标记字符串中的项目列表而不重叠

Question

我有一个文本示例：

my $text = 'a bb cc xx aa a b c a';

以及文本中可能出现的术语列表：

my @words = ('bb cc',
    'a bb cc',
    'xx aa a b',
    'a b',
    'a'
);

我需要找到这些词的出现，使用尽可能长的匹配，并且不标记任何内容两次。因此，如果我在上面的文本中标记匹配项，它将如下所示：

<a bb cc> <xx aa a b> c <a>

请注意，我没有标记 bb cc，因为那是较大匹配 a bb cc.

的一部分

有什么方法可以做到这一点吗？感觉以前应该遇到过很多次了

Answer 1

一个简单的替换就可以了，你必须按长度排序：

my $re = '('.join('|', sort {length $b <=> length $a} map(quotemeta,@words)).')';
$text =~ s/$re/<>/g;
say $text;

5.20.2 的输出符合预期，现在无法检查其他版本。您提供的示例实际上不需要 quotemeta 部分，它用于转义正则表达式中具有特殊含义的字符。

mark list of items in string without overlap