Разбор строк: извлечение слов и фраз [JavaScript]

Question

Разбор строк: извлечение слов и фраз [JavaScript]

Мне нужно поддерживать точные фразы (заключенные в кавычки) в список терминов, разделенных пробелами. Таким образом, разделения соответствующей строки пробелом больше не достаточно.

Пример:

input : 'foo bar "lorem ipsum" baz'
output: ['foo', 'bar', 'lorem ipsum', 'baz']

Интересно, можно ли это сделать с помощью одного RegEx, а не выполнять сложные операции синтаксического анализа или разделения и повторного объединения.

Любая помощь будет принята с благодарностью!

10

javascript regex parsing

Источник

15 сен '08 в 17:26

10 ответов

Решение

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 лишних двойных кавычек.

Хотя предполагается, что ввод содержит 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"]

4

Источник

user2541 15 сен '08 в 18:16

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 мерзость, которую 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);

2

Источник

15 сен '08 в 18:45

Простое регулярное выражение сделает, но оставит кавычки. например

'foo bar "lorem ipsum" baz'.match(/("[^"]*")|([^\s"]+)/g)
output:   ['foo', 'bar', '"lorem ipsum"', 'baz']

редактировать: избитый shyamsundar, извините за двойной ответ

2

Источник

user7182 15 сен '08 в 17:49

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

ограничивающие цитаты включаются, хотя

1

Источник

user7616 15 сен '08 в 17:43

Решение ES6, поддерживающее:

Разделить пробелом, кроме внутренних кавычек
Удаление кавычек, но не для кавычек с обратной косой чертой
Побег цитата стать 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' ]

1

Источник

user1309218 26 окт '17 в 05:37

Как насчет,

output = /(".+?"|\w+)/g.exec(input)

затем сделайте проход на выходе, чтобы потерять кавычки.

поочередно,

output = /"(.+?)"|(\w+)/g.exec(input)

затем выполните pass n output, чтобы потерять пустые записи.

1

Источник

user7420 15 сен '08 в 17:50

Это может быть очень поздно, 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"]

0

Источник

user2534236 29 окт '14 в 09:31

Тот, который легко понять и общее решение. Работает для всех разделителей и символов "присоединиться". Также поддерживает "соединенные" слова длиной более двух слов.... т.е. 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;
  }

0

Источник

user726986 05 июн '13 в 16:34

Расширяя принятый ответ, вот парсер поисковой системы, который,

может соответствовать фразам или словам
обрабатывает фразы как регулярные выражения
выполняет логическое ИЛИ для нескольких свойств (например, item.title и item.body)
обрабатывает отрицание слов или фраз, когда они начинаются с префикса -

Обработка фраз как регулярных выражений упрощает пользовательский интерфейс для моих целей.

         const matchOrIncludes = (str, search, useMatch = true) => {
  if (useMatch) {
    let result = false
    try {
      result = str.match(search)
    } catch (err) {
      return false
    }
    return result
  }
  return str.includes(search)
}


const itemMatches = (item, searchString, fields) => {
  const keywords = searchString.toString().replace(/\s\s+/g, ' ').trim().toLocaleLowerCase().match(/(-?"[^"]+"|[^"\s]+)/g) || []
  for (let i = 0; i < keywords.length; i++) {
    const negateWord = keywords[i].startsWith('-') ? true : false
    let word = keywords[i].replace(/^-/,'')
    const isPhraseRegex = word.startsWith('"') ? true : false
    if (isPhraseRegex) {
      word = word.replace(/^"(.+)"$/,"$1")
    }
    let word_in_item = false
    for (const field of fields) {
      if (item[field] && matchOrIncludes(item[field].toLocaleLowerCase(), word, isPhraseRegex)) {
        word_in_item = true
        break
      }
    }
    if ((! negateWord && ! word_in_item) || (negateWord && word_in_item)) {
      return false
    }
  }
  return true
}

const item = {title: 'My title', body: 'Some text'}
console.log(itemMatches(item, 'text', ['title', 'body']))

0

Источник

user2636364 20 окт '20 в 18:00

Если вам просто интересно, как создать регулярное выражение самостоятельно, вы можете попробовать Expresso ( ссылка Expresso). Это отличный инструмент, чтобы научиться создавать регулярные выражения, чтобы вы знали, что означает синтаксис.

Когда вы создали свое собственное выражение, вы можете выполнить .match в теме.

0

Источник

15 сен '08 в 18:38

Другие вопросы по тегам javascript regex parsing

user9070 15 сен '08 в 17:59 2008-09-15 17:59 · Accepted Answer · 2008-09-15 17:59

var str = 'foo bar "lorem ipsum" baz';  
var results = str.match(/("[^"]+"|[^"\s]+)/g);

... возвращает массив, который вы ищете.
Обратите внимание, однако:

Ограничивающие кавычки включены, поэтому могут быть удалены с replace(/^"([^"]+)"$/,"$1") по результатам.
Пробелы между кавычками останутся нетронутыми. Итак, если есть три пробела между lorem а также ipsum, они будут в результате. Вы можете исправить это, запустив replace(/\s+/," ") по результатам.
Если нет закрытия " после ipsum (то есть неправильно цитируемая фраза) вы получите: ['foo', 'bar', 'lorem', 'ipsum', 'baz']