为什么在`comb` 中多次使用`<( )>` 标记的行为不符合预期？

Question

我想提取行键（这里是28_2820201112122420516_000000）、列名（这里是bcp_startSoc）和值（这里是64.0）$str，其中$str是 HBase 中的一行：

# `match` is OK
my $str = '28_2820201112122420516_000000 column=d:bcp_startSoc, timestamp=1605155065124, value=64.0';
my $match = $str.match(/^ ([\d+]+ % '_') \s 'column=d:' (\w+) ',' \s timestamp '=' \d+ ',' \s 'value=' (<-[=]>+) $/);
my @match-result = $match».Str.Slip;
say @match-result;   # Output: [28_2820201112122420516_000000 bcp_startSoc 64.0]

# `smartmatch` is OK
# $str ~~ /^ ([\d+]+ % '_') \s 'column=d:' (\w+) ',' \s timestamp '=' \d+ ',' \s 'value=' (<-[=]>+) $/
# say $/».Str.Array; # Output: [28_2820201112122420516_000000 bcp_startSoc 64.0]

# `comb` is NOT OK
# A <( token indicates the start of the match's overall capture, while the corresponding )> token indicates its endpoint. 
# The <( is similar to other languages \K to discard any matches found before the \K.
my @comb-result = $str.comb(/<( [\d+]+ % '_' )> \s 'column=d:' <(\w+)> ',' \s timestamp '=' \d+ ',' \s 'value=' <(<-[=]>+)>/);
say @comb-result;    # Expect: [28_2820201112122420516_000000 bcp_startSoc 64.0], but got [64.0]

我想comb跳过一些匹配项，只匹配我想要的，所以我在这里使用多个<(和)>这里，但只得到最后一个匹配项作为结果。

是否可以使用comb获得与match方法相同的结果？

Answer 1

TL;DR多个<(...)>s 并不意味着多次捕获。即使他们这样做了，.comb也会将每个匹配项减少为它返回的字符串列表中的单个字符串。如果您确实想使用.comb，一种方法是返回到原始正则表达式，但也使用正则表达式中的附加代码存储所需的数据。

\n

多个<(...)>s 并不意味着多次捕获

\n

正则表达式整体匹配的默认起点是正则表达式的开头。默认终点为终点。

\n

写入<(会将整个匹配的起点重置为您插入的位置。每次插入一个并在正则表达式处理过程中应用它时，它都会重置起点。同样)>重置终点。在处理正则表达式结束时，开始和结束的最终设置将应用于构建最终的整体匹配。

\n

鉴于您的代码只是无条件地重置每个点三次，最后一次开始和结束重置“win”。

\n

.comb将每个匹配项减少为单个字符串

\n

foo.comb(/.../)相当于foo.match(:g, /.../)>>.Str;.

\n

这意味着对于正则表达式的每次匹配，您只能得到一个字符串。

\n

一种可能的解决方案是使用@ohmycloudy 在他们的答案中显示的方法。

\n

但这伴随着我和@jubilatious1 在他们的答案的评论中提出的警告。

\n

添加{ @comb-result .push: |$/\xc2\xbb.Str }到正则表达式

\n

您可以解决该问题.comb的正常运行。我并不是说这是一件好事。我也不是说不是。你问，我回答，仅此而已。:)

\n

从与其他解决方案配合使用的原始正则表达式开始。

\n

然后添加{ @comb-result .push: |$/\xc2\xbb.Str }到正则表达式的末尾来存储每个匹配的结果。现在您将得到您想要的结果。

\n