通过正则表达式拆分输入字符串

Question

如何在 Go 中通过正则表达式拆分下面的输入字符串？字符串示例：我知道如何按点拆分，但如何避免在引号中拆分？"a.b.c.d" -> ["a", "b", "c", "d"]"a."b.c".d" -> ["a", "b.c", "d"]"a.'b.c'.d" -> ["a", "b.c", "d"]

Answer 1

这是另一个选项，它的正则表达式不那么复杂。它使用垃圾桶技巧。所以真正的数据在（第一和第二）捕获组上。

它甚至适用于像这样的嵌套引号："a.'b.c'.d.e."f.g.h""只要没有 2 级或更多级别的递归（如此处："a.'b."c.d"'"，引号内引号内引号）。

正则表达式是这样的：^"|['"](\w+(?:\.\w+)*)['"]|(\w+)

和代码：

package main

import (

    "regexp"

    "fmt"

)

func main() {

    var re = regexp.MustCompile(`^"|['"](\w+(?:\.\w+)*)['"]|(\w+)`)

    var str = `"a.'b.c'.d.e."f.g.h""`

    result := re.FindAllStringSubmatch(str, -1)

    for _, m := range result {

        if (m[1] != "" || m[2] != "") {

            fmt.Print(m[1] + m[2] + "\n")

        }

    }

}

输入：

"a.'b.c'.d.e."f.g.h""

输出：

a

b.c

d

e

f.g.h

Answer 2

匹配平衡定界符对于正则表达式来说是一个复杂的问题，除非你使用类似Go pcre package 的东西。

相反，可以修改Go CSV 解析器。将其配置为用作.分隔符、惰性引号（CSV 引号为'）和可变长度记录。

package main

import (

    "encoding/csv"

    "fmt"

    "io"

    "log"

    "strings"

)

func main() {

    lines := `a.b.c.d

a.\"b.c\".d

a.'b.c'.d

`

    csv := csv.NewReader(strings.NewReader(lines))

    csv.Comma = '.'

    csv.LazyQuotes = true

    csv.FieldsPerRecord = -1

    for {

        record, err := csv.Read()

        if err == io.EOF {

            break

        }

        if err != nil {

            log.Fatal(err)

        }

        fmt.Printf("%#v\n", record)

    }

}

Answer 3

由于 go 不支持否定前瞻，我认为找到与.您要拆分的正则表达式相匹配的正则表达式并不容易/可能。相反，您可以匹配周围的文本并仅适当地捕获：

所以正则表达式本身有点难看，但这是细分（忽略转义字符）：

(\'[^.'"]+(?:\.[^.'"]+)+\')|(\"[^.'"]+(?:\.[^.'"]+)+\")|(?:([^.'"]+)\.?)|(?:\.([^.'\"]+))

此正则表达式匹配四种情况，并捕获这些匹配的某些子集：

• (\'[^.'"]+(?:\.[^.'"]+)+\')- 匹配和捕获单引号文本

• \'-'逐字匹配

• [^.'"]+- 匹配非行号和非句点的序列

• (?:\.[^.'"]+)+- 匹配句点后跟一系列非引号和非句点，根据需要重复多次。没有被捕获。

• \'-'逐字匹配

• (\"[^.'"]+(?:\.[^.'"]+)+\")- 匹配和捕获双引号文本

• 与上面相同，但带有双引号

• (?:([^.'"]+)\.?)- 匹配由可选 开始的文本.，不捕获.

• ([^.'"]+)- 匹配和捕获非报价和非句点的序列

• \.?- 可选择匹配一个句点（可选择捕获最后一位分隔文本）

• (?:\.([^.'"]+))- 匹配前面有 a 的文本.，不捕获.

• 与上面相同，但句点在捕获组之前，也是非可选的

转储捕获的示例代码：

package main

import (

    "fmt"

    "regexp"

)

func main() {

    re := regexp.MustCompile("('[^.'\"]+(?:\\.[^.'\"]+)+')|(\"[^.'\"]+(?:\\.[^.'\"]+)+\")|(?:([^.'\"]+)\\.?)|(?:\\.([^.'\"]+))")

    txt := "a.b.c.'d.e'"

    result:= re.FindAllStringSubmatch(txt, -1)

    for k, v := range result {

        fmt.Printf("%d. %s\n", k, v)

    }

}