如何在单个Perl正则中同时使用negative lookahead与negative lookbehind处理注释

核心匹配约束 #

逐行处理的判断逻辑完全对齐需求规则：

• 逐行定位第一个未被反斜杠转义的百分号%，删除该%位置到行尾的全部内容
• 唯一跳过规则：如果该%的位置恰好构成\d\d:\d\d%:\d\d（即前后拼接为HH:MM%:SS的时间格式），则整行保留不做任何修改，不继续检索行内后续的其他%
• 原有实现的缺陷：
  • 单独使用(?<!\d\d:\d\d)负向后顾时，会把所有位于HH:MM后的%全部跳过，无论%后面的内容是什么，无法区分“时间格式下的误输字符”和“普通行注释”两类场景
  • 用非贪婪匹配.*?定位%时，一旦在第一个%位置因为例外规则匹配失败，正则引擎会自动回溯跳过该%，继续向后检索下一个普通%，导致本应保留的行被错误截断
• 之前负向前瞻试错的核心问题：把前瞻断言放在了%匹配位置的外侧，没有和%的上下文校验绑定，完全无法生效

正确的断言逻辑设计 #

1. 精准定位第一个未转义%的位置：用(?:[^%\\]|\\.)*作为行首匹配段，从行首开始吃尽所有非%、非反斜杠的字符，以及所有反斜杠引导的转义字符，直到遇到第一个未转义%才停下来——这个表达式会完全阻止引擎回溯，确保只判断第一个未转义%，不会跳过它去检索后面的内容
2. 基础转义校验：在%位置保留(?<!\\)负向后顾，排除被反斜杠转义的\%
3. 例外场景校验：在%位置使用内嵌后顾的负向前瞻，判断当前%是否属于HH:MM%:SS结构——仅当%前面紧接HH:MM、%后面紧接:两位数字两个条件同时满足时，才判定为例外场景，整行保留；任意条件不满足时，按普通注释规则删除%到行尾的内容

可运行的修正代码 #

#!/usr/bin/perl
use strict; use warnings;

my $string = 'for 10\% and %delete-me
for 10\% and 2021-03-09 Tue 02:59%:02 NO DELETE %delete-me
for 10\% and 2021-03-09 Tue 04:09%anything  %delete-me
for 10 percent%delete-me';

print "original string:\n";
print "$string<<\n";

{
    my $tochange = $string;
    $tochange =~ s/
        ^
        # 精准定位第一个未转义%的位置，阻止引擎回溯
        ((?:[^%\\]|\\.)*)
        (?<!\\)                 # 校验%未被转义
        %                       # 定位目标第一个未转义%
        (?!                     # 负向前瞻排除例外场景
            (?<=\d\d:\d\d)      # 内嵌后顾：%前紧邻HH:MM
            :\d\d               # %后紧邻:两位数字
        )
        .*$                     # 匹配%后到行尾的待删除内容
    /$1/mgx;
    print "\ncorrected processing result:\n";
    print "$tochange<<\n";
}

处理结果对照 #

执行后输出的修正结果与预期完全一致：

• 第一行截断为for 10\% and ，删除后面的%delete-me
• 第二行命中02:59%:02的例外结构，整行原样保留，不会因为行内存在后续的普通%而被截断
• 第三行虽然%前紧邻04:09，但%后不是:数字结构，因此截断为for 10\% and 2021-03-09 Tue 04:09，删除后面所有注释内容
• 第四行截断为for 10 percent，删除后面的%delete-me

内容的提问来源于stack exchange，提问作者Jacob Wegelin