标记字符串中的项目列表而不重叠

Question

我有一个文本示例：

my $text = 'a bb cc xx aa a b c a';

以及可能在文本中出现的术语列表：

my @words = ('bb cc',
    'a bb cc',
    'xx aa a b',
    'a b',
    'a'
);

我需要找到这些单词的出现次数，尽可能使用最长的匹配项，并且不要将任何内容标记两次。因此，如果我在上面的文本中标记了匹配项，它将如下所示：

<a bb cc> <xx aa a b> c <a>

请注意，我没有标记 bb cc，因为这是更大匹配 a bb cc 的一部分。

关于如何做到这一点的任何想法？感觉应该已经遇到过很多次了。

Answer 1

应该做一个简单的替换，你必须按长度排序：

my $re = '('.join('|', sort {length $b <=> length $a} map(quotemeta,@words)).')';
$text =~ s/$re/<$1>/g;
say $text;

按预期输出 5.20.2，目前无法检查其他版本。 您提供的示例实际上并不需要 quotemeta 部分，它用于转义正则表达式中具有特殊含义的字符。