如何在JavaScript中使用正则表达式分割字符串？

Question

我有这样一段文本结构：

1.6.1 Members................................................................ 12
1.6.2 Accessibility.......................................................... 13
1.6.3 Type parameters........................................................ 13
1.6.4 The T generic type aka <T>............................................. 13

我需要创建JS对象：

{ 
  num:"1.6.1",
  txt:"Members"
},
{ 
  num:"1.6.2",
  txt:"Accessibility"
} ...

这不是问题。

问题在于我想通过正则表达式并使用正向预查来提取值：

通过第一次看到下一个字符为字母进行分割

我尝试过的方法：

'1.6.1 Members........... 12'.split(/\s(?=(?:[\w\. ])+$)/i)

这个工作正常运行：

["1.6.1", "Members...........", "12"] // I don't care about the 12.

但如果我有两个或更多的单词：

'1.6.3 Type parameters................ 13'.split(/\s(?=(?:[\w\. ])+$)/i)

结果为：

["1.6.3", "类型参数................", "13"] //我不在意13。

当然，我可以将它们拼接在一起，但我希望单词能在一起。

问题：

如何改进我的正则表达式以避免拆分单词？

期望的结果：

["1.6.3", "类型参数"]

或

["1.6.3", "类型参数........"] //稍后我会删除多余的内容

或

["1.6.3", "类型参数........13"]//稍后我会删除多余的内容

NB

我知道我可以通过空格或其他更简单的方法进行拆分，但出于纯粹的知识追求，我正在寻求改进我的解决方案使用正向先行拆分。

完整在线示例：

nb2：

文本中间可能包含大写字母。

- Royi Namir

---

嘿Royi，这些解决方案中有哪个对你有用吗？还是你需要任何微调？请注意，我们给你的是Match而不是Split解决方案，因为Match All和Split是同一个硬币的两面，你可以得到相同的数组，但在这种情况下匹配要容易得多。 - zx81

Answer 1

您可以使用这个正则表达式：

/^(\d+(?:\.\d+)*) (\w+(?: \w+)*)/gm

通过匹配组＃1和匹配组＃2，您可以获得所需的匹配项。

在线正则表达式演示

更新：对于String#split，您可以使用此正则表达式：

/ +(?=[A-Z\d])/g

正则表达式演示

更新2：由于章节名称中可能会有大写字母，因此需要使用更复杂的正则表达式：

var re = /(\D +(?=[a-z]))| +(?=[a-z\d])/gmi; 
var str = '1.6.3 Type Foo Bar........................................................ 13';
var m = str.split( re );
console.log(m[0], ',', m.slice(1, -1).join(''), ',', m.pop() );

//=> 1.6.3 , Type Foo Bar........................................................ , 13

- anubhava

---

谢谢您的回复。但是我在我的笔记本中提到了一些内容（再次强调，关于正向先行拆分的纯知识）。 - Royi Namir

并不是OP所问的（“使用正向先行断言拆分”），而且也过于复杂了。 - Christoph

更新后的答案非常棒，但希望标题中不存在以大写字母开头的单词。 - Paul Chen

@Diryboy没有这样的保证！我会在我的问题中提到它。那么像“T泛型类型”这样的标题呢？ - Royi Namir

啊，原来你也可以在中间使用大写字母！！需要找到新的分割方法。顺便说一下，我之前的正则表达式也可以处理这种情况。给我一些时间尝试一些不同的String#split方法（如果可能的话）。 - anubhava

Answer 2

编辑：由于你在要求中增加了1.6.1 .net 4.5框架...，我们可以调整答案如下：

^([\d.]+) ((?:[^.]|\.(?!\.))+)

如果你想在标题中允许最多三个连续的点，比如1.6.1 She said... Boo!...........，那么只需进行简单的调整（使用{3}量词）即可：

^([\d.]+) ((?:[^.]|\.(?!\.{3}))+)

Original:

^([\d.]+) ([^.]+)

在正则表达式演示中，查看右侧窗格中的Groups。

要检索组1和组2，可以使用以下类似语句：

var myregex = /^([\d.]+) ((?:[^.]|\.(?!\.))+)/mg;
var theMatchObject = myregex.exec(yourString);
while (theMatchObject != null) {
    // the numbers: theMatchObject[1]
    // the title: theMatchObject[1]
    theMatchObject = myregex.exec(yourString);
}

输出

Group 1     Group 2
1.6.1       Members
1.6.2       Accessibility
1.6.3       Type parameters
1.6.4       The T generic type aka <T>**
1.6.1       The .net 4.5 framework

解释

• ^ 表示我们在行首
• 括号([\d.]+) 捕获数字和小数点至第一组
• 括号((?:[^.]|\.(?!\.))+) 捕获至第二组...
• [^.] 表示一个不是句点的字符，| 或者...
• \.(?!\.) 表示一个句点但后面不跟着句点...
• + 表示一次或多次

- zx81

---

这确实是最简单的方法。 - Casimir et Hippolyte

那是一个简单的调整... 完成了。 :) - zx81

此外，还添加了额外的调整，以防您想在标题中允许最多三个点的序列，例如 1.6.1 She said... Boo!...........，并提供完整的说明。 - zx81

Casimir的解决方案是最短的，但由于我明确要求使用正向先行断言，我选择了Anubhava的解决方案ps +1。 - Royi Namir

你可以选择任何你喜欢的，但现在只有我的能够与 1.6.1 .net 4.5框架... 或者 1.6.1 她说... Boo!........... 兼容，对吧？ :) - zx81

Answer 3

您也可以使用这个模式：

var myStr = "1.6.1 Members................................................................ 12\n1.6.2 Accessibility.......................................................... 13\n1.6.3 Type parameters........................................................ 13\n1.6.4 The T generic type aka <T>............................................. 13";

console.log(myStr.split(/ (.+?)\.{2,} ?\d+$\n?/m));

关于前瞻方式：

我不认为这是可能的。因为跳过一个字符（在这里是两个单词之间的空格）的唯一方法是在先前出现空格的情况下匹配它。换句话说，您利用了字符不能匹配超过一次的事实。

但是，如果除了您想要拆分的空格之外，整个模式都被包含在前瞻中，并且由于前瞻中匹配的子字符串不是匹配结果的一部分（换句话说，它只是检查，相应的字符不会被正则表达式引擎吃掉），您无法跳过下一个空格，正则表达式引擎将继续进行直到下一个空格字符。

- Casimir et Hippolyte