iCalendar的正则表达式解析（Ruby正则表达式）

Question

我将使用正则表达式来解析iCalendar（RFC2445）输入。下面是一个[简化版]的示例，显示了输入的样子：

BEGIN:VEVENT
abc:123
def:456
END:VEVENT
BEGIN:VEVENT
ghi:789
END:VEVENT

我希望获得一个匹配项的数组：每个"外层"匹配项都是每个VEVENT块，而内部匹配项则是每个field:value对。

我尝试了这种变体：

BEGIN:VEVENT\n((?<field>(?<name>\S+):\s*(?<value>\S+)\n)+?)END:VEVENT

但是考虑到上面的输入内容，结果似乎只有每个匹配的VEVENT一个字段，尽管在捕获组上使用了+？：

**Match 1**
field   def:456
name    def
value   456

**Match 2**
field   ghi:789
name    ghi
value   789

在第一次匹配中，我期望有两个字段：abc:123和def:456的匹配...

我相信这是新手错误（因为当涉及到正则表达式时，我似乎永远是一个新手...）- 但也许你可以指点我正确的方向？

谢谢！

- Eric

---

为什么你要自己解析，而不使用像 https://github.com/sdague/icalendar#readme 这样的 gem？ - dpassage

很好的问题：事实证明我（目前）正在使用ri_cal（另一个同类中非常棒的宝石），但是：1）它会构建所有事件的完整内存表示，这是一个巨大的东西 - 我只需要解析单个项目，2）我的输入文件经常是虚假的，宝石往往难以处理。 但确实，这是我的当前方法，所以你说得对。 - Eric

Answer 1

你需要将你的正则表达式拆分成一个匹配VEVENT和一个匹配名称/值对的表达式。然后，你可以使用嵌套的scan来查找所有出现的情况，例如：

str.scan(/BEGIN:VEVENT((?<vevent>.+?))END:VEVENT/m) do
  $~[:vevent].scan(/(?<field>(?<name>\S+?):\s*(?<value>\S+?))/) do
    p $~[:field], $~[:name], $~[:value]
  end
end

其中str是您的输入。 这将输出：

"abc:1"
"abc"
"1"
"def:4"
"def"
"4"
"ghi:7"
"ghi"
"7"

如果你想让代码更易读，我建议你 require 'english' 并将 $~ 替换为 $LAST_MATCH_INFO

- Patrick Oscity

---

这是我采取的方向，似乎运行良好，并且相当自我记录，这比我之前尝试构建的全能正则表达式要好得多！ - Eric

Answer 2

使用 icalendar gem。更多信息请参见解析iCalendars部分。

- ndbroadbent

---

谢谢，事实上，我已经在使用一个iCalendar解析器了 - 但出于各种原因（包括正则表达式的好奇心），我仍然很想知道原始帖子的答案。 - Eric

Answer 3

您需要一个嵌套的scan。

string.scan(/^BEGIN:VEVENT\n(.*?)\nEND:VEVENT$/m).each.with_index do |item, i|
  puts
  puts "**Match #{i+1}**"
  item.first.scan(/^(.*?):(.*)$/) do |k, v|
    puts "field".ljust(7)+"#{k}:#{v}"
    puts "name".ljust(7)+"#{k}"
    puts "value".ljust(7)+"#{v}"
  end
end

将会给予：

**Match 1**
field   abc:123
name    abc
value   123
field   def:456
name    def
value   456

**Match 2**
field   ghi:789
name    ghi
value   789

- sawa

Answer 4

Ruby有一个很少使用的方法叫做slice_before，非常适合这个需求：

'BEGIN:VEVENT
abc:123
def:456
END:VEVENT
BEGIN:VEVENT
ghi:789
END:VEVENT'.split("\n").slice_before(/^BEGIN:VEVENT/).to_a

结果为：

[["BEGIN:VEVENT", "abc:123", "def:456", "END:VEVENT"],
 ["BEGIN:VEVENT", "ghi:789", "END:VEVENT"]]    

从那里开始，只需轻松获取内部数组元素：

'BEGIN:VEVENT
abc:123
def:456
END:VEVENT
BEGIN:VEVENT
ghi:789
END:VEVENT'.split("\n").slice_before(/^BEGIN:VEVENT/).map{ |a| a[1 .. -2] }

这是什么：

[["abc:123", "def:456"], ["ghi:789"]]

而且，使用map和split(':')很容易将每个结果字符串分解。

不要被正则表达式的诱惑所迷惑，试图做所有事情。它们在特定场合非常强大和方便，但通常有更简单、更易于维护的解决方案。

- the Tin Man

Answer 5

我认为问题在于 Ruby 的 MatchData 对象，它是正则表达式返回结果的载体，没有提供多个具有相同名称的值的任何规定。因此，您的第二个匹配会覆盖第一个匹配。

- dpassage