正则表达式（或其他建议）来解析 Hashtag

Question

我正在尝试解析从主题标签中获得的字符串，到目前为止，看起来正则表达式 可能 是最干净的方法。模式，带解释，如下：

#p3                  -> p = 3
#h4                  ->         h = [ 4 ]
#h4,h6               ->         h = [ 4, 6 ]
#p3,h4,h6            -> p = 3,  h = [ 4, 6 ]
#h4,h6,p3            -> p = 3,  h = [ 4, 6 ]
#h4s2,6,10           ->         h = [ 4 ],    s = { "4": [ 2, 6, 10 ] }
#h4s2,6,10,h6s5      ->         h = [ 4, 6 ], s = { "4": [ 2, 6, 10 ] , "6": [ 5 ] }
#p20h4s2,6,10,h6s5,1 -> p = 20, h = [ 4, 6 ], s = { "4": [ 2, 6, 10 ] , "6": [ 5, 1 ] }

正如我所说，我认为正则表达式可能是我最好的选择，但它也是任何复杂事物的弱点。

如果您有其他建议/解决方案，我欢迎他们。我可以使用if/else 和很多indexOf 和splits 等等来做到这一点......但我确信一定有比这更好的方法。

更新：左边的输出最好被认为是一种解释。虽然这是理想的最终结果，但正则表达式解决方案不必解决全部问题，但也许可以让我参与其中。另外，重申一下，我正在使用 Javascript。

Answer 1

您可能可以使用单个表达式来确定特定行是否有效，但如果您尝试基于输入字符串构建结构，那么您可能应该采用两步标记化/解析方案因为这会简化事情。

从外观上看，您拥有三种类型的令牌：p、h 和 s。每个令牌都是一个字母，后跟一个数字（在s 的情况下，后跟更多数字）。

所以我会从一个标记器开始，旨在将字符串转换为一系列抽象标记。每个标记都可以使用正则表达式进行匹配。

让我们使用这个字符串：#p20h4s2,6,10,h6s5,1。虽然仍有剩余输入，但您将根据剩余输入创建一个标记序列。

您的第一个令牌是p，其值为20。然后你有一个h，其值为4。然后是一个s，其值为[2,6,10]，以此类推。要确定哪个标记是哪个，请使用一个非常简单的正则表达式。 p 的表达式可以是 p\d+。 h 可能是 h\d+。 s 看起来应该是 s(\d+)(,\d+)*。

标记化步骤的结果是一系列对象，如下所示：{ p(20), h(4), s(2,6,10), h(6), s(5,1) }。此时，您可以确定s(2,6,10) 是h(4) 的一部分并构建您的结构，而不必担心结构的字符串表示。

现在，至于在 JavaScript 中实际实现这一点，它不会太难。标记序列可以是一个数组，您可以使用 if/else 块和上面的正则表达式找到标记。

重要的是将使用字符串表示（标记化）的部分与使用抽象表示（解析）的部分分开。它在概念上使事情变得简单得多。如果您以后需要它们，通过这种方式添加新类型的令牌也更容易。

Answer 2

这里有一些代码可以做到这一点。

var p, h = [], s = {};

var re = /[ph][0-9]+|s[0-9,]*[0-9]/g;
var a;
while ((a = re.exec(myhashtag)) !== null) {
    var first = a[0].substring(0, 1);
    var rest = a[0].substring(1);
    if (first == 'p')
        p = parseInt(rest);
    else if (first == 'h')
        h.push(parseInt(rest));
    else {
        a = rest.split(',');
        for (var i = 0; i < a.length; i++)
            a[i] = parseInt(a[i]);
        s[h[h.length - 1]] = a;
    }
}

这仅使用正则表达式来查找所有看起来像 p3 或 h4 或 s3,4,5 的主题标签。剩下的就是普通的 JavaScript。

此代码非常松懈。如果主题标签中包含无法解析的垃圾，例如#p3_banana_*q4，则此代码将忽略它。如果主题标签包含此类废话，最好编写更严格的代码以引发错误。

Answer 3

正则表达式用于确定给定模式是否存在，并可能对其进行操作（替换、删除等）。你想做的不止于此；您想确定是否存在模式，然后基于此进行某种解析。如果是我，我会执行如下（伪代码如下）：

if(string_begins_with('#')) { 如果（字符串包含（'p'））{ // 使用一些“CSV-to-array”函数获取数字 } if(string_contains('h') { foreach('h') { // 检查 's' 跟随，做 csv-to-array 的事情 } } }

编辑：如果你真的想走这条路，你将不得不使用前瞻。假设p在开头是固定的：

/
^\#
(p[\d,]+)?   # find the 'p'
(            # beginning of 'find the "h"' code
    h([[0-9],])  # find the 'h'
    (?=          # beginning of lookahead for 's'
        (s([[0-9],])+)?  # code for s, including a final ? since it may not 
                         # be there at all. I'm not sure if this part will work.
    )           # end of lookahead
)+            # end of code for 'h', + since you may have more than one 'h'
/

这可能需要一些工作，但这是一个开始。