parsings chaînes: l'extraction des mots et des phrases [JavaScript]

J'ai besoin de soutien phrases exactes (entre guillemets) dans un espace séparé d'une liste de termes.
Ainsi, le fractionnement de la respectifs par l'espace-personnage n'est pas plus suffisantes.

Exemple:

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

Je me demande si cela pourrait être réalisé avec une seule RegEx, plutôt que de procéder à des complexes d'analyse ou split-et-rejoindre opérations.

Toute aide serait grandement appréciée!

OriginalL'auteur |

13
```
var str = 'foo bar "lorem ipsum" baz';  
var results = str.match(/("[^"]+"|[^"\s]+)/g);
```
... retourne un tableau que vous cherchez.

Remarque, cependant:
- Cadre guillemets sont inclus, peut donc être éliminé avec replace(/^"([^"]+)"$/,"$1") sur les résultats.
- Espaces entre les guillemets restera intact. Donc, s'il y a trois espaces entre lorem et ipsum, ils vont être dans le résultat. Vous pouvez résoudre ce problème en exécutant replace(/\s+/," ") sur les résultats.
- Si il n'y a pas de clôture " après ipsum (c'est à dire d'une manière incorrecte-phrase entre guillemets), vous vous retrouverez avec: ['foo', 'bar', 'lorem', 'ipsum', 'baz']
Le seul problème avec ceci est que toutes les citations sont extraites à - dire citer les personnages eux-mêmes ne sont pas consultables.
Très bien, seul à ne pas trouver scape citer, comme ceci: ['foo', 'bar', 'lorem \' ipsum', 'baz']

OriginalL'auteur yoz

Essayez ceci:

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"]

Remarque il n'y a pas de supplément de guillemets autour de lorem ipsum

Bien qu'il suppose que l'entrée a la double guillemets au bon endroit:

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"]

Et de ne pas gérer échappé guillemets doubles (est-ce un problème?):

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"]

OriginalL'auteur Sam Hasler

1

que diriez-vous,
```
output = /(".+?"|\w+)/g.exec(input)
```
ensuite faire une passe sur la sortie de perdre les guillemets.

alternativement,
```
output = /"(.+?)"|(\w+)/g.exec(input)
```
puis de faire un passe n sortie de perdre le vide de capture.

OriginalL'auteur davidnicol

Merci beaucoup pour les réponses rapides!

Voici un résumé des options, pour la postérité:

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);

Pour mémoire, voici l'abomination que je devais venir avec:

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);

OriginalL'auteur

0
```
'foo bar "lorem ipsum" baz'.match(/"[^"]*"|\w+/g);
```
le cadre citations incluses si

OriginalL'auteur shyam
0

Une simple expression régulière vais faire, mais laisser les guillemets. par exemple,
```
'foo bar "lorem ipsum" baz'.match(/("[^"]*")|([^\s"]+)/g)
output:   ['foo', 'bar', '"lorem ipsum"', 'baz']
```
edit: battu par shyamsundar, désolé pour le double réponse

OriginalL'auteur A Nony Mouse

Un qui est facile à comprendre et à une solution générale. Fonctionne pour tous les séparateurs et les "rejoindre" les personnages. Prend également en charge 'a rejoint les mots de plus de deux mots.... ie listes comme

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

Un peu comme la réponse par CA, mais un peu plus propre...

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;
  }

OriginalL'auteur

0

Si vous êtes juste vous demandez-vous comment créer les regex vous-même, vous pourriez vouloir vérifier Expresso (Expresso lien). C'est un excellent outil pour apprendre à construire des expressions régulières afin de connaître la syntaxe des moyens.

Lorsque vous avez créé votre propre expression, vous pouvez effectuer un .match.

OriginalL'auteur
0

Ce pourrait être une réponse tardive, mais je suis intéressé à répondre à
```
([\w]+|\"[\w\s]+\")
```
http://regex101.com/r/dZ1vT6/72

Pur exemple en javascript
```
 'The rain in "SPAIN stays" mainly in the plain'.match(/[\w]+|\"[\w\s]+\"/g)
```
Sorties:
```
["The", "rain", "in", ""SPAIN stays"", "mainly", "in", "the", "plain"]
```
Ce n'est pas unicode, par exemple, il ne prend pas en charge les caractères arabes.

OriginalL'auteur

ES6 solution à l'appui:

Divisé par l'espace à l'exception de l'intérieur des guillemets
Enlever les guillemets, mais pas pour la barre oblique inverse échappé citations
Échappé citation devenir citation

Code:

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

De sortie:

[ 'foo', 'bar', 'lorem ipsum', 'baz' ]

OriginalL'auteur

Vous devez vous connecter pour publier un commentaire.