问题描述
我正在使用 Perl v5.30 在 Linux 上处理带有 Windows 行终止符 (\r\n
) 的文本文件。
我不明白为什么使用这些文本文件时,捕获组与字符不匹配,而正则表达式匹配。
示例:
$ echo $'Line1\r\nLine2\n' | perl -ne 'print /(.*)/'
Line2
$ echo $'Line1\r\nLine2\n' | perl -ne '/(.*)/ && print "match\n"'
match
match
match
第一行没有任何内容被捕获,但所有(三)行都匹配。
为什么会这样?
解决方法
使用 cat -v
或 xxd
查看输出真正包含的内容。
$ echo $'Line1\r\nLine2\n' | perl -ne 'print /(.*)/' | cat -v
Line1^MLine2
^M
对应于 \r
,它将光标移回行首,因此第二个匹配会覆盖第一个。
这解释了两个匹配项,但第三个匹配项在哪里?添加一些东西来分隔匹配:
$ echo $'Line1\r\nLine2\n' | perl -ne 'print /(.*)/,"|"' | cat -v
Line1^M|Line2||
echo
在它的输出中添加一个换行符,所以最后一行是空的,但它仍然匹配 .*
。
不过是
$ echo $'Line1\r\nLine2\n' | perl -ne 'print /(.*)/' | od -c
0000000 L i n e 1 \r L i n e 2
0000013
问题是您的终端在接收到 CR 时正在归位光标,因此 Line2
最终覆盖了 Line1
。
其他人已经向您展示了为什么输出隐藏了您希望看到的内容。但是,对于最初的问题,我会考虑处理这些行尾,这样您就不必考虑它们了。您似乎混合了行尾,所以我的第一个想法是找到有问题的程序并修复其输出:)
如果不需要,从组中排除垂直空格 (\v
),并选择您自己的输出行结尾(此处为 -l
):
$ echo $'Line1\r\nLine2\n' | perl -nle 'print /([^\v]+)/'
Line1
Line2
或者修改输入字符串得到你想要的:
$ echo $'Line1\r\nLine2\n' | perl -nle 'print s/\R//r'
Line1
Line2
也许预处理该行:
$ echo $'Line1\r\nLine2\n' | perl -nle 's/\R// and print /(.*)/'
Line1
Line2
或者其他的东西,所以没有什么可以解决的。
,我无法确定您的问题是否已得到解答,但值得注意的是,在输入时,perl 会将 \r\n 转换为 \n,然后,如果输出是 Widows,它会输出相反。
底线,如果你试图匹配\r\n,你很可能会失败——此外,如果你读取,例如,包含\r\n的10个字节,然后在perl中检查输入的长度,它将只有 9 个字节,因为 \r 将消失。
本质上,这允许脚本跨多个平台工作,而无需将 \n 的引用更新为 \r\n,反之亦然 iyswim。
例如,在 windows 上,以下脚本将返回 6、5:
while(<DATA>){
print length . "\n";
}
__DATA__
hello
world
但是,如果我添加“binmode DATA;”,我将得到 7、5
请注意,这是 iirc 特定于平台的。例如如果你以bin方式将windows文本文件传输到linux,在linux中读取文件时,“\r\n”不会被翻译成“\n”。