使用正则表达式解析字符串 - 可选捕获组

Question

我正在尝试解析和标记食谱。成分可以用两种主要方式编写：

样式 1

1 Ripe Avocado

1x Ripe Avocado - x 是可选的，有时会出现

或：

样式 2

1 Ripe Avocado (lrg) 123

1x Ripe Avocado (lrg) 123 - 如果存在缩写，那么是项目代码整数

我正在尝试 a)检测它是否与样式 1 或 2 匹配和 b)标记为以下捕获组。

[1][Ripe Avocado][lrg]?[123]?

我似乎无法始终如一地解析这个，所以任何帮助将不胜感激！

编辑：

^(\d+)x? ([a-zA-Z0-9_', -]+) 是我所拥有的，但它没有考虑到样式 2 中的可选捕获组。

Answer 1

您可以使用带有可选第二部分的模式来表示缩写和项目代码整数。您可以在为您提供 2 个组和 2 个可选组的捕获组中捕获的值。

如果您想匹配空白字符而不是只匹配空格，您可以使用 \s 代替。

假设这些是单词并且可以通过使用单词字符\w 进行匹配，您可以使用：

\b(\d+)x? (\w+(?: \w+)*)(?: \(([^()]+)\) (\d+))?\b

说明

（为清楚起见，空格表示为[ ]）

• \b字边界
• (\d+)x? 捕获组 1，匹配 1+ 位然后匹配可选的 x
• [ ](\w+(?: \w+)*) 匹配一个空格，然后在第 2 组中捕获匹配 1+ 个单词字符并重复 0+ 次空格和 1+ 个单词字符
• (?:非捕获组
  • [ ]\( 匹配空间和(
  • ([^()]+) 捕获组 3，不匹配 () 使用否定字符类
  • \)匹配)
  • 匹配一个空格并在第 4 组中捕获匹配 1 个以上的数字
• )? 关闭非捕获组并将其设为可选，因此第 3 组和第 4 组是可选的
• \b字边界

Regex demo

Answer 2

在我看来，样式 1 和样式 2 非常相似。 我会使用这个正则表达式来提取所有必要的组：

/(\d+).? ([\w ]*) ?(?>\((.*)\) (.*))?/

然后，您可以根据匹配组 3 和 4 的存在来确定是样式 1 还是样式 2。

仅供参考，您可以使用非常有用的 regex101 来验证正则表达式： https://regex101.com/r/0LYxdc/1

干杯

卢卡斯