9

我需要在以空格分隔的术语列表中支持确切的短语（用引号括起来）。因此，用空格字符分割相应的字符串是不够的。

例子：

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

我想知道这是否可以通过单个 RegEx 来实现，而不是执行复杂的解析或拆分和重新加入操作。

任何帮助将不胜感激！

4

10 回答 10

15 
var str = 'foo bar "lorem ipsum" baz';  
var results = str.match(/("[^"]+"|[^"\s]+)/g);

... 返回您要查找的数组。
但是请注意：

  • 包括边界引号，因此可以replace(/^"([^"]+)"$/,"$1")在结果中删除。
  • 引号之间的空格将保持不变。lorem因此，如果和之间有三个空格ipsum，它们就会出现在结果中。您可以通过运行replace(/\s+/," ")结果来解决此问题。
  • 如果之后没有结束"（ipsum即错误引用的短语），您最终会得到：['foo', 'bar', 'lorem', 'ipsum', 'baz']
于 2008-09-15T17:59:11.137 回答
3

试试这个：

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"]

请注意，lorem ipsum 周围没有额外的双引号

虽然它假设输入在正确的位置有双引号：

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"]

并且不会处理转义的双引号（这是一个问题吗？）：

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"]
于 2008-09-15T18:16:42.123 回答
2

一个简单的正则表达式就可以了，但要留下引号。例如

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

编辑：被 shyamsundar 打败，对不起双重答案

于 2008-09-15T17:49:19.227 回答
2

非常感谢您的快速回复！

以下是选项的摘要，供后人参考：

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);

为了记录，这是我想出的可憎之处：

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);
于 2008-09-15T18:45:23.990 回答
1 
'foo bar "lorem ipsum" baz'.match(/"[^"]*"|\w+/g);

边界引号被包括在内

于 2008-09-15T17:43:48.910 回答
1

怎么样，

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

然后传递输出以丢失引号。

交替，

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

然后执行 pass n 输出以丢失空捕获。

于 2008-09-15T17:50:11.190 回答
1

ES6 解决方案支持：

  • 除内引号外按空格分隔
  • 删除引号但不删除反斜杠转义引号
  • 转义报价变成报价

代码：

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

输出：

[ 'foo', 'bar', 'lorem ipsum', 'baz' ]
于 2017-10-26T05:37:11.827 回答
0

一个易于理解和通用的解决方案。适用于所有分隔符和“加入”字符。还支持长度超过两个单词的“加入”单词....即列表，如

"hello my name is 'jon delaware smith fred' I have a 'long name'"……

有点像 AC 的答案，但更整洁......

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;
  }
于 2013-06-05T16:34:46.063 回答
0

这可能是一个很晚的答案，但我有兴趣回答

([\w]+|\"[\w\s]+\")

http://regex101.com/r/dZ1vT6/72

纯javascript示例

 'The rain in "SPAIN stays" mainly in the plain'.match(/[\w]+|\"[\w\s]+\"/g)

输出：

["The", "rain", "in", ""SPAIN stays"", "mainly", "in", "the", "plain"]
于 2014-10-29T09:31:20.500 回答
0

扩展接受的答案，这是一个搜索引擎解析器，

  • 可以匹配短语或单词
  • 将短语视为正则表达式
  • 跨多个属性（例如 item.title 和 item.body）进行布尔 OR
  • 处理前缀为 - 的单词或短语的否定

将短语视为正则表达式使 UI 更简单。

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']))

于 2020-10-20T15:00:40.183 回答