6>\s*(\/\*\s*(.*?)\s*\*\/|)(\r|\n|\s)/)
我已经添加了单引号和双引号都处理。 我用引号匹配反向引用。 此外，我已经更新了路径中的字符类。 即，它现在包括冒号（:)，点（。）和反斜杠（）与字母数字字符一起。
我不会写你的正则表达式为你或给你的东西剪切并粘贴到您的代码。 在评价你的正则表达式是要它去反正在下一个特例打破。 我会给你一个比较好的方法。
分割每行到分配的右侧和左侧。
my($lhs, $rhs) = split m{\s* = \s*}x, $line, 2;
现在，它更容易与他们独立工作。 您可以通过简单地拆分它的空白让所有的标志（恒定，修正等）和最后一个字将是名被分配到提取从左侧的信息。
my @flags = split /\s+/, $lhs;
my $name = pop @flags;
然后你就可以通过他们的@flags如果需要筛选线。
和值，这大概是括号内，可以很容易地得到。 使用非正则表达式贪婪确保它正确地处理类似foo = <bar> /* comment <stuff> */ 。
my($value) = $rhs =~ /<(.*?)>/;
你可以从这种做法看，它避免了去猜测什么特殊的关键字（恒定，修正，私营）可能会出现在文件中。
我不知道还有什么可能是在这个文件中，你没有说。
你必须在你的代码中的一些重大设计缺陷。 我没有解决你的问题，但我已经清理你的代码。
最重要的是，不要使用全局变量。 在代码相对较短的块使用的是3个全局。 这是乞求神秘的错误是难以追踪。 这将成为一个更大的问题，因为你的项目随时间增长变大。
考虑使用Perl的::评论家 。 这将帮助你提高你的代码。
这里是你的代码的注释，消毒版本：
# Always use strict and warnings.
# It prevents bugs.
use strict;
use warnings;
my $source_file = "tmp.txt";
my $dest_xml_file = "my.xml";
# You aren't checking the existence of anyting here:
#Check existance of root directory
# Is this a TODO item?
# Use 3 argument open with a lexical filehandle.
# Adding $! to your error messages makes them more useful.
open my $source_fh, '<', $source_file
or die "Fail to open file $source_file - $!";
open( my $dest_fh, '>', $dest_xml_file
or die "Coult not open output file $dest_xml_file - $!";
my $x = 0; # What the heck does this do? Give it a meaningful name or
# delete it.
print $dest_fh "<!-- from tmp.txt-->\n";
while (my $line = <$source_fh>)
{
# Don't use global variables.
# Explicitly pass all data your sub needs.
# Any values that need to be applied to external
# data should be applied by the calling function,
# from data that is returned.
$x = ConstantParseAndPrint( $line, $x, $dest_fh );
}
sub ConstantParseAndPrint {
my $line = shift;
my $mystery_value = shift;
my $fh = shift;
if($mystery_value == 0) {
# qr{} is a handy way to build a regex.
# using {} instead of // to mark the boundaries helps
# cut down on the escaping required when your pattern
# contains the '/' character.
# Use the x regex modifier to allow whitespace and
# comments in your regex.
# This very is important when you can't avoid using a big, complex regex.
# But really don't do it this way at all.
# Do what Schwern says.
my $line_match = qr{
^ \s* # Skip leading spaces
(constant) \s* # look for the constant keyword
(fixup|/\*fixup\*/|) \s* # look for the fixup keyword
(private|) \s* # look for the prive keyword
(\w+) \s+ # Get parameter name
= \s+
< # get bracketed values
([a-zA-Z0-9]+) \s+ # First value
([a-zA-Z0-9])+ # Second value
> \s*
(/\*\s*(.*?)\s*\*/|) # Find any trailing comment
(\r|\n|\s) # Trailing whitespace
}x;
if( $line =~ /$line_match/ ) {
# Any time you find yourself making variables
# with names like $foo1, $foo2, etc, use an array.
my @names = ( $1, $2, $3, $4, $5, $6, $7 );
# printf is for printing formatted data.
# If you aren't using any format codes, use print.
# Using an array makes it easy to print all the tokens.
print $fh "\t\t$_" for @names;
$mystery_value = 1;
}
}
return $mystery_value;
}
至于你解析问题，请按照Schwern拥有的意见。 大的，复杂的正则表达式是你需要简化的标志。 打破大事化管理的任务。
正如提到的，你需要在你的正则表达式的一些结构。 在refatoring你的代码，我做了几个假设
- 你不希望只是打印出来的标签分隔的格式
- 对于唯一的原因
$x变量，所以你只打印一行。 （不过，一个last的循环结束会工作得很好。）。
已经假定这些东西，我决定，在解决你的问题，我想：
- 告诉你如何成为一个好修改的正则表达式。
- 代码很简单的“语义动作”，它存储的数据，并让你使用它，请你。
另外是要注意的是，我改变输入到__DATA__部分和输出被限制为STDERR -通过使用Smart::Comment意见，即HEP我检查我的结构。
首先，代码序言。
use strict; # always in development!
use warnings; # always in development!
use English qw<$LIST_SEPARATOR>; # It's just helpful.
#use re 'debug';
#use Smart::Comments
注意注释掉的use re ....如果你真的想看到一个正则表达式被解析的方式，将推出大量的信息，你可能不希望看到（但可以用自己的方式通 - 随着对正则表达式解析一知半解，不过。）它注释掉了，因为它只是不是新手友好，并会垄断你的输出。 （欲了解更多有关见重 。）
此外注释掉是use Smart::Comments线。 我推荐它，但你可以通过使用获得Data::Dumper和print Dumper( \%hash )线。 （见Smart::Comments 。）
指定表达式
但到正则表达式。 我用正则表达式的分解形式，使整个的部分进行说明（见perlre ）。 我们希望有一个单一的字母数字字符或带引号的字符串（与允许逃逸）。
我们还使用了改良剂的名单，让“语言”才能进步。
接下来的正则表达式，我们做出一个“做块”或者我喜欢称之为“本土化块”，这样我可以本地化$LIST_SEPARATOR （又名$" ）是正则表达式交替字符（‘|’）。因此。当我包括在列表中进行插值，它被插值为交替。
我给你时间去看看第二正则表达式谈论它之前。
# Modifiable list of modifiers
my @mod_names = qw<constant fixup private>;
# Break out the more complex chunks into separate expressions
my $arg2_regex
= qr{ \p{IsAlnum} # accept a single alphanumeric character
| # OR
" # Starts with a double quote
(?> # -> We just want to group, not capture
# the '?> controls back tracing
[^\\"\P{IsPrint}]+ # any print character as long as it is not
# a backslash or a double quote
| \\" # but we will accept a backslash followed by
# a double quote
| (\\\\)+ # OR any amount of doubled backslashes
)* # any number of these
"
}msx;
my $line_RE
= do { local $LIST_SEPARATOR = '|';
qr{ \A # the beginning
\s* # however much whitespace you need
# A sequence of modifier names followed by space
((?: (?: @mod_names ) \s+ )*)
( \p{IsAlnum}+ ) # at least one alphanumeric character
\s* # any amount of whitespace
= # an equals sign
\s* # any amount of whitespace
< # open angle bracket
(\p{IsAlnum}+) # Alphanumeric identifier
\s+ # required whitespace
( $arg2_regex ) # previously specified arg #2 expression
[^>]*?
> # close angle bracket
}msx
;
};
正则表达式只是说，我们想要的任何数量的空格后面的字母数字idenfier分离公认的“调节剂”的（我不知道为什么你不想下划线;我不包括他们，不管）
这后面是空白的任何量和等号。 由于字母数字字符，空格和等号集都是不相交的，没有理由要求空白。 在等号的另一边签字，该值由尖括号分隔的，所以我看不出有任何理由需要在该侧空白无论是。 等号前，所有你允许的字母数字和空格，并在另一边，这一切都必须是在尖括号中。 所需的空白给你什么，而不是需要更容错。 忽略这一切，改变* s至+如果你期待电机输出。
在等号的另一侧签名，我们需要一个角撑架对。 在对由字母数字说法，与第二个参数是一个单一的字母数字字符（基于您规格）OR其可以包含转义逃逸或报价和甚至结束角度托架一个字符串 - 只要该字符串不结束。
存储数据
一旦规范已经取得，这里只是你可以用它做的事情之一。 因为我不知道你想和这个除了打印出来做什么 - 这我要去假设是不是脚本的全部目的。
### $line_RE
my %fixup_map;
while ( my $line = <DATA> ) {
### $line
my ( $mod_text, $identifier, $first_arg, $second_arg )
= ( $line =~ /$line_RE/ )
;
die 'Did not parse!' unless $identifier;
$fixup_map{$identifier}
= { modifiers_for => { map { $_ => 1 } split /\s+/, $mod_text }
, first_arg => $first_arg
, second_arg => $second_arg
};
### $fixup_map{$identifier} : $fixup_map{$identifier}
}
__DATA__
constant fixup ConfigAlarms = <U1 0>
constant fixup ConfigAlarms2 = <U1 2>
constant fixup private AlarmFileName = <A "C:\\TMP\\ALARM.LOG">
在最后你可以看到DATA节，当你在开始阶段，你似乎是在这里，这是最方便的与IO逻辑分配，使用内置手柄DATA ，因为我在这里做的。
我收集修饰符的哈希，让自己的语义动作可能是
#...
my $data = $fixup_map{$id};
#...
if ( $data->{modifiers_for}{public} ) {
#...
}
肥皂盒
然而，主要的问题是，你似乎并不有一个计划。 对于在角度brakets第二个“说法”，你有一个正则表达式，指定只有单个字母数字字符，但想要将它扩大到允许转义字符串。 我有期望，要实现一个小的子集，并逐步扩大想它来做做其他事情。 如果你从一开始就忽视了一个很好的设计，它一定会成为一个头疼的越来越来实现全功能的“解析器”。
您可能需要在某个时候实现多线值。 如果你不知道如何从一个单一的字母数字得到一个报价分隔的说法，该行由行法和调整，正则表达式矮人这种复杂性差距。
所以，我建议你在这里使用的代码只能作为扩大复杂性的准则 。 我回答问题，并指示方向，而不是设计或编码的一个项目，所以我的正则表达式的代码是不是扩张，因为它可能应该是。
如果解析工作是足够复杂，我会指定一个最小的前瞻语法Parse::RecDescent ，并坚持编码语义动作。 这是另一个建议。
我特意删除匹配捕获（如果你愿意，你可以将它们添加）：
m{^\s*constant\s+fixup\s+(?:private\s+)?\w+\s*=\s*<[^>]+>(?:\s*/\*(?:\s*\w*)+\*/)?$};
统一先！
$yourstring =~ s,\\,/,g; # transform '\' into '/'
$yourstring =~ s,/+,/,g; # transform multiple '/' into one '/'
