☰

使用 perl 提取文件中关键字之间的文本

tag-icon • tag-icon perl
使用 perl 提取文件中关键字之间的文本

如何提取关键字之间的文本？文本保存在 txt 或 json 文件中。输入如下。“适应环境和项目挑战\n 有能力管理问题、沟通和影响技能，对卓越技术和用户体验充满热情\n 卓越的组织能力，”

关键词是“能力”、“技能”和“经验”。输出应该是这些关键词之间的文本。在此示例中，输出应该是：

管理问题、沟通和影响对伟大技术和用户体验的热情\n卓越的组织

正则表达式必须准备好接受 4 或 5 个关键字。这可能吗？

我使用了下面的代码，但只有当文本在程序中而不是在 txt 文件中时，它才有效。这只适用于 2 个关键字。我需要几个。

$file = 'C:\Users\Acer Nitro\Desktop\perl\sim.txt';

open(SESAME, $file);
while(<SESAME>)
{
    $text .= $_;
}

close(SESAME);
print $text;

($re=$text)=~s/((\bskill\b)|(\bability\b)|.)/${[')','']}[!$3]\Q$1\E${['(','']}[!$2]/gs;
@$ = (eval{/$re/},$@);
print join"\n",@$ unless $$[-1]=~/unmatched/;

你能帮助我吗？

答案1

我认为你必须改变你的正则表达式。“\ability”和“\skill”可能不是你想要的。“\a”是“bell”的字符，“\s”是空格字符的匹配。

您想要捕获的文本部分可以与括号中的正则表达式的适当部分匹配。当整个 RE 找到匹配项时，可以使用 $1、$2 等访问部分匹配的部分。也许……'(\w+)\s+(ability|skill)\s+(\w+)'

答案2

你的脚本有很多错误，我已经重写并简化了它<

#!/usr/bin/perl 
use strict;
use warnings;
use Data::Dumper;

# file to search
my $file = 'C:\Users\Acer Nitro\Desktop\perl\sim.txt';
open my $fh, '<', $file or die "unable to open '$file' for reading: $!";
# read whole file in a single string
undef $/;
my $full = <$fh>;
# search text between keywords
my @found = $full =~ /\b(?:ability|skills|experience)\b\R?\K(.+?)(?=\b(?:ability|skills|experience)\b)/gsi;
# dump the result
print Dumper\@found;

给定示例的输出：

$VAR1 = [
          ' to manage issues, communications and influencing ',
          ',Passion for great technology and user ',
          'Exceptional organizational '
        ];

正则表达式解释：

/                       # regex delimiter
    \b                  # word boundary
    (?:                 # non capture group
        ability         # literally
      |                 # OR
        skills          # literally
      |                 # OR
        experience      # literally
    )                   # end group
    \b                  # word boundary
    \R?                 # optional linebreak
    \K                  # forget all we have seen until this position
    (.+?)               # group 1, the text we want
    (?=                 # positive lookahead
        \b              # word boundary
        (?:             # non capture group
            ability     # literally
          |             # OR
            skills      # literally
          |             # OR
            experience  # literally
        )               # end group
        \b              # word boundary
    )                   # end lookahead
/gsi                    # delimiter, global; dot matches newline; case insensitive

相关内容