0

使用 Ruby，我正在尝试解析一些文档，在这些文档中我需要拆分文本块，每个文本块都有一个标题，后跟一个未知长度的文本，并将它们推送到一个数组；

SECTION 1. A HEADING

Some undetermined length of text,
which can be multiple lines and paragraphs.


SECTION 2. ANOTHER HEADING

Another big block of text.

应该成为

["SECTION 1. A HEADING

Some undetermined length of text,
which can be multiple lines and paragraphs.",
"SECTION 2. ANOTHER HEADING

Another big block of text."]

我可以只使用string.split(/\n\n\n/)，但我想要更具体的东西，因为我不能保证每个部分后面都有两个空行。更多的实验使我想到了这一点；

string.split(/(?:^|\n)(SECTION.+\n)/).each do |s|
  sections << s
end

但我必须再次处理输出以获得我需要的东西。

有没有什么方法可以在不需要多次通过的情况下完成这项工作？

谢谢你的帮助。

4

2 回答 2

2

您可以将String#scan与多行模式正则表达式和正预测一起使用：

text = <<ENDTEXT
SECTION 1. A HEADING

Some undetermined length of text,
which can be multiple lines and paragraphs.


SECTION 2. ANOTHER HEADING

Another big block of text.
ENDTEXT

header = /^SECTION\s+\d+\./
sections = text.scan(/(?m)#{header}.*?(?=#{header}|\Z)/)

puts sections.join("\n---\n")

# =>
SECTION 1. A HEADING

Some undetermined length of text,
which can be multiple lines and paragraphs.



---
SECTION 2. ANOTHER HEADING

Another big block of text.
于 2012-06-12T00:18:54.637 回答
1

String#scan 将为您提供所需的数组：

string.scan /^SECTION(?:(?!SECTION).)*/m
于 2012-06-12T00:17:12.603 回答