iCalendar 的正则表达式解析（Ruby 正则表达式）答案

【问题标题】：Regex parsing of iCalendar (Ruby regex)iCalendar 的正则表达式解析（Ruby 正则表达式）
【发布时间】：2012-10-17 05:08:09
【问题描述】：

我正在尝试使用正则表达式解析 iCalendar (RFC2445) 输入。

下面是输入的 [简化] 示例：

BEGIN:VEVENT
abc:123
def:456
END:VEVENT
BEGIN:VEVENT
ghi:789
END:VEVENT

我想要一个匹配数组：“外部”匹配是每个 VEVENT 块，内部匹配是每个字段：值对。

我已经尝试过这种变体：

BEGIN:VEVENT\n((?<field>(?<name>\S+):\s*(?<value>\S+)\n)+?)END:VEVENT

但是考虑到上面的输入，结果似乎每个匹配的 VEVENT 只有一个字段，尽管 +?在捕获组上：

**Match 1**
field   def:456
name    def
value   456

**Match 2**
field   ghi:789
name    ghi
value   789

在第一场比赛中，我希望有两个字段：abc:123 和 def:456 匹配...

我确定这是一个新手错误（因为在正则表达式方面我似乎永远是一个新手......） - 但也许你可以指出我正确的方向？

谢谢！

【问题讨论】：

你为什么要自己解析这个而不是使用像github.com/sdague/icalendar#readme这样的gem？
很好的问题：事实证明我（目前）正在使用 ri_cal（另一个伟大的宝石）但是：1）它构建了所有事件的完整内存表示，这是一个巨大的东西 - 我只需要解析单个项目，并且 2）我的输入文件通常是伪造的，而 gems 往往难以处理这些。但事实上，这是我目前的方法，所以你是正确的。

标签： ruby regex icalendar rfc2445 rfc5545

【解决方案1】：

使用icalendar gem。请参阅Parsing iCalendars 部分了解更多信息。

【讨论】：

谢谢，确实，我已经在使用 iCalendar 解析器之一了 - 但出于各种原因（包括对正则表达式的好奇），我仍然很想知道原始帖子的答案。跨度>

【解决方案2】：

我认为问题在于 ruby MatchData 对象，即正则表达式返回其结果的对象，没有任何规定可以提供多个具有相同名称的值。所以你的第二场比赛会覆盖第一场比赛。

【讨论】：

【解决方案3】：

你需要一个嵌套的scan。

string.scan(/^BEGIN:VEVENT\n(.*?)\nEND:VEVENT$/m).each.with_index do |item, i|
  puts
  puts "**Match #{i+1}**"
  item.first.scan(/^(.*?):(.*)$/) do |k, v|
    puts "field".ljust(7)+"#{k}:#{v}"
    puts "name".ljust(7)+"#{k}"
    puts "value".ljust(7)+"#{v}"
  end
end

将给予：

**Match 1**
field   abc:123
name    abc
value   123
field   def:456
name    def
value   456

**Match 2**
field   ghi:789
name    ghi
value   789

【讨论】：

【解决方案4】：

Ruby 有一个很少使用的方法slice_before 非常适合这种需求：

'BEGIN:VEVENT
abc:123
def:456
END:VEVENT
BEGIN:VEVENT
ghi:789
END:VEVENT'.split("\n").slice_before(/^BEGIN:VEVENT/).to_a

结果：

[["BEGIN:VEVENT", "abc:123", "def:456", "END:VEVENT"],
 ["BEGIN:VEVENT", "ghi:789", "END:VEVENT"]]

从那里抓取内部数组元素很简单：

'BEGIN:VEVENT
abc:123
def:456
END:VEVENT
BEGIN:VEVENT
ghi:789
END:VEVENT'.split("\n").slice_before(/^BEGIN:VEVENT/).map{ |a| a[1 .. -2] }

这是：

[["abc:123", "def:456"], ["ghi:789"]]

而且，从那里使用map 和split(':') 分解每个结果字符串是微不足道的。

不要被正则表达式的诱惑，试图做所有事情。它们在特定的地方非常强大和方便，但通常有更简单、更易于维护的解决方案。

【讨论】：

【解决方案5】：

您需要将您的正则表达式拆分为一个匹配 VEVENT 和一个匹配名称/值对。然后您可以使用嵌套的scan 来查找所有出现的事件，例如。 G。

str.scan(/BEGIN:VEVENT((?<vevent>.+?))END:VEVENT/m) do
  $~[:vevent].scan(/(?<field>(?<name>\S+?):\s*(?<value>\S+?))/) do
    p $~[:field], $~[:name], $~[:value]
  end
end

str 是您的输入。这输出：

"abc:1"
"abc"
"1"
"def:4"
"def"
"4"
"ghi:7"
"ghi"
"7"

如果你想让代码更具可读性，我建议你 require 'english' 并将 $~ 替换为 $LAST_MATCH_INFO

【讨论】：

这是我的方向，它似乎运作良好，并且是合理的自我记录，这比我之前尝试构建的多合一正则表达式要多！