如何找到与 Perl 混合大小写的字符串？

Question

我正在尝试过滤数千个文件，寻找那些包含混合大小写的字符串常量的文件。此类字符串可以嵌入空格中，但本身可能不包含空格。所以以下（包含 UC 字符）是匹配项：

"  AString "   // leading and trailing spaces together allowed
"AString "     // trailing spaces allowed
"  AString"    // leading spaces allowed
"newString03"  // numeric chars allowed
"!stringBIG?"  // non-alphanumeric chars allowed
"R"            // Single UC is a match

但这些不是：

"A String" // not a match because it contains an embedded space
"Foo bar baz" // does not match due to multiple whitespace interruptions
"a_string" // not a match because there are no UC chars

我仍然想匹配包含 both 模式的行：

"ABigString", "a sentence fragment" // need to catch so I find the first case...

我想使用 Perl 正则表达式，最好由 ack 命令行工具驱动。显然，\w 和 \W 不会起作用。似乎 \S 应该匹配非空格字符。我似乎无法弄清楚如何嵌入“每个字符串至少一个大写字符”的要求......

ack --match '\"\s*\S+\s*\"'

是我得到的最接近的。我需要用 something 替换 \S+ 以捕获“至少一个大写（ascii）字符（在非空白字符串的任何位置）”要求.

这在 C/C++ 中编程很简单（是的，Perl，在程序上，无需借助正则表达式），我只是想弄清楚是否有一个正则表达式可以做同样的工作。

Answer 1

以下模式通过了所有测试：

qr/
  "      # leading single quote

  (?!    # filter out strings with internal spaces
     [^"]*   # zero or more non-quotes
     [^"\s]  # neither a quote nor whitespace
     \s+     # internal whitespace
     [^"\s]  # another non-quote, non-whitespace character
  )

  [^"]*  # zero or more non-quote characters
  [A-Z]  # at least one uppercase letter
  [^"]*  # followed by zero or more non-quotes
  "      # and finally the trailing quote
/x

使用这个测试程序——它使用上面没有/x的模式，因此没有空格和cmets——作为ack-grep的输入（因为ack在Ubuntu上被调用）

#! /usr/bin/perl

my @tests = (
  [ q<"  AString ">   => 1 ],
  [ q<"AString ">     => 1 ],
  [ q<"  AString">    => 1 ],
  [ q<"newString03">  => 1 ],
  [ q<"!stringBIG?">  => 1 ],
  [ q<"R">            => 1 ],
  [ q<"A String">     => 0 ],
  [ q<"a_string">     => 0 ],
  [ q<"ABigString", "a sentence fragment"> => 1 ],
  [ q<"  a String  "> => 0 ],
  [ q<"Foo bar baz">  => 0 ],
);

my $pattern = qr/"(?![^"]*[^"\s]\s+[^"\s])[^"]*[A-Z][^"]*"/;
for (@tests) {
  my($str,$expectMatch) = @$_;
  my $matched = $str =~ /$pattern/;
  print +($matched xor $expectMatch) ? "FAIL" : "PASS",
        ": $str\n";
}

产生以下输出：

$ ack-grep '"(?![^"]*[^"\s]\s+[^"\s])[^"]*[A-Z][^"]*"' try
  [ q<"  AString ">   => 1 ],
  [ q<"AString ">     => 1 ],
  [ q<"  AString">    => 1 ],
  [ q<"newString03">  => 1 ],
  [ q<"!stringBIG?">  => 1 ],
  [ q<"R">            => 1 ],
  [ q<"ABigString", "a sentence fragment"> => 1 ],
my $pattern = qr/"(?![^"]*[^"\s]\s+[^"\s])[^"]*[A-Z][^"]*"/;
  print +($matched xor $expectMatch) ? "FAIL" : "PASS",

使用 C shell 及其衍生版本，您必须摆脱困境：

% ack-grep '"(?\![^"]*[^"\s]\s+[^"\s])[^"]*[A-Z][^"]*"' ...

我希望我可以保留突出显示的匹配项，但这似乎不是allowed。

请注意，转义的双引号 (\") 会严重混淆此模式。

Answer 2

您可以使用字符类添加要求，例如：

ack --match "\"\s*\S+[A-Z]\S+\s*\""

我假设ack 一次匹配一行。 \S+\s*\" 部分可以连续匹配多个右引号。它将匹配整个"alfa""，而不仅仅是"alfa"。