基于分隔符从字符串中提取子字符串

Question

我正在尝试从编码的二维条码中提取数据。提取部分工作正常，我可以在文本输入中获取值。

例如，解码后的字符串是

]d20105000456013482172012001000001/:210000000001

基于以下规则（无法获得正确的表格降价，因此附上图片），我正在尝试从上述字符串中提取子字符串。

我要提取的子串：

05000456013482（在分隔符01之后）

201200（在分隔符 17 之后）

00001（在分隔符 10 之后）

0000000001（在分隔符 21 之后）

P.S - > 原始字符串 (]d2) 中的前 3 个字符始终相同，因为它只是简单地表示解码方法。

现在有些怪癖：

1) 分隔符10 后的字母数不固定。因此，在上面给出的示例中，即使它是 00001，它也可能是 001。同样，分隔符21 之后的字母数量也不是固定的，它可以是不同的长度。

对于不同长度的分隔符，我添加了一个常量/: 来确定通过手持设备扫描后编码何时结束。

现在，我在分隔符 10 之后查找 /: 并提取字符串直到它到达 /: 或 EOL 并找到分隔符 21 并删除字符串直到它到达 /: 或 EOL

2) 分隔符01 和17 后的字母数量始终是固定的（分别为14 个字母和6 个字母），如表所示。

注意：分隔符的位置可能会改变。换句话说，编码的条形码可以以不同的顺序书写。

]d20105000456013482172012001000001/:210000000001 - 注意：否/: 21组后签名，因为它是EOL

]d2172012001000001/:210000000001/:0105000456013482 - 注意：两者都是 10和 21 组有/. 标志表示我们必须提取直到那个标志

]d21000001/:210000000001/:010500045601348217201200 - 前两个是长度不等，接下来的两个是固定长度。

我不是正则表达式方面的专家，到目前为止，我只尝试使用一些简单的模式，例如 (01)(\d*)(21)(\d*)(10)(\d*)(17)(\d*)$，这在给定的示例中不起作用，因为它会像前 2 个字符一样查找 10 个字符。此外，使用substring(x, x) 方法仅适用于固定长度字符串的情况，前提是我知道我必须提取字符串的哪些索引。

P.S - 感谢 JS 和 jQuery 帮助。

Answer 1

虽然您可以尝试制作一个非常复杂的正则表达式来执行此操作，但逐步解析字符串会更具可读性和可维护性。

基本步骤是：

1. 删除解码方法字符 (]d2)。
2. 从第 1 步的结果中拆分出前两个字符。
3. 使用它来选择提取数据的方法
4. 从字符串中删除并保存该数据，转到第 2 步重复直到用完字符串。

现在，由于您有一个 AI/数据结构表，您可以使用多种方法来提取不同形式的数据

比如AI: 01, 11, 15, 17都是定长的，你可以用字符串的slice方法加上长度

str.slice(0,14); //for 01
str.slice(0,6);  //for 11 15 17

虽然像 AI 21 这样的变量会是这样的

var fnc1 = "/:";
var fnc1Index = str.indexOf(fnc1);
str.slice(0,fnc1Index);

演示

var dataNames = {
  '01': 'GTIN',
  '10': 'batchNumber',
  '11': 'prodDate',
  '15': 'bestDate',
  '17': 'expireDate',
  '21': 'serialNumber'
};

var input = document.querySelector("input");
document.querySelector("button").addEventListener("click",function(){
  var str = input.value;
  console.log( parseGS1(str) );
});

function parseGS1(str) {
  var fnc1 = "/:";
  var data = {};
  
  //remove ]d2
  str = str.slice(3);
  while (str.length) {
    //get the AI identifier: 01,10,11 etc
    let aiIdent = str.slice(0, 2);
    //get the name we want to use for the data object
    let dataName = dataNames[aiIdent];
    //update the string
    str = str.slice(2);

    switch (aiIdent) {
      case "01":
        data[dataName] = str.slice(0, 14);
        str = str.slice(14);
        break;
      case "10":
      case "21":
        let fnc1Index = str.indexOf(fnc1);
        //eol or fnc1 cases
        if(fnc1Index==-1){
          data[dataName] = str.slice(0);
          str = "";
        } else {
          data[dataName] = str.slice(0, fnc1Index);
          str = str.slice(fnc1Index + 2);
        }
        break;
      case "11":
      case "15":
      case "17":
        data[dataName] = str.slice(0, 6);
        str = str.slice(6);
      break;
      default:
        console.log("unexpected ident encountered:",aiIndent);
        return false;
        break;
    }
  }
  return data;
}

<input><button>Parse</button>

Answer 2

好的，这是我对此的看法。我创建了一个匹配所有可能模式的正则表达式。这样所有部分都被正确分割，剩下的就是使用前两位数字来了解它的含义。

^\]d2(?:((?:10|21)[a-zA-Z0-9]{1,20}(?:\/:|$))|(01[0-9]{14})|((?:11|15|17)[0-9]{6}))*

我建议您将其复制到 regex101.com 以读取完整的描述符并针对不同的可能结果进行测试。

有3个主要部分：

((?:10|21)[a-zA-Z0-9]{1,20}(?:\/:|$))

对从 10 和 21 开始的部分进行测试。它会查找 1 到 20 次之间的字母数字实体。它应该以EOL 或/: 结尾

(01[0-9]{14})

查找 GTIN，非常简单。

((?:11|15|17)[0-9]{6})

查找 3 个日期字段。

由于我们希望这 3 个片段可以按任意顺序排列，因此我将它们粘在一起 |暗示 OR 并期望这个大序列重复（* 在末尾表示 0 或更多，我们可以定义确切的最小值和最大值以提高可靠性）

我不确定这是否适用于所有内容，因为您提供的测试字符串不包含实际值中的标识符...很可能产品的最佳使用日期是在一月份，因此其中会有一个 01价值。但是强制正则表达式以这种方式执行应该可以避免其中的一些问题。

编辑：捕获组仅捕获最后一次出现，因此我们需要拆分它们的定义：

^\]d2(?:(21[a-zA-Z0-9]{1,20}(?:\/:|$))|(10[a-zA-Z0-9]{1,20}(?:\/:|$))|(01[0-9]{14})|(11[0-9]{6})|(15[0-9]{6})|(17[0-9]{6}))*

再次编辑：Javascript 似乎让我们有些头疼...我不确定处理它的正确方法，但这里有一个可以工作的示例代码。

var str = "]d20105000456013482172012001000001/:210000000001";
var r = new RegExp("(21[a-zA-Z0-9]{1,20}(?:\/:|$))|(10[a-zA-Z0-9]{1,20}(?:\/:|$))|(01[0-9]{14})|(11[0-9]{6})|(15[0-9]{6})|(17[0-9]{6})", "g");
var i = 0;
while ((match = r.exec(str)) != null) {
  console.log(match[0]);
}

不过，我对结果并不满意。可能会有更好的解决方案。