Dotaz: Perl, unicode a regexp

[Marek 'marx' Grác]

Majme kód:

use strict;
use utf8;
use locale;
use XML::Simple;

binmode (STDIN, 'utf8');
binmode (STDOUT, 'utf8');  
binmode (STDERR, 'utf8');

...

$desc="kamém2,";
print "BRK2>$desc\<\n";
if ($desc =~ /žitkov..?.?\s+(ploch..? )?(dom. )?(je )?(cca )?(\d+)\s*m2/) {
    $uzitkova_plocha = $5;
} elsif ($desc =~ /ÚP:? (\d+)\s*m2/) {
     $uzitkova_plocha = $1;
}
print "BRK3\n";

V podstate veľmi jednoduchá vec, ktorá parsuje súbor tak ako má. Pri niektorých vstupoch (100% reprodukovateľné), napr. ak $desc obsahujé 'ém2,' tak to na riadku s ÚP začne cykliť a dokáže to vyťažiť jeden procesor na 100%. Riešenie (A) je zmeniť ÚP na UP - to by som chápal. Riešenie (B) je pridať k RE case insensitive flag. Napadá vás nejaké riešenie, ktoré je rozumnejšie?

Testované v perle 5.8.8 a 5.8.7

Odpovědi

[happy barney]

pozrieť bugreporty a upgrade

[pht]

asi to bude skutecne nejaky bug, protoze ve verzi 5.10 se to chova jak ma. imho ma problem s tim \s - dalsi zpusob jak to "obejit" je lookaround:

/ÚP:? (\d+)(?=\s*m2)/