Problem mit Match Anweisung und RegEx (gelöst) (Allgemeines zu Perl)

[thread]20361[/thread]

Problem mit Match Anweisung und RegEx [gelöst]

Tags: perl5 regex Ähnliche Threads

Leser: 13

Articles: hide open all | hide show old branches

+10 replies
Corni_Cornflake

2017-08-20 15:38
User since
2017-08-20
13 Artikel
BenutzerIn
Hallo,
ich bin mir sicher, dass das eine der einfacheren Fragen hier im Forum ist und ich sicher auch nur einen kleinen Fehler eingebaut habe, aber ich finde ihn einfach nicht und komme nicht weiter. Ich möchte ein größeres Programm schreiben, aber in diesem Teil geht es einfach nur darum, das Pronomen "er" oder "sie" in einem Satz zu finden. Mein Programm bisher sieht wie folgt aus:
Code (perl): (dl )

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

#!/usr/bin/perl -w #probevariablen $normalText= "Bla bla blabla bla. Timo macht sein Zimmer sauber. Er vergisst das Staubsaugen."; @saetze= split(/[(\.|,|?|\!|:|;)]/,$normalText); foreach $satz (@saetze) { @woerter= split(/ /,$satz); if ($satz=~ m/ /) { $satz=~ s/ //; } if ($satz!~ m/^(er|sie)$/gi) { foreach $wort (@woerter) { if ($wort=~ m/[A-Z].*/) { push(@nomen,$wort); } } } else { print "$satz\n"; } } foreach (@nomen) { print "$_\n"; }
Mein Problem hierbei ist, dass zu aller erst einmal der Punkt am Satzende gelöscht wird, obwohl ich dem Programm doch eigentlich mit den Klammern () sage, dass dieser erhalten bleiben soll. Und weiterhin das größere Problem, die Pronomen werden nicht gefunden, somit also kein Satz angezeigt. Ich habe schon alle möglichen anderen Varianten versucht, aber durch
Code (perl): (dl )

if ($satz!~ m/er|sie/gi) {
wird natürlich auch das Wort "sauber" gefunden. Wie gesagt, ich bin mir sicher, dass es eine sehr einfache Lösung für das Problem gibt, aber ich finde sie gerade einfach nicht ):
Vielen Dank schon einmal im Voraus!
Last edited: 2017-08-20 15:52:21 +0200 (CEST)
- +3 replies
- GwenDragon
  
  2017-08-20 17:05
  
  User since
  2005-01-17
  14748 Artikel
  Admin1
  
  Wörter werden sinnvoller an Wortgrenzen gesplittet. Das ist im regex das \b
  
  So zum Beispiel: /\b(er|sie)\b/
  
  http://www.regular-expressions.info/wordboundaries...
  http://perldoc.perl.org/perlre.html
  http://www.rexegg.com/regex-boundaries.html#wordbo...
  
  Online-Regex-Tester: http://www.regexpal.com/
  Last edited: 2017-08-20 17:10:25 +0200 (CEST)
  die Drachin Gwen
  
  Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
  - +2 replies
  - Corni_Cornflake
    
    2017-08-20 17:12
    
    User since
    2017-08-20
    13 Artikel
    BenutzerIn
    
    Das ist super, danke! Das kannte ich noch nicht!
    Jetzt bleibt erst einmal nur noch das Problem mit den Satzzeichen. Wieso werden diese gelöscht, obwohl die Klammern doch eigentlich dafür sorgen sollten, dass sie erhalten bleiben?
    - MarkusH
      
      2017-08-20 17:24
      
      User since
      2012-04-08
      161 Artikel
      BenutzerIn
      
      So vielleicht?
      
      Code (perl): (dl )
      
      1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
      
      #!/usr/bin/perl -w use strict; #probevariablen my $normalText= "Bla bla blabla bla. Timo macht sein Zimmer sauber. Er vergisst das Staubsaugen."; my @felder= split(/(\.|,|\?|\!|:|;)/,$normalText); my @saetze = (); my @nomen = (); for(my $i = 0; $i <= $#felder; $i+=2) { push(@saetze, join('',$felder[$i], $felder[$i+1])); } foreach my $satz (@saetze) { if ($satz =~ m/\b(er|sie)\b/gi) { push(@nomen,$1); } else { print "$satz\n"; } } foreach (@nomen) { print "$_\n"; }
      
      Zu Deinem Satzzeichenproblem sagt die Doku.
      Anything in EXPR that matches PATTERN is taken to be a separator that separates the EXPR into substrings (called "fields") that do not include the separator. Note that a separator may be longer than one character or even have no characters at all (the empty string, which is a zero-width match).
      $q =~ /(bb|[^b]{2})/
- +6 replies
- Linuxer
  
  2017-08-20 18:43
  User since
  2006-01-27
  3890 Artikel
  HausmeisterIn
  Hi,
  
  Du hast zwar runde Klammern in Deinem Split-Muster, aber die stehen innerhalb von eckigen Klammern.
  Damit sind sie Bestandteil einer Zeichenklasse und haben keine einfangende Funktion mehr.
  Innerhalb einer Zeichenklasse brauchst Du auch kein | um einzelne verschiedene Zeichen anzugeben.
  
  Code: (dl )
  
  @saetze= split(/[(\.|,|?|\!|:|;)]/,$normalText);
  
  Mit Deinem Muster wird gesplittet an:
  - (
  - .
  - | (zählt nur einmal, auch wenn es mehrmals genannt wird)
  - ,
  - ?
  - !
  - :
  - ;
  - )
  
  Vieleicht willst Du eher:
  
  Code: (dl )
  
  @saetze = split( /([.,:;?!])/,$normalText );
  
  Oder ohne Zeichenklasse:
  
  Code: (dl )
  
  @saetze = split( /(\.|,|:|;|\?|\!)/,$normalText );
  
  Alles ungetestet zusammengeschrieben ;-)
  meine Beiträge: I.d.R. alle Angaben ohne Gewähr und auf Linux abgestimmt!
  Die Sprache heisst Perl, nicht PERL. - Bitte Crossposts als solche kenntlich machen!
  - +5 replies
  - Corni_Cornflake
    
    2017-08-21 10:49
    User since
    2017-08-20
    13 Artikel
    BenutzerIn
    
    Leider funktioniert keine der Varianten. Ich verstehe zwar jetzt was mein Problem war/ist, aber die Lösungen führen mich leider zu keinem Ergebnis.
    Diese Variante
    
    Code (perl): (dl )
    
    @saetze = split( /(\.|,|:|;|\?|\!)/,$normalText );
    
    löst leider nur diesen Fehlercode aus:
    Quantifier follows nothing in regex; marked by <-- HERE in m/(\.|,|? <-- HERE |\!|:|;)/
    und Idee Nummer eins:
    
    Code (perl): (dl )
    
    @saetze = split( /([.,:;?!])/,$normalText );
    
    löscht auch immer noch die Satzzeichen.
    
    Ich habe gerade meinen Fehler entdeckt! Das Satzzeichen bleibt natürlich erhalten, wird aber als eigenes Element in den Array aufgenommen. Es war also tatsächlich nur ein Denkfehler. Vielen Dank für die Antworten!
    Last edited: 2017-08-21 10:53:23 +0200 (CEST)
    - +2 replies
    - GwenDragon
      
      2017-08-21 11:24
      
      User since
      2005-01-17
      14748 Artikel
      Admin1
      
      Wenn bei Split das Regex in Klammern ist, wird das auch mitgefangen.
      
      Das kannst du mit Data::Dumper sehen.
      
      Code (perl): (dl )
      
      1 2 3 4 5 6 7
      
      use Data::Dumper; my $normalText= "Bla bla blabla bla. Timo macht sein Zimmer sauber. Er vergisst das Staubsaugen."; my @saetze = split( /([.,:;?!])/,$normalText ); print Dumper \@saetze;
      
      ergibt:
      $VAR1 = [ 'Bla bla blabla bla', '.', ' Timo macht sein Zimmer sauber', '.', ' Er vergisst das Staubsaugen', '.' ];
      
      Das gefangene Satzzeichen ist also nicht weg.
      
      Was du tun musst, ist das wieder zusammenzufügen.
      Ein Beispiel (mir fällt gerade nix anderes ein, kann sein, dass List::Util das besser kann).
      
      Code (perl): (dl )
      
      1 2 3 4 5 6 7 8 9 10 11 12
      
      my @saetze = split /([.,:;?!])/,$normalText; { # hier beginnt der lokale Code-Block my @temp; while (scalar @saetze) { # solange noch was im Array my $satz = shift @saetze; # hole Satz my $sz = shift @saetze; # hole Satzzeichen $satz .= $sz if defined $sz; # füge beide zusammen push @temp, $satz; # zwischenspeichern } @saetze = @temp; # zusammengefügtes wieder in Sätze-Array zurückspeichern } # Ende des lokalen Blocks
      
      Last edited: 2017-08-21 11:36:24 +0200 (CEST)
      die Drachin Gwen
      
      Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
      - Corni_Cornflake
        
        2017-08-21 12:14
        
        User since
        2017-08-20
        13 Artikel
        BenutzerIn
        
        Danke, ich habe es so gelöst:
        
        Code (perl): (dl )
        
        @saetze= split(/(?<=[\.,:\!?;])\s*/,$normalText);
        
        Ich weiß leider nicht wie es auf Deutsch heißt, aber auf einer Englischen Seite habe ich es unter "positive and negative lookbehind" gefunden. So wird das Satzzeichen an dem Satz behalten und gleichzeitig das nachfolgende Leerzeichen gelöscht.
    - +2 replies
    - Linuxer
      
      2017-08-21 12:53
      
      User since
      2006-01-27
      3890 Artikel
      HausmeisterIn
      
      Dann ist Dein Perl kaputt, wenn es da einen Fehler wirft. Oder Du hast es falsch abgetippt. Oder Du probierst etwas ganz anderes...
      
      ? ist ein "Quantifier", daher muss dieses Zeichen mit \ maskiert werden, wenn das Fragezeichen als Zeichen gemeint ist. Das hast Du offensichtlich nicht getan (siehe Fehlermeldung, da steht das sogar drin).
      
      Ich habe die Split-Zeile kopiert und folgendes Testskript daraus gebaut:
      
      Code (perl): (dl )
      
      1 2 3 4 5 6 7 8 9 10 11 12
      
      #! /usr/bin/perl use strict; use warnings; use 5.010; my $normalText = "Bli. Bla. Blupp."; my @saetze = split( /(\.|,|:|;|\?|\!)/,$normalText ); say for @saetze;
      
      Das funktioniert hier einwandfrei:
      
      Code: (dl )
      
      1 2 3 4 5 6 7 8
      
      $ perl test.pl Bli . Bla . Blupp . $
      
      meine Beiträge: I.d.R. alle Angaben ohne Gewähr und auf Linux abgestimmt!
      Die Sprache heisst Perl, nicht PERL. - Bitte Crossposts als solche kenntlich machen!
      - Corni_Cornflake
        
        2017-08-21 13:11
        
        User since
        2017-08-20
        13 Artikel
        BenutzerIn
        
        Das Fragezeichen hatte ich tatsächlich nicht maskiert, das habe ich übersehen. Aber wie gesagt, einfacher komme ich mit der Lösung, die ich weiter oben aufgeführt habe ans Ziel, da ich das Satzzeichen nicht als einzelnes Element brauche, sondern direkt am Satzende. Trotzdem vielen Dank für die Hilfe!

View all threads created 2017-08-20 15:38.