parsings cadeias de caracteres:extração de palavras e frases [JavaScript]
-
09-06-2019 - |
Pergunta
Eu preciso de apoio frases exatas (entre aspas) ao contrário de uma lista separada por espaço dos termos.Assim, dividindo a respectiva seqüência de caracteres de espaço-personagem não é mais suficiente.
Exemplo:
input : 'foo bar "lorem ipsum" baz'
output: ['foo', 'bar', 'lorem ipsum', 'baz']
Gostaria de saber se isso poderia ser conseguido com um único RegEx, em vez de realizar complexos de análise ou de divisão-e-reingressar operações.
Qualquer ajuda seria muito apreciada!
Solução
var str = 'foo bar "lorem ipsum" baz';
var results = str.match(/("[^"]+"|[^"\s]+)/g);
...retorna a matriz que você está procurando.
Note, no entanto:
- Delimitadora aspas são incluídas, portanto, pode ser removido com
replace(/^"([^"]+)"$/,"$1")
sobre os resultados. - Os espaços entre as aspas vai ficar intacta.Assim, se existem três espaços entre
lorem
eipsum
, eles vão estar no resultado.Você pode corrigir isso através da execuçãoreplace(/\s+/," ")
sobre os resultados. - Se não há fechamento
"
depois deipsum
(i.é.um incorretamente cotados frase) você vai acabar com:['foo', 'bar', 'lorem', 'ipsum', 'baz']
Outras dicas
Tente isso:
var input = 'foo bar "lorem ipsum" baz';
var R = /(\w|\s)*\w(?=")|\w+/g;
var output = input.match(R);
output is ["foo", "bar", "lorem ipsum", "baz"]
Observação não há nenhum extra aspas duplas ao redor do lorem ipsum
Embora ele assume que a entrada tem as aspas no lugar certo:
var input2 = 'foo bar lorem ipsum" baz'; var output2 = input2.match(R);
var input3 = 'foo bar "lorem ipsum baz'; var output3 = input3.match(R);
output2 is ["foo bar lorem ipsum", "baz"]
output3 is ["foo", "bar", "lorem", "ipsum", "baz"]
E não lidar com escapou aspas duplas (que é um problema?):
var input4 = 'foo b\"ar bar\" \"bar "lorem ipsum" baz';
var output4 = input4.match(R);
output4 is ["foo b", "ar bar", "bar", "lorem ipsum", "baz"]
como cerca de,
output = /(".+?"|\w+)/g.exec(input)
em seguida, fazer um passe na saída para perder as aspas.
como alternativa,
output = /"(.+?)"|(\w+)/g.exec(input)
em seguida, fazer uma passagem n saída perder o vazio captura.
Muito obrigado pela resposta rápida!
Aqui está um resumo das opções, para a posteridade:
var input = 'foo bar "lorem ipsum" baz';
output = input.match(/("[^"]+"|[^"\s]+)/g);
output = input.match(/"[^"]*"|\w+/g);
output = input.match(/("[^"]*")|([^\s"]+)/g)
output = /(".+?"|\w+)/g.exec(input);
output = /"(.+?)"|(\w+)/g.exec(input);
Para o registro, aqui está a abominação eu tinha vindo acima com:
var input = 'foo bar "lorem ipsum" "dolor sit amet" baz';
var terms = input.split(" ");
var items = [];
var buffer = [];
for(var i = 0; i < terms.length; i++) {
if(terms[i].indexOf('"') != -1) { // outer phrase fragment -- N.B.: assumes quote is either first or last character
if(buffer.length === 0) { // beginning of phrase
//console.log("start:", terms[i]);
buffer.push(terms[i].substr(1));
} else { // end of phrase
//console.log("end:", terms[i]);
buffer.push(terms[i].substr(0, terms[i].length - 1));
items.push(buffer.join(" "));
buffer = [];
}
} else if(buffer.length != 0) { // inner phrase fragment
//console.log("cont'd:", terms[i]);
buffer.push(terms[i]);
} else { // individual term
//console.log("standalone:", terms[i]);
items.push(terms[i]);
}
//console.log(items, "\n", buffer);
}
items = items.concat(buffer);
//console.log(items);
'foo bar "lorem ipsum" baz'.match(/"[^"]*"|\w+/g);
o delimitadora citações incluídas embora
Uma simples expressão regular irá fazer, mas deixe as aspas.exemplo:
'foo bar "lorem ipsum" baz'.match(/("[^"]*")|([^\s"]+)/g)
output: ['foo', 'bar', '"lorem ipsum"', 'baz']
editar:espancado por shyamsundar, desculpe pelo duplo resposta
Um que é fácil de entender e uma solução geral.Funciona para todos os delimitadores e 'juntar' caracteres.Também suporta associados' as palavras que são mais do que duas palavras....ie listas como
"hello my name is 'jon delaware smith fred' I have a 'long name'"
....
Um pouco como a resposta do CA, mas um pouco mais arrumada...
function split(input, delimiter, joiner){
var output = [];
var joint = [];
input.split(delimiter).forEach(function(element){
if (joint.length > 0 && element.indexOf(joiner) === element.length - 1)
{
output.push(joint.join(delimiter) + delimiter + element);
joint = [];
}
if (joint.length > 0 || element.indexOf(joiner) === 0)
{
joint.push(element);
}
if (joint.length === 0 && element.indexOf(joiner) !== element.length - 1)
{
output.push(element);
joint = [];
}
});
return output;
}
Se você está apenas querendo saber como criar a regex-se, você pode querer verificar para fora Expresso (Expresso link).É uma ótima ferramenta para aprender como construir expressões regulares, então você sabe que a sintaxe significa.
Quando você tiver construído a sua própria expressão, em seguida, você pode executar uma .match
sobre ele.
Isso pode ser muito tarde, resposta, mas eu estou interessado em responder
([\w]+|\"[\w\s]+\")
http://regex101.com/r/dZ1vT6/72
Puro exemplo de javascript
'The rain in "SPAIN stays" mainly in the plain'.match(/[\w]+|\"[\w\s]+\"/g)
Saídas:
["The", "rain", "in", ""SPAIN stays"", "mainly", "in", "the", "plain"]
ES6 solução de apoio:
- Dividir por espaço, exceto para dentro de aspas
- A remoção de aspas, mas não para a barra invertida escapou cotações
- Escapou citação tornar cotação
Código:
input.match(/\\?.|^$/g).reduce((p, c) => {
if(c === '"'){
p.quote ^= 1;
}else if(!p.quote && c === ' '){
p.a.push('');
}else{
p.a[p.a.length-1] += c.replace(/\\(.)/,"$1");
}
return p;
}, {a: ['']}).a
Saída:
[ 'foo', 'bar', 'lorem ipsum', 'baz' ]