如何在另一个字符串的开头匹配来自数组的字符串

Question

我想不区分大小写地匹配我数组中的一个字符串TOKENS，它位于另一个字符串的开头，后跟一个空格或行尾。

我的令牌数组如下所示：

2.4.0 :013 > TOKENS = ["m", "o"]
 => ["m", "o"]

当我尝试匹配数组中的每个元素时，它会挑选出错误的结果：

2.4.0 :009 > data_col = ["M", "b", "Mabc", "abc m b"]
 => ["M", "b", "Mabc", "abc m b"]
...
2.4.0 :015 > data_col.select{|string| string =~ /^[#{Regexp.union(TOKENS)}]([[:space:]]|$)/i }
 => ["M", "b"]

这匹配“M”和“b”条目，即使“b”没有出现在我的 TOKENS 列表中。如何修改我的正则表达式，以便只匹配正确的值“M”？

我使用的是 Ruby 2.4。

Answer 1

我会使用：

TOKENS = ["m", "o"]
DATA_COL = ["M", "b", "Mabc", "abc m b"]
RE = /^(?:#{Regexp.union(TOKENS).source})(?: |$)/i

DATA_COL.select{ |string| string[RE] }
# => ["M"]

稍微分解一下：

Regexp.union(TOKENS).source # => "m|o"
/^(?:#{Regexp.union(TOKENS).source})(?: |$)/i # => /^(?:m|o)(?: |$)/i

---

/^[#{Regexp.union(TOKENS)}]([[:space:]]|$)/i 在循环中不是一个好主意。每次通过你强制 Ruby 创建模式；效率在循环内部很重要，尤其是大循环，因此在循环外部创建模式，然后参考内部模式。

下一个问题是Regexp.union 有一个它应该匹配的正确大小写的概念：

Regexp.union(TOKENS).to_s        # => "(?-mix:m|o)"

(?-mix: 部分是正则表达式引擎记住模式标志的方式。当模式嵌入到另一个模式中时，他们继续知道应该寻找什么，导致我们咬牙切齿地哭泣：

/#{Regexp.union(TOKENS)}/i # => /(?-mix:m|o)/i

尾随 i 告诉模式它应该忽略大小写，但嵌入的 i 未设置，因此它尊重大小写。这就是打破你模式的原因。

修复方法是在嵌入时使用source，就像我在上面所做的那样。

有关详细信息，请参阅正则表达式“options”部分。