在正则表达式字符串搜索后有效找到令牌（单词）索引的方法

Question

我需要在一个字符串y中用正则表达式查找另一个字符串x，但我还需要知道这个匹配的第一个字符在分词（用其他正则表达式，比如空格）后的位置。因为第一个正则表达式可能会找到一个子串，所以我不能保证它会停在单词的开头。

那么，最好的算法该怎么实现呢？一个简单的方法可以这样做：

1. 用第一个正则表达式在y中查找x，并得到字符位置z
2. 用第二个正则表达式把y分割成一个元素数组
3. 遍历这个数组，把每个元素的长度加到一个变量LENGTH上，同时给一个计数器COUNTER加1
4. 当LENGTH大于或等于z时停止循环
5. 匹配的第一个字符所在单词的索引就是COUNTER的值

（这里假设分割函数会把分割字符（比如空格）也当作数组元素，这样会很浪费。）

举个简单的例子：假设我想知道在字符串"The moon is made of cheese"中查找"ade"时，单词的索引是多少。这个函数应该返回3（因为数组是从0开始计数的）。

==编辑==
这个算法还需要在正则表达式查找跨越单词边界时也能工作。例如，当在"The moon is made of cheese"中查找"de of ch"时，它也应该返回索引"3"。

Answer 1

在字符串中找到第一个模式，然后在第一个模式之前的部分，统计第二个模式字符串出现的次数。

下面是一个用perl写的脚本来完成这个任务：

    #!/bin/perl -w

    my $string = 'The moon is made of cheese';
    my $lookedfor = 'de of che';
    my $separator = q/\W+/;

    my $count = undef;
    if ($string =~ /(.*?)$lookedfor/) {
        # Keep the smallest (.*?) part of string before the match.
        my $firstpart = $1;

        $count = 0;
        # Count the number of separator 
        $count++ while $firstpart =~ m/$separator/g;
    }

    if (defined $count) {
        printf "index of '%s' in '%s' is %d\n", $lookedfor, $string, $count;
    } else {
        printf "No occurence of '%s' in '%s'\n", $lookedfor, $string;
    }

Answer 2

根据你的更新：

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

my $string = "The moon is made of cheese";
my $search = 'de of ch';
my $pos = index($string, $search);
if ($pos != -1) {
    my $substr = substr($string, 0, $pos);
    my @words = split /\s+/, $substr;
    print "found in word #", $#words, "\n";
} else {
    print "not found\n";
}

输出：

found in word #3