Ruby扫描正则表达式

Question

我正在尝试分割字符串：

"[test| blah] \n [foo |bar bar bar]\n[test| abc |123 | 456 789]"

将数据存储到下面的数组中：

[
  ["test","blah"]
  ["foo","bar bar bar"]
  ["test","abc","123","456 789"]
]

我尝试了下面的方法，但不完全正确：

"[test| blah] \n [foo |bar bar bar]\n[test| abc |123 | 456 789]"
.scan(/\[(.*?)\s*\|\s*(.*?)\]/)
# =>
# [
#   ["test", "blah"]
#   ["foo", "bar bar bar"]
#   ["test", "abc |123 | 456 789"]
# ]

我需要在每个竖线处分割，而不是第一个竖线处。应该使用什么正则表达式才能实现这一点？

- Ryan King

---

可能是重复的问题：Ruby .split() 正则表达式 - sawa

Answer 1

 s = "[test| blah] \n [foo |bar bar bar]\n[test| abc |123 | 456 789]"
 arr = s.scan(/\[(.*?)\]/).map {|m| m[0].split(/ *\| */)}

- matt

---

这是最好的答案。它在正确的位置使用了scan和split。 - sawa

所有的答案都很好，但这似乎是最简单的解决方案。 - Ryan King

Answer 2

两个选择：

s = "[test| blah] \n [foo |bar bar bar]\n[test| abc |123 | 456 789]"

s.split(/\s*\n\s*/).map{ |p| p.scan(/[^|\[\]]+/).map(&:strip) }
#=> [["test", "blah"], ["foo", "bar bar bar"], ["test", "abc", "123", "456 789"]]

irb> s.split(/\s*\n\s*/).map do |line|
  line.sub(/^\s*\[\s*/,'').sub(/\s*\]\s*$/,'').split(/\s*\|\s*/)
end
#=> [["test", "blah"], ["foo", "bar bar bar"], ["test", "abc", "123", "456 789"]]

两种方法都是首先通过换行符进行拆分（舍去周围的空格）。

第一种方法然后会在每个块中查找任何不属于[、|或]的内容，并将额外的空格删除（对每个块调用strip函数）。

第二种方法然后会删除前导的[和尾随的]（包括空格），然后按照|进行拆分（包含空格）。

---

你无法只使用一个scan函数得到最终想要的结果。最接近你可以得到的结果如下：

s.scan /\[(?:([^|\]]+)\|)*([^|\]]+)\]/
#=> [["test", " blah"], ["foo ", "bar bar bar"], ["123 ", " 456 789"]]

...会使信息丢失，或者是这个：

s.scan /\[((?:[^|\]]+\|)*[^|\]]+)\]/
#=> [["test| blah"], ["foo |bar bar bar"], ["test| abc |123 | 456 789"]]

…它将每个“数组”的内容作为单个捕获进行捕获，或者使用以下方法：

s.scan /\[(?:([^|\]]+)\|)?(?:([^|\]]+)\|)?(?:([^|\]]+)\|)?([^|\]]+)\]/
#=> [["test", nil, nil, " blah"], ["foo ", nil, nil, "bar bar bar"], ["test", " abc ", "123 ", " 456 789"]]

这段代码被硬编码为最多四个项，并插入了需要使用 .compact 去除的 nil 条目。

无法使用 Ruby 的 scan 方法，对于像 /(?:(aaa)b)+/ 这样的正则表达式，每次匹配重复部分都会获得多个捕获。

- Phrogz

Answer 3

为什么要走艰难的路（单个正则表达式）？为什么不用简单的拆分组合呢？以下是步骤，以便更好地理解这个过程。

str = "[test| blah] \n [foo |bar bar bar]\n[test| abc |123 | 456 789]"

arr = str.split("\n").map(&:strip) # => ["[test| blah]", "[foo |bar bar bar]", "[test| abc |123 | 456 789]"]
arr = arr.map{|s| s[1..-2] } # => ["test| blah", "foo |bar bar bar", "test| abc |123 | 456 789"]
arr = arr.map{|s| s.split('|').map(&:strip)} # => [["test", "blah"], ["foo", "bar bar bar"], ["test", "abc", "123", "456 789"]]

这种方法可能远不如scan高效，但至少它很简单 :)

- Sergio Tulentsev

Answer 4

“扫描、拆分、去除和删除”混乱

整个前提似乎有缺陷，因为它假设您总是能在子数组中找到交替项，并且表达式不会包含字符类。尽管如此，如果这确实是您想要解决的问题，那么以下方法应该可以解决。

首先，str.scan(/\[.*?\]/)将获得三个数组元素，每个元素都包含伪数组。然后，您需要对子数组进行映射，以交替字符进行拆分。然后，剥离子数组的每个元素中的空格，并删除方括号。例如：

str = "[test| blah] \n [foo |bar bar bar]\n[test| abc |123 | 456 789]"
str.scan( /\[.*?\]/ ).map { |arr| arr.split('|').map { |m| m.strip.delete '[]' }}

#=> [["test", "blah"], ["foo", "bar bar bar"], ["test", "abc", "123", "456 789"]]

详细步骤

映射嵌套数组并不总是直观的，因此我将上面的代码展开为更多的过程性代码以进行比较。结果是相同的，但以下内容可能更易于理解。

string = "[test| blah] \n [foo |bar bar bar]\n[test| abc |123 | 456 789]"
array_of_strings = string.scan( /\[.*?\]/ )
#=> ["[test| blah]", "[foo |bar bar bar]", "[test| abc |123 | 456 789]"]

sub_arrays = array_of_strings.map { |sub_array| sub_array.split('|') }
#=> [["[test", " blah]"],
#    ["[foo ", "bar bar bar]"],
#    ["[test", " abc ", "123 ", " 456 789]"]]

stripped_sub_arrays = sub_arrays.map { |sub_array| sub_array.map(&:strip) }
#=> [["[test", "blah]"],
#    ["[foo", "bar bar bar]"],
#    ["[test", "abc", "123", "456 789]"]]

sub_arrays_without_brackets =
  stripped_sub_arrays.map { |sub_array| sub_array.map {|elem| elem.delete '[]'} }
#=> [["test", "blah"], ["foo", "bar bar bar"], ["test", "abc", "123", "456 789"]]

- Todd A. Jacobs