如何用Perl脚本递归匹配输入文件中的指定LaTeX数学命令数组元素

嘿，我明白你需要处理那种包含多层嵌套LaTeX数学命令的文本文件，还要用Perl递归匹配指定的命令列表对吧？我给你写了一个实用的实现方案，每一步都加了注释，方便你理解和修改。

先理清楚需求 #

咱们要搞定的核心内容：

• 输入文件是sample.txt，里面全是像\mathcal{\mathsf{HF交换算子}}、\mathbb{\mathbbm{ABC}}这种嵌套的LaTeX命令
• 有一个命令数组@arr，包含boldsymbol、mathbb这些要匹配的命令
• 必须递归匹配，不管这些命令嵌套了多少层

完整实现代码 #

直接上可运行的脚本，注释写得很清楚：

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

# 定义输入文件路径
my $inp = "sample.txt";
# 定义需要匹配的LaTeX命令列表（你可以把省略的部分补充完整）
my @arr = qw(boldsymbol mathbb mathbbm mathbf mathit mathrm mathscr mathsf mathfrak mathcal);

# 把数组转换成正则的备选模式，用quotemeta避免特殊字符干扰
my $cmd_pattern = join('|', map { quotemeta($_) } @arr);
# 构建递归正则：匹配\命令{...}，支持任意深度的嵌套
my $recursive_regex = qr/\\($cmd_pattern)\{(?:[^{}]+|(?R))*\}/;

# 一次性读取整个文件内容
open(my $fh, '<', $inp) or die "打不开文件 $inp: $!";
my $content = do { local $/; <$fh> };
close($fh);

# 全局查找所有匹配的嵌套命令
my @matches;
while ($content =~ /($recursive_regex)/g) {
    push @matches, $1;
}

# 输出匹配结果
print "找到的嵌套LaTeX命令:\n";
foreach my $match (@matches) {
    print "- $match\n";
}

# 如果需要替换命令或者做其他处理，在这里扩展就行
# 比如替换成自定义内容：
# $content =~ s/$recursive_regex/[$1]/g;

关键逻辑说明 #

• 递归正则的核心：(?R)是Perl正则里的递归引用，它会重复使用整个正则表达式，这样就能完美匹配多层嵌套的\cmd{...}结构，不管套了多少层都能抓出来
• 安全的模式构建：用quotemeta处理数组里的命令，防止命令里有正则特殊字符（虽然LaTeX命令一般没有，但这么做更稳妥）
• 文件读取方式：local $/会把输入记录分隔符设为undef，这样就能一次性读取整个文件，避免逐行处理漏了跨行吗的命令

测试效果示例 #

假设sample.txt里的内容是：

测试内容：\mathcal{\mathsf{HF交换算子}}，还有\mathbb{\mathbbm{ABC}}，以及\mathbf{\mathit{加粗斜体文本}}

运行脚本后，输出会是：

找到的嵌套LaTeX命令:
- \mathcal{\mathsf{HF交换算子}}
- \mathbb{\mathbbm{ABC}}
- \mathbf{\mathit{加粗斜体文本}}
- \mathsf{HF交换算子}
- \mathbbm{ABC}
- \mathit{加粗斜体文本}

如果只想匹配最外层的命令，可以调整正则的捕获逻辑，比如把(?:[^{}]+|(?R))*改成(?:(?!\\($cmd_pattern)\{)[^{}])*|(?R)，不过默认的全匹配模式应该能满足大部分需求。

内容的提问来源于stack exchange，提问作者ssr1012