计算与正则表达式通配符匹配的字符串中特定字符的匹配次数答案

【问题标题】：Count the number of matches of a particular character in a string matched by a regex wildcard计算与正则表达式通配符匹配的字符串中特定字符的匹配次数
【发布时间】：2012-08-07 21:00:42
【问题描述】：

我可以统计正则表达式中匹配的每个不同字符本身吗？

假设正则表达式看起来像/>(.*)[^a]+/

我可以统计p 组捕获的字符串中p 的出现次数吗？

【问题讨论】：

标签： regex perl bash sed awk

【解决方案1】：

您必须捕获匹配的字符串并单独处理它。

这段代码演示

use strict;
use warnings;

my $str = '> plantagenetgoosewagonattributes';

if ($str =~ />(.*)[^a]+/) {
  my $substr = $1;
  my %counts;
  $counts{$_}++ for $substr =~ /./g;
  print "'$_' - $counts{$_}\n" for sort keys %counts;
}

输出

' ' - 1
'a' - 4
'b' - 1
'e' - 4
'g' - 3
'i' - 1
'l' - 1
'n' - 3
'o' - 3
'p' - 1
'r' - 1
's' - 1
't' - 5
'u' - 1
'w' - 1

【讨论】：

【解决方案2】：

在正则表达式之外：

my $p_count = map /p/g, />(.*)[^a]/;

自成体系：

local our $p_count;
/
   (?{ 0 })
   >
   (?: p (?{ $^R + 1 })
   |   [^p]
   )*
   [^a]
   (?{ $p_count = $^R; })
/x;

在这两种情况下，您都可以轻松地将其扩展为计算所有字母。例如，

my %counts;
if (my ($seq = />(.*)[^a]/) {
   ++$counts{$_} for split //, $seq;
}

my $p_count = $counts{'p'};

【讨论】：

尝试在 Perl 之外运行你的“自包含”代码 :)（sed、awk、bash - 参见作者标签）。 ;) 不要弄乱在正则表达式的“扩展”语法中运行一些 perl 代码和正则表达式本身的能力。
@mvf，不可能*编写一个在所有这些解释器中运行的问题，所以这没有任何意义。（* -- 你可以写一个“quine”，但这也需要用多种语言编写程序。）

【解决方案3】：

AFAIK，你不能。您只能通过括号捕获某些组，然后检查该组捕获的数据长度。

【讨论】：

甚至可以完全在正则表达式中完成。看我的回答。
否定的“AFAIK”答案基本上总是一个糟糕的发布选择。如果你不能解释为什么这是不可能的，为什么要告诉他们你认为这是不可能的？
@Borodin 我也对投票的数量感到惊讶，这就是为什么我投票赞成你的评论:) 但问题是“我可以”，而简短而正确的答案是“你不能”。赞成票的数量，以及其他合理答案的缺乏证明这是唯一好的答案:)
还有，@Mark，我添加 AFAIK 的原因是什么。我很清楚，而且我在该领域有丰富的经验，我的回答很确定，但很难证明。但是我总是愿意了解更多，如果 regexp 库的作者会告诉我 - '是的，该功能存在，但我忘记记录它'，我会改变主意 :) 解释为什么某些事情是不可能- 太难了。例如，试着向我解释为什么人们不能飞行。你可以引用整本关于力学的手册，但即使在那之后你怎么能确定呢？ :)

【解决方案4】：

按照 Borodin 的解决方案，这是一个纯 bash 解决方案：

let count=0  
testarray=(a b c d e f g h i j k l m n o p q r s t u v w x y z) 

string="> plantagenetgoosewagonattributes"                 # the string 
pattern=">(.*)[^a]+"                                   # regex pattern

limitvar=${#testarray[@]}                                  #array length

[[ $string =~ $pattern ]] && 
( while [ $count -lt $limitvar ] ; do sub="${BASH_REMATCH[1]//[^${testarray[$count]}]}" ; echo "${testarray[$count]} = ${#sub}" ; ((count++)) ; done )

从 bash 3.0 开始，bash 引入了可以通过 BASH_REMATCH[n] 访问的捕获组。

解决方案将字符声明为数组 [查看declare -a 以了解复杂情况下的数组声明]。单个字符计数不需要计数变量，不需要 while 构造，而是字符的变量而不是数组.

如果您在上面的代码中包含范围，则此数组声明会执行确切的操作。

testarray=(`echo {a..z}`)

if的介绍循环将考虑 0 计数字符的显示。我想让解决方案尽可能简单。

【讨论】：

【解决方案5】：

有实验，别用我，(?{ code })构造...

来自man perlre：

"(?{ 代码})" 警告：这个扩展的正则表达式功能被认为是实验性的，并且可能是更改，恕不另行通知。执行的具有副作用的代码可能不会以相同的方式执行由于正则表达式引擎中未来优化的影响，从一个版本到另一个版本。

如果这没有把你吓跑，这里有一个例子，计算“p”的数量

my $p_count;
">pppppbca" =~ /(?{ $p_count = 0 })>(p(?{$p_count++})|.)*[^a]+/;
print "$p_count\n";

【讨论】：

产生不正确的结果，因为您没有考虑回溯。（ppppp 和 pppppa 应该返回 4，但返回 5。）
另外，在(?{ }) 内部使用my 声明的变量在(?{ }) 内部在某些情况下会导致不正确的结果。使用local our 而不是my。
两个优点。我承认在尝试编写此示例之前我从未使用过该功能。我确实看到了关于使用本地处理回溯的说明。我不确定为什么要发布这个答案；我不建议使用它，但认为它很有趣，可以指出来。

【解决方案6】：

首先说明：由于 * 的贪婪，最后一个 [^a]+ 永远不会匹配多个非字符 - 即，您不妨放弃 +。

正如@mvf 所说，您需要捕获通配符匹配的字符串才能计算其中的字符。 Perl 正则表达式无法返回特定组匹配次数的计数 - 引擎可能会保留该数字以支持 {,n} 机制，但您无法获得它。

【讨论】：