regex - 为什么我的 Perl 正则表达式只找到最后一次出现的地方？

Question

我对 Perl 脚本有以下输入，我希望在每个 <table>...</table> 中第一次出现 NAME="..."字符串结构。

整个文件被读入一个字符串，正则表达式作用于该输入。

但是，正则表达式总是返回最后一次出现的 NAME="..."字符串。任何人都可以解释发生了什么以及如何解决这个问题吗？

Input file: 
ADSDF
<TABLE>
NAME="ORDERSAA"
line1
line2
NAME="ORDERSA"
line3
NAME="ORDERSAB"
</TABLE>
<TABLE>
line1
line2
NAME="ORDERSB"
line3
</TABLE>
<TABLE>
line1
line2
NAME="ORDERSC"
line3
</TABLE>
<TABLE>
line1
line2
NAME="ORDERSD"
line3
line3
line3
</TABLE>
<TABLE>
line1
line2
NAME="QUOTES2"
line3
NAME="QUOTES3"
NAME="QUOTES4"
line3
NAME="QUOTES5"
line3
</TABLE>
<TABLE>
line1
line2
NAME="QUOTES6"
NAME="QUOTES7"
NAME="QUOTES8"
NAME="QUOTES9"
line3
line3
</TABLE>
<TABLE>
NAME="MyName IsKhan"
</TABLE>

Perl 代码从这里开始:

use warnings;
use strict;

my $nameRegExp = '(<table>((NAME="(.+)")|(.*|\n))*</table>)';

sub extractNames($$){
 my ($ifh, $ofh) = @_;
 my $fullFile;
 read ($ifh, $fullFile, 1024);#Hardcoded to read just 1024 bytes.
 while( $fullFile =~ m#$nameRegExp#gi){
  print "found: ".$4."\n";
 }
}

sub main(){
 if( ($#ARGV + 1 )!= 1){
  die("Usage: extractNames infile\n");
 }
 my $infileName = $ARGV[0];
 my $outfileName = $ARGV[1];
 open my $inFile, "<$infileName" or die("Could not open log file $infileName");
 my $outFile;
 #open my $outFile, ">$outfileName" or die("Could not open log file $outfileName");
 extractNames( $inFile, $outFile );
 close( $inFile );
 #close( $outFile );
}

#call 
main();

Answer 1

试试这个:

'(?><TABLE>\n+(?:(?!</TABLE>|NAME=).*\n+)*)NAME="([^"]+)"'

(?:.*\n+)*消耗任何不需要的行，而嵌入式前瞻——(?!</TABLE>|NAME=) -- 防止它超出第一个 NAME 字段或 TABLE 记录的末尾。以防万一有没有 NAME 字段的记录，我将大部分表达式包装在一个原子组中 -- (?>...) -- 防止无意义的回溯。

请注意，现在只有一个捕获组。最好只在真正需要捕捉某些东西时才使用它们；否则，使用非捕获品种:(?:...) .

---

编辑:至于为什么你的正则表达式不起作用，简短的回答是贪婪。匹配开始标签后，这部分接管:

((NAME="(.+)")|(.*|\n))*

最外层括号中的部分可以匹配任何内容:标签、NAME=行，换行——甚至是空行。将其包装在由贪婪控制的组中 * ，现在它匹配一切。那里没有任何东西可以让它在第一个 NAME 字段或什至在记录末尾停止匹配。

所以它实际上是“查找”每 次NAME="..." 的出现字符串，但它是在一次消耗整个输入的单次匹配尝试中完成的。随着封闭 * 的每次迭代，捕获组被覆盖；完成后，最终的 NAME 值 -- MyName IsKhan -- 恰好留在第 4 组中。

我使用负前瞻来检查贪婪性，但您也可以使用非贪婪量词更直接地进行检查。这是我的正则表达式在不情愿的情况下的样子 *代替负面的前瞻:

'<TABLE>\n+(?:.*\n+)*?NAME="([^"]+)"'

不过，简单地切换到非贪婪量词对您的正则表达式没有帮助；您还必须进行一些结构更改。