使用正则表达式匹配包含数字的单词

Question

我使用Text::Ngrams来确定字符串中的单词组合。但是，我需要保留有数字的单词。我确定$o->{tokenrex}是我需要修改的，但我无法确定它的正确的正则表达式。

原来是qr/([a-zA-Z]+|(\d+(\.\d+)?|\d*\.\d+)([eE][-+]?\d+)?)/;但我想我需要沿此线的东西更多：

qr/([a-zA-Z]+|(?<=\w)(\d+(\.\d+)?|\d*\.\d+)([eE][-+]?\d+)?(?=\w)|(\d+(\.\d+)?|\d*\.\d+)([eE][-+]?\d+)?)/; 

哪些应该，如果我读正确的正则表达式，匹配任意数量的字母字符，或在其前后具有单词字符的“数字”或“数字”。除了它将我的“单词”分解为单独的标记。我正在使用的示例词是“A1X”。

任何协助将是伟大的。

Answer 1

你们都这样做太复杂了。原始正则表达式仅匹配由字母或数字组成的单词（整数，浮点包括指数符号）。

如果您需要匹配由字母和数字组成的单词，那么正则表达式为[a-zA-Z\d]+。根据模块文档，您还需要指定要跳过的内容，并匹配[^a-zA-Z\d]+。

$self->{tokenrex} = qr/([a-z\d]+)/i; 
$self->{skiprex} = qr/([^a-z\d]+)/i; 

如果需要的模块文件显示其例如识别数字，那么请让我知道了，我会很高兴地补充说，早在你。从你的描述来看，这听起来不像你所需要的。

Answer 2

所以它看起来像你有几件事你要解决。如果我理解你的意思，那么把这个词分成不同的标记就很容易，只需使用非捕获组。如果您不想在foo周围创建新的捕获组，请使用(?:foo);如果你这样使用(foo)。

不管怎么说，你想要的图案听起来像是对我来说是这样的：

p{L}*(?:\d*\.)?\d+(?:[eE][-+]?\d+)?(?:(?<=p{L}(?:\d*\.)?\d+(?:[eE][-+]?\d+)?)p{L}+)? 

说明：

p{L}*     #Zero or more letter characters (note that this is broader than [a-zA-Z], as it allows accent marks and so forth) 
(?:\d*\.)?\d+   #Slightly simplified version of your number-matching pattern 
(?:(?<=p{L}...)p{L}+)? #Optionally match trailing letters, but only if there are letters at the beginning 

希望我明白你在找什么。一个问题是[eE];这将引入一些含糊之处。例如，如果你得到一个像A3E4D这样的字符串，E是指字母还是指数？我对此有一些想法，但会更长，更复杂。让我知道规则是什么，我会编辑，我只是​​不想让这更混乱，直到我确定你在找什么。

Answer 3

的(?<=...)和(?=...)结构是向后看和前瞻的表达，和他们匹配的文本是包含在整个正则表达式匹配的文本不。

作为一个简单的例子，对于$_ = "A1X"，正则表达式

qr/(?<=A)1(?=X)/ 

不匹配字符串$_，而是由表达式匹配的文本（比如，在$&）只是1，不A1X。

你可以增加一个条款，你原来的表达式：

 
qr/([a-zA-Z]+|[a-zA-Z][a-zA-Z0-9]+[a-zA-Z]|(\d+(\.\d+)?|\d*\.\d+)([eE][-+]?\d+)?)/ 

（这将匹配A1B2C3D虽然 - 它并不清楚，如果你想让它做）

Answer 4

试试这个：

qr/(\b[a-zA-Z]([a-zA-Z\d]+[a-zA-Z])?\b|(\d+(\.\d+)?|\d*\.\d+)([eE][-+]?\d+)?)/ 

但是请注意，这正则表达式（与原）将在词的“边缘”相匹配的数字。