ruby - 在 Ruby 中按字符集对字符串进行分区/拆分

Question

如何分隔字符串中的不同字符集？例如，如果我有这些字符集：

[a-z]
[A-Z]
[0-9]
[\s]
{everything else}

这个输入：

thisISaTEST***1234pie

然后我想分隔不同的字符集，例如，如果我使用换行符作为分隔符：

this
IS
a
TEST
***
1234
pie

我已经尝试过这个正则表达式，具有积极的前瞻性：

'thisISaTEST***1234pie'.gsub(/(?=[a-z]+|[A-Z]+|[0-9]+|[\s]+)/, "\n")

但显然+s 并没有贪心，因为我得到：

t
h
# (snip)...
S
T***
1
# (snip)...
e

我剪掉了不相关的部分，但正如你所看到的，每个字符都算作它自己的字符集，除了{everything else}字符集。

我怎样才能做到这一点？它不一定必须是正则表达式。将它们拆分成一个数组也可以。

score 4 · Accepted Answer

困难的部分是匹配与正则表达式其余部分不匹配的任何内容。忘记这一点，想想一种可以将不匹配的部分与匹配的部分混合在一起的方法。

"thisISaTEST***1234pie"
.split(/([a-z]+|[A-Z]+|\d+|\s+)/).reject(&:empty?)
# => ["this", "IS", "a", "TEST", "***", "1234", "pie"]

score 1 · Accepted Answer

在 ASCII 字符集中，除了字母数字和空格之外，还有 32 个“标点”字符，它们与属性构造相匹配\p{punct}。

要将字符串拆分为单个类别的序列，您可以编写

str = 'thisISaTEST***1234pie'
p str.scan(/\G(?:[a-z]+|[A-Z]+|\d+|\s+|[\p{punct}]+)/)

输出

["this", "IS", "a", "TEST", "***", "1234", "pie"]

或者，如果您的字符串包含 ASCII 集之外的字符，您可以根据属性编写整个内容，如下所示

p str.scan(/\G(?:\p{lower}+|\p{upper}+|\p{digit}+|\p{space}|[^\p{alnum}\p{space}]+)/)

score 0 · Accepted Answer

这里有两个解决方案。

String#scan使用正则表达式

str = "thisISa\n TEST*$*1234pie"

r = /[a-z]+|[A-Z]+|\d+|\s+|[^a-zA-Z\d\s]+/
str.scan r
  #=> ["this", "IS", "a", "\n ", "TEST", "*$*", "1234", "pie"]

因为在该字符类^的开头匹配除字母（小写和大写）、数字和空格以外的任何字符。[^a-zA-Z\d\s]

首先，一个辅助方法：

def type(c)
  case c
  when /[a-z]/ then 0
  when /[A-Z]/ then 1
  when /\d/    then 2
  when /\s/    then 3
  else              4
  end
end

例如，

type "f"   #=> 0
type "P"   #=> 1
type "3"   #=> 2
type "\n"  #=> 3
type "*"   #=> 4

然后

str.each_char.slice_when { |c1,c2| type(c1) != type(c2) }.map(&:join)
  #=> ["this", "IS", "a", "TEST", "***", "1234", "pie"]

^{1.slich_when在Ruby v2.4中首次亮相。}

score -1 · Accepted Answer

非单词、非空格字符可以用覆盖[^\w\s]，所以：

"thisISaTEST***1234pie".scan /[a-z]+|[A-Z]+|\d+|\s+|[^\w\s]+/
#=> ["this", "IS", "a", "TEST", "***", "1234", "pie"]

4 回答 4