¿Por qué esta coincidencia de Regex solo muestra la primera palabra en la variable de captura, no la línea completa?

Aug 20 2020

Soy bastante nuevo en Perl y Regexes, así que tenga paciencia conmigo si uso incorrectamente la terminología.

Estoy intentando leer un archivo de texto que contiene un guión de película y usar una expresión regular para mostrar todas las líneas pronunciadas por un personaje en particular. Aquí está el extracto que estoy usando:

BRIAN: Hello, mother.
MANDY: Don't you 'hello mother' me. What are all those people doing out ther    e?!
BRIAN: Oh. Well-- well, I, uh--
MANDY: Come on! What have you been up to, my lad?!
BRIAN: Well, uh, I think they must have popped by for something.
MANDY: 'Popped by'?! 'Swarmed by', more like! There's a multitude out there!
BRIAN: Mm, they-- they started following me yesterday.
MANDY: Well, they can stop following you right now. Now, stop following my son! You ought to be ashamed of yourselves.
FOLLOWERS: The Messiah! The Messiah! Show us the Messiah!
MANDY: The who?
FOLLOWERS: The Messiah!
MANDY: Huh, there's no Messiah in here. There's a mess, all right, but no Me    ssiah. Now, go away!
FOLLOWERS: The Messiah! The Messiah!
MANDY: Ooooh.
FOLLOWERS: Show us the Messiah! The Messiah! The Messiah! Show us the Messiah!
MANDY: Now, you listen here! He's not the Messiah. He's a very naughty boy! Now, go away!

Y aquí está el código:

  1 use strict;
  2 use warnings;
  3 
  4 my $filename = "movie_script.txt"; 5 my $charname = $ARGV[0]; 6 7 if (-e $filename) {
  8     print "File exists.\n";
  9 } else {
 10     print "Alas, file does not exist.\n";
 11     exit 1;
 12 }
 13 
 14 open(my $fh, '<', $filename);
 15 
 16 my $match = "^($charname):.*/i";
 17 
 18 while (my $line = <$fh>) {
 19     if ( $line =~ m/^($charname):.*/i ) {
 20         $line =~ s/($charname): //i;
 21         print $line; 22 } 23 } 24 print "\n"; 25 close $fh;

El código funciona bien, y cuando ejecuto el programa, pasando "Brian" como un argumento de línea de comandos, solo me muestra las líneas de Brian, lo mismo si entro "Mandy" o "Seguidores" (todos sin distinción entre mayúsculas y minúsculas).

Estoy tratando de entender cómo funcionan las variables de captura para poder manipular el archivo de texto de manera más sensible. Cuando cambio la línea 21 a en print $1lugar de print $line, esperaba que el resultado fuera el mismo, porque la expresión regular que he proporcionado debería coincidir con cualquier instancia de "BRIAN", seguida de dos puntos, luego cualquier número de caracteres hasta el final de la línea.

Sin embargo, cuando hago esto, simplemente regresa:

BRIANBRIANBRIANBRIAN

... En lugar de las cuatro líneas que pertenecen a Brian. Así que intenté intercambiar las líneas 22 y 21, poniendo la print $1declaración antes de la sustitución de expresiones regulares, pero eso arroja el mismo resultado.

¿Por qué la variable de captura solo muestra la primera palabra "BRIAN" y no la línea completa? Estoy seguro de que es un error muy simple, pero me cuesta entender qué estoy haciendo mal.

Respuestas

4 DaveCross Aug 19 2020 at 23:52

Veamos tu código:

while (my $line = <$fh>) {
    if ( $line =~ m/^($charname):.*/i ) {
        $line =~ s/($charname): //i;
        print $line;                                                
    }
}

En tu primera línea:

while (my $line = <$fh>) {

Lees una línea de $fhen $line. Esta bien. Luego buscamos el nombre de tu personaje:

if ( $line =~ m/^($charname):.*/i ) {

Busca el nombre del personaje al comienzo de la cadena (eso es lo que ^hace), seguido de dos puntos y luego cualquier otro carácter. Eso no .*tiene sentido, ya que no cambia en absoluto lo que coincide con la expresión regular.

Pero los paréntesis que pones $charnamehacen algo interesante. Capturan la parte de la cadena que coincide con esa parte de la expresión regular y la almacenan $1. Ahora, eso es un poco desperdicio, para ser honesto. Como $charnamees una cadena fija, ya sabes en qué terminará $1. Será "BRIAN" o el personaje que estés buscando.

$line =~ s/($charname): //i; print $line;

Luego edita $linepara eliminar el nombre del personaje y los dos puntos (y un espacio) desde el principio de la línea. Así que obtienes la línea que se habla. Y lo imprime.

Hasta aquí todo bien. Su código es un poco derrochador en algunos lugares, pero hace lo que piensa.

Luego cambia la línea:

print $line;

print $1;

Y te confundes :-)

Pero como ya hemos visto, los paréntesis de captura almacenarán "BRIAN" en formato $1. Entonces, si imprime $1, verá "BRIAN".

Usted pregunta,

¿Por qué la variable de captura solo muestra la primera palabra "BRIAN" y no la línea completa?

Y la respuesta es, porque eso es lo que le ha pedido que haga. $1contendrá lo que está dentro de los paréntesis de captura. Que es $charname. Que es "BRIAN". El resto de la coincidencia de expresiones regulares está fuera del paréntesis, por lo que no termina en $1.