Scala正则表达式多个块捕获

Question

我想在Scala中使用正则表达式捕获多行字符串的部分。 输入的格式为：

val input = """some text
              |begin {
              |  content to extract
              |  content to extract
              |}
              |some text
              |begin {
              |  other content to extract
              |}
              |some text""".stripMargin

我尝试了几种方法来获取位于 begin { } 块中的文本。其中之一：

val Block = """(?s).*begin \{(.*)\}""".r

input match {
  case Block(content) => println(content)
  case _ => println("NO MATCH")
}

我得到了一个“NO MATCH”。如果我去掉“\}”，那么正则表达式看起来像“(？s)。*begin \{(.*)”，它将匹配包括不需要的“}”和“some text”的最后一个块。我在rubular.com上检查了我的正则表达式，如/.*begin \{(.*)\}/m，它至少匹配一个块。我以为当我的Scala正则表达式匹配相同的内容时，我就可以开始使用findAllIn来匹配所有块。我做错了什么？

我看了一下Scala Regex enable Multiline option，但我无法捕获例如Seq[String]中的所有文本块的出现。 任何帮助都将不胜感激。

- Thomas Rawyler

Answer 1

正如Alex所说，使用模式匹配从正则表达式中提取字段时，模式会像边界一样作用（即使用^和$）。通常避免这个问题的方法是先使用findAllIn。这样：

val input = """some text
              |begin {
              |  content to extract
              |  content to extract
              |}
              |some text
              |begin {
              |  other content to extract
              |}
              |some text""".stripMargin

val Block = """(?s)begin \{(.*)\}""".r

Block findAllIn input foreach (_ match {
  case Block(content) => println(content)
  case _ => println("NO MATCH")
})

否则，您可以在开头和结尾使用.*来避免这个限制：

val Block = """(?s).*begin \{(.*)\}.*""".r

input match {
  case Block(content) => println(content)
  case _ => println("NO MATCH")
}

顺便提一下，您可能需要一个非贪婪匹配器：

val Block = """(?s)begin \{(.*?)\}""".r

Block findAllIn input foreach (_ match {
  case Block(content) => println(content)
  case _ => println("NO MATCH")
})

- Daniel C. Sobral

---

你知道这个有没有记录在哪里吗？ - Alex Neth

Alex，此时此刻我也不确定。我在Regex方面做了很多事情，甚至扩展了库，以至于我甚至无法回忆起库提供了什么！例如，当我发现这种方法不存在于库中时，我正要编写Block findAllMatchesIn input map (_ group 0)。 - Daniel C. Sobral

对于（Block（content）<- Block findAllIn input），println（content）。 - Ken Bloom

谢谢，肯恩。我应该想到提供至少一个for-comprehension的例子。在左侧进行模式匹配是聪明的做法。 - Daniel C. Sobral

Answer 2

在进行匹配时，我认为隐含需要完全匹配。您的匹配相当于：

val Block = """^(?s).*begin \{(.*)\}$""".r

如果在结尾添加 .*，它就能正常工作：

val Block = """(?s).*begin \{(.*)\}.*""".r

我还没有找到任何关于这个的文档，但是我也遇到了同样的问题。

- Alex Neth

Answer 3

作为其他答案的补充，我想指出kantan.regex的存在，它让你可以编写以下内容：

import kantan.regex.ops._

// The type parameter is the type as which to decode results,
// the value parameters are the regular expression to apply and the group to
// extract data from.
input.evalRegex[String]("""(?s)begin \{(.*?)\}""", 1).toList

这将产生：

List(Success(
  content to extract
  content to extract
), Success(
  other content to extract
))

- Nicolas Rinaudo