6

我有这个正则表达式来从文本中提取双字

/[A-Za-z]+\s[A-Za-z]+/g

而这个示例文本

Mary had a little lamb

我的输出是这个

[0] - Mary had; [1] - a little;

而我的预期输出是这样的：

[0] - Mary had; [1] - had a; [2] - a little; [3] - little lamb

我怎样才能实现这个输出？据我了解，搜索索引移动到第一个匹配项的末尾。我怎样才能把它移回一个字？

4

6 回答 6

6

滥用 String.replace 函数

我使用了一个小技巧来使用这个replace函数。由于该replace函数循环匹配并允许我们指定一个函数，因此可能性是无限的。结果将在output.

var output = [];
var str = "Mary had a little lamb";
str.replace(/[A-Za-z]+(?=(\s[A-Za-z]+))/g, function ($0, $1) {
    output.push($0 + $1);
    return $0; // Actually we don't care. You don't even need to return
});

由于输出包含输入字符串中的重叠部分，因此当我们使用前瞻 1匹配当前单词时，有必要不消耗下一个单词。

正则表达式的/[A-Za-z]+(?=(\s[A-Za-z]+))/g作用与我上面所说的完全一样：它一次只会使用该[A-Za-z]+部分（正则表达式的开头）的一个单词，并预测下一个单词(?=(\s[A-Za-z]+)) 2，并捕获匹配的文本。

传递给函数的replace函数将接收匹配的字符串作为第一个参数，并在后续参数中接收捕获的文本。（还有更多 - 检查文档- 我在这里不需要它们）。由于前瞻是零宽度（不消耗输入），因此整个匹配也方便地是第一个单词。前瞻中的捕获文本将进入第二个参数。

RegExp.exec 的正确解决方案

请注意，String.replace函数会产生替换开销，因为根本不使用替换结果。如果这是不可接受的，您可以RegExp.exec在循环中使用函数重写上面的代码：

var output = [];
var str = "Mary had a little lamb";
var re = /[A-Za-z]+(?=(\s[A-Za-z]+))/g;
var arr;

while ((arr = re.exec(str)) != null) {
    output.push(arr[0] + arr[1]);
}

脚注

  1. 在其他支持可变宽度负向后看的正则表达式中，可以检索前一个单词，但 JavaScript 正则表达式不支持负向后看！。

  2. (?=pattern)是前瞻的语法。

附录

String.match不能在这里使用，因为它在g使用标志时会忽略捕获组。捕获组在正则表达式中是必需的，因为我们需要环顾四周以避免消耗输入并匹配重叠文本。

于 2012-12-29T14:09:29.667 回答
4

它可以在没有正则表达式的情况下完成

"Mary had a little lamb".split(" ")
      .map(function(item, idx, arr) { 
          if(idx < arr.length - 1){
              return item + " " + arr[idx + 1];
          }
       }).filter(function(item) {return item;})
于 2012-12-29T13:07:58.397 回答
2

这是一个非正则表达式解决方案（这不是一个真正的常规问题）。

function pairs(str) {
  var parts = str.split(" "), out = [];
  for (var i=0; i < parts.length - 1; i++) 
    out.push([parts[i], parts[i+1]].join(' '));
  return out;
}

传递你的字符串，你会得到一个数组。

演示

旁注：如果您担心输入中的非单词（为正则表达式提供案例！），您可以在循环内和循环内parts[i]运行测试。如果测试失败：不要将它们推到.parts[i+1]forout

于 2012-12-29T13:20:33.347 回答
1

您可能会喜欢的一种方式是：

var s = "Mary had a little lamb";

// Break on each word and loop
s.match(/\w+/g).map(function(w) {

    // Get the word, a space and another word
    return s.match(new RegExp(w + '\\s\\w+'));

// At this point, there is one "null" value (the last word), so filter it out
}).filter(Boolean)

// There, we have an array of matches -- we want the matched value, i.e. the first element
.map(Array.prototype.shift.call.bind(Array.prototype.shift));

如果您在控制台中运行它，您将看到["Mary had", "had a", "a little", "little lamb"].

通过这种方式，您可以保留原始的正则表达式，并且可以在其中执行您想要的其他内容。尽管周围有一些代码使它真正起作用。

顺便说一句，这段代码不是跨浏览器的。IE8及以下不支持以下功能：

  • Array.prototype.filter
  • Array.prototype.map
  • 函数.prototype.bind

但它们很容易调整。或者使用for.

于 2012-12-29T14:11:24.560 回答
0

出于对“前瞻”概念的充分推崇，我仍然提出了一个pairwise函数（demo），因为对字符流进行标记实际上是 Regex 的任务，而如何处理标记的决定取决于业务逻辑。至少，这是我的看法。

遗憾的是 Javascript 还没有成对出现，但这可以做到：

function pairwise(a, f) {
  for (var i = 0; i < a.length - 1; i++) {
     f(a[i], a[i + 1]);
  }
}

var str = "Mary had a little lamb";

pairwise(str.match(/\w+/g), function(a, b) {
  document.write("<br>"+a+" "+b);
});

​
于 2012-12-29T18:57:41.473 回答
0

开始了：

你仍然不知道正则表达式内部指针是如何工作的，所以我将通过一个小例子给你解释一下：

Mary had a little lamb用这个正则表达式/[A-Za-z]+\s[A-Za-z]+/g

在这里，正则表达式的第一部分：[A-Za-z]+将匹配Mary，因此指针将位于y

Mary had a little lamb
    ^

在下一部分（\s[A-Za-z]+）中，它将匹配一个空格，后跟另一个单词，所以......

Mary had a little lamb
        ^

指针将是单词had结束的地方。所以这是你的问题，你不希望增加正则表达式的内部指针，这是如何解决的？环顾四周是你的朋友。使用环视（lookahead 和lookbehind），您可以在不增加正则表达式的主要内部指针的情况下浏览您的文本（它会为此使用另一个指针）。

所以最后，匹配你想要的正则表达式是：([A-Za-z]+(?=\s[A-Za-z]+))

解释：

唯一认为您不知道该正则表达式的是该(?=\s[A-Za-z]+)部分，这意味着[A-Za-z]+必须后跟一个单词，否则正则表达式将不匹配。这正是您似乎想要的，因为内部指针不会增加，并且会匹配除最后一个以外的所有单词，因为最后一个不会跟一个单词。

然后，一旦你有了它，你只需要替换你现在所做的一切。

这里有一个工作示例，DEMO

于 2012-12-29T13:13:50.363 回答