锚定含hello行首的正则表达式匹配失效问题排查

需求说明 #

需使用锚定到包含“hello”的任意行开头的正则表达式，按字符串中出现顺序找到第一个“hello”并打印其字符位置，接着找到下一个“hello”并打印位置。

问题描述 #

尝试以下两段Perl代码均返回“not found”，无法正常工作：

尝试1代码 #

$line = "\n hi\n   hiya \n   hello\n hi \n hello2";
$match = $line =~ m/^\s*(hello)/;
if (!$match) {
    die("not found\n");
}

print "found at pos: " . pos($line) . "\n";
$line = $';
$match = $line =~ m/^\s*(hello)/;
if (!$match) {
    die("not found\n");
}
print "found at pos: " . pos($line) . "\n";

结果：not found

尝试2代码 #

$line = "\n hi\n   hiya \n   hello\n hi \n hello2";
$match = $line =~ m/\A\s*(hello)/;
if (!$match) {
    die("not found\n");
}

$line = $';
$match = $line =~ m/\A\s*(hello)/;
if (!$match) {
    die("not found\n");
}
print "found at pos: " . pos($line) . "\n";

结果：not found

原因分析 #

1. 锚点行为误解

   • 尝试1中的^锚点，默认仅匹配整个字符串的开头，而非每行开头。要让^匹配每行起始位置，必须添加/m（多行模式）修饰符。
   • 尝试2中的\A锚点，无论是否开启多行模式，都只会匹配整个字符串的绝对起始位置，完全不可能命中中间行的"hello"。

2. 字符串截断的逻辑错误

   • 将$line替换为$'（匹配后的剩余字符串）后，后续正则的锚点只会匹配新字符串的开头，而原字符串中第二个"hello"所在的行并非新字符串的行首，自然无法匹配。

正确实现方式 #

使用全局匹配（/g）结合多行模式（/m），遍历所有符合条件的匹配项并计算起始位置：

my $line = "\n hi\n   hiya \n   hello\n hi \n hello2";
while ($line =~ /^\s*(hello)/gm) {
    # pos()返回匹配结束的位置，减去"hello"的长度得到起始位置
    print "found at pos: " . (pos($line) - length($1)) . "\n";
}

内容的提问来源于stack exchange，提问作者Bill Moore