анализирует строки:извлечение слов и фраз [JavaScript]

Question

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!

Answer 1

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 и ipsum, они будут в результате.Вы можете исправить это, запустив replace(/\s+/," ") по результатам.
• Если нет закрытия " после ipsum (т.е.неверно процитированная фраза), в итоге вы получите: ['foo', 'bar', 'lorem', 'ipsum', 'baz']

Answer 2

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"]

Answer 3

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.

Answer 4

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);

Answer 5

'foo bar "lorem ipsum" baz'.match(/"[^"]*"|\w+/g);

однако ограничивающие кавычки включаются

Answer 6

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

Answer 7

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;
  }

Answer 8

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.

Answer 9

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"]

Answer 10

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' ]