regex - 如何从perl中的字符串中提取2个以上字符的单词

Question

我假设某种正则表达式可以用来完成这个任务？

我需要获取每个单词由 2 个或更多字符组成的位置，以字母开头，其余字符由字母、数字和下划线组成。

这是我当前拥有的代码，尽管它与我想要的输出不太接近:

while (my $line=<>) {
  # remove leading and trailing whitespace
  $line =~ s/^\s+|\s+$//g;
  $line = lc $line;
  @array = split / /, $line;
  foreach my $a (@array){
    $a =~ s/[\$#@~!&*()\[\];.,:?^ `\\\/]+//g;
    push(@list, "$a");
  }
}

示例输入为:

#!/usr/bin/perl -w
use strict;
# This line will print a hello world line.
print "Hello world!\n";
exit 0;

所需的输出将是(按字母顺序):

bin
exit 
hello
hello
line
perl
print
print
strict
this
use
usr
will
world

Answer 1

my @matches = $string =~ /\b([a-z][a-z0-9_]+)/ig;

如果只需要对子模式应用不区分大小写的操作，可以embed it

/... \b((?i)[a-z][a-z0-9_]+) .../

(或者，可以在子模式之后关闭，(?i)pattern(?-i))

[a-zA-Z0-9_] 为 \w，一个“单词字符”，如果这确实是这样的话是需要的。

上面的正则表达式根据需要选择单词，而不需要首先在空格上分割行，在所示的程序中完成。可以将其应用于整行(或整个文本)，也许是在显示的各种特殊字符的剥离之后。^†

还有一些其他情况的问题——连字符怎么样？撇号？波浪号？这些在标识符中找不到，虽然这似乎是为了处理编程文本，但包括注释；可能还有哪些其他合法字符？

---

关于 split 的注释- 空白处

显示的 split//, $line 恰好在该一个空格上拆分。更好的是 split/\s+/, $line - 或者，更好的是使用 split 的特殊模式 split ' ', $line >:分割任意数量的连续空格，并且前导空格和尾随空格被丢弃。

---

^† 仅通过给定的正则表达式即可正确处理所示示例

use strict;
use warnings;
use feature 'say';
use Path::Tiny qw(path);  # convenience, to slurp the file

my $fn = shift // die "Usage: $0 filename\n";

my @matches = sort map { lc } 
    path($fn)->slurp =~ /\b([a-z][a-z0-9_]+)/ig; 

say for @matches;

我进行了排序和小写以匹配问题中的示例代码，但所有处理都是使用字符串中文件内容的显示正则表达式完成的。

输出如预期(除了这里的line和world出现了两次，什么是正确的)。

请注意，lc可以应用于包含文件内容的字符串，然后使用正则表达式进行处理，效率更高。虽然原则上这与本例中的情况不同，但可能是

perl -MPath::Tiny -wE'$f = shift // die "Need filename\n"; 
    @m = sort lc(path($f)->slurp) =~ /\b([a-z]\w+)/ig; 
    say for @m'

这里我实际上使用了\w。如果不同，请调整为实际字符以匹配。