анализирует строки:извлечение слов и фраз [JavaScript]
-
09-06-2019 - |
Вопрос
Мне нужно поддерживать точные фразы (заключенные в кавычки) в список терминов, разделенных пробелами.Таким образом, разделения соответствующей строки по пробелу уже недостаточно.
Пример:
input : 'foo bar "lorem ipsum" baz'
output: ['foo', 'bar', 'lorem ipsum', 'baz']
Интересно, можно ли этого добиться с помощью одного RegEx вместо выполнения сложных операций синтаксического анализа или разделения и повторного соединения.
Любая помощь будет принята с благодарностью!
Решение
var str = 'foo bar "lorem ipsum" baz';
var results = str.match(/("[^"]+"|[^"\s]+)/g);
...возвращает массив, который вы ищете.
Однако обратите внимание:
- Ограничительные кавычки включены, поэтому их можно удалить с помощью
replace(/^"([^"]+)"$/,"$1")
по результатам. - Пробелы между кавычками останутся неизменными.Итак, если между
lorem
иipsum
, они будут в результате.Вы можете исправить это, запустивreplace(/\s+/," ")
по результатам. - Если нет закрытия
"
послеipsum
(т.е.неверно процитированная фраза), в итоге вы получите:['foo', 'bar', 'lorem', 'ipsum', 'baz']
Другие советы
Попробуй это:
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"]
Обратите внимание, что вокруг lorem ipsum нет дополнительных двойных кавычек.
Хотя предполагается, что входные данные имеют двойные кавычки в нужном месте:
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"]
И не будет обрабатывать экранированные двойные кавычки (это проблема?):
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"]
как насчет,
output = /(".+?"|\w+)/g.exec(input)
затем выполните проход вывода, чтобы потерять кавычки.
попеременно,
output = /"(.+?)"|(\w+)/g.exec(input)
затем выполните проход n, чтобы потерять пустые захваты.
Большое спасибо за быстрые ответы!
Вот краткое изложение вариантов для потомков:
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);
Для справки, вот какую мерзость я придумал:
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);
однако ограничивающие кавычки включаются
Простое регулярное выражение подойдет, но оставьте кавычки.например
'foo bar "lorem ipsum" baz'.match(/("[^"]*")|([^\s"]+)/g)
output: ['foo', 'bar', '"lorem ipsum"', 'baz']
редактировать:Шьямсундар опередил его, извините за двойной ответ
Тот, который легко понять и является общим решением.Работает для всех разделителей и символов соединения.Также поддерживаются «соединенные» слова длиной более двух слов....то есть списки типа
"hello my name is 'jon delaware smith fred' I have a 'long name'"
....
Немного похоже на ответ AC, но немного аккуратнее...
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;
}
Если вам просто интересно, как самостоятельно построить регулярное выражение, возможно, вам стоит попробовать Expresso (Ссылка на экспрессо).Это отличный инструмент, позволяющий научиться создавать регулярные выражения и знать, что означает их синтаксис.
Когда вы создадите свое собственное выражение, вы можете выполнить .match
в теме.
Возможно, это очень поздний ответ, но мне интересно ответить.
([\w]+|\"[\w\s]+\")
http://regex101.com/r/dZ1vT6/72
Пример чистого JavaScript
'The rain in "SPAIN stays" mainly in the plain'.match(/[\w]+|\"[\w\s]+\"/g)
Выходы:
["The", "rain", "in", ""SPAIN stays"", "mainly", "in", "the", "plain"]
Решение ES6, поддерживающее:
- Разделено пробелами, за исключением внутренних кавычек.
- Удаление кавычек, но не для кавычек с обратной косой чертой
- Сбежавшая цитата становится цитатой
Код:
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
Выход:
[ 'foo', 'bar', 'lorem ipsum', 'baz' ]