动态清理字符串

Question

我在学习 puppeteer 时正在抓取网页作为一个有趣的小项目，在那段时间里，我在清理字符串以获取 有用 数据时遇到了一些问题.我想出了一些从他们那里提取我想要的数据的简单方法，但是我遇到了一些我不知道处理事情的最佳方法的极端情况。

取这个字符串

Round 1 - Foo Bar (SchoolName) over John (JC) Cena (Fake School Name) (Fall 1:19)

我想得到的数据。

• 获奖者姓名 = Foo Bar
• 获胜者的学校 =（学校名称）
• 失败者的名字 = 约翰·塞纳
• 失败者的学校 = 假学校名称

Round 1 和 - 对我来说毫无用处，它们在整个应用程序中遵循相同的结构。所以，使用只选择这些项目应该在的索引的方法，应该很容易。

此字符串中最重要的索引是over 所在的位置。一旦我找到了，我就可以搜索它周围的索引来找到我需要的其余信息在哪里。

let findOver = arr.indexOf('over')
let winnerName = arr[over - 3].concat(' ', arr[over - 2])
let winnerSchool = summaryBreakUp[over - 1]

这适用于上面的字符串，至少适用于左侧。它会获取获胜者的名字和姓氏并将他们连接起来。

我的问题是，当字符串看起来不像左侧时，如何考虑上述边缘情况。

我可以搜索所有( && ) 并捕获其中的所有数据以获得School Names，但是我需要筛选一种方法来确定哪个是学校，哪个是昵称。

任何方向将不胜感激。我还会发布更多示例，以防其他人想尝试一下。

这是对未指定对手的胜利。
Michael Macontish (Fairview) over Unknown (For.)
没有给出回合
John Heflin (Arlington) over Random Kid (Mistview) (Fall 1:59)
没有跌倒
Round 2 - Logan Paul George (High School) over Dontae Inverse (Jackson County) (Dec 3-0)

Answer 1

作为替代模式，您可以扩大匹配范围，使用非贪心点 .*? 匹配任何字符或否定字符类 [^ 以排除允许匹配的内容。

选择匹配以 - 开头的部分来启动模式。

要匹配末尾括号之间的正确部分，您可以断言括号之间的部分没有 - 或 : 使用负前瞻的数字之间。

(?:.*?\s+-\s+)?([^()]+)\s+\(([^()]+)\)\s+over\s+(.*)\s+\((?![^()]*\d[-:]\d[^()]*\))([^()]*)\)

模式匹配：

• (?:.*?\s+-\s+)? 可选匹配以<code> - </code> 结尾的部分
• ([^()]+) 捕获 group 1 以匹配除 ( 和 ) 之外的任何字符
• \s+ 匹配 1+ 个空格字符
• \(([^()]+)\) 匹配 ( 然后在 group 2 中捕获除 ( 和 ) 之外的任何字符并匹配 )
• \s+over\s+Matchover` 在 1 个或多个空白字符之间
• (.*) 捕获 group 3 中的任何字符
• \s+ 匹配 1+ 个空格字符
• \(匹配(
• (?![^()]*\d[-:]\d[^()]*\)) 负前瞻，断言括号之间没有: 或- 数字之间
• ([^()]*) 如果断言为真，则在 组 4 中捕获除 ( 和 ) 之外的任何字符
• \)匹配)

查看regex demo

const regex = /(?:.*?\s+-\s+)?([^()]+)\s+\(([^()]+)\)\s+over\s+(.*)\s+\((?![^()]*\d[-:]\d[^()]*\))([^()\n]*)\)/;
[
  "Round 1 - Foo Bar (SchoolName) over John (JC) Cena (Fake School Name) (Fall 1:19)",
  "Michael Macontish (Fairview) over Unknown (For.)",
  "John Heflin (Arlington) over Random Kid (Mistview) (Fall 1:59)",
  "Round 2 - Logan Paul George (High School) over Dontae Inverse (Jackson County) (Dec 3-0)"
].forEach(s => console.log(s.match(regex)));

Answer 2

使用正则表达式和捕获组来获取您感兴趣的位，您可能需要做一些小的整理。

您可以使用许多模式（我确信这不是最好的，但这是一个开始）：

([\w\s\(\)]+)\s\(([\s\w\.]+)\)\sover\s([\w\s\(\)]+)\s\(([\s\w\.]+)\)

这与名称匹配

• 任何字母数字、下划线、空格或括号
• 一次或多次发生

后跟一个左括号，后跟学校为

• 任何空格、字母数字、下划线或句点
• 一次或多次发生

后跟一个右括号，然后是空格，然后是单词“over”，再次空格，然后重复名称和学校模式。其他所有内容都被忽略。

---

用法：当您在 javascript 中使用正则表达式时，捕获组最终会成为结果数组中的元素。整个匹配是第一个元素，每个附加元素按顺序表示捕获组。此表达式中有 4 个捕获组，因此您最终会得到代表 name1、school1、name2 和 school2 的元素 1-5。

const re = /([\w\s\(\)]+)\s\(([\s\w\.]+)\)\sover\s([\w\s\(\)]+)\s\(([\s\w\.]+)\)/

const input = [
  'Round 1 - Foo Bar (SchoolName) over John (JC) Cena (Fake School Name) (Fall 1:19)',
'Michael Macontish (Fairview) over Unknown (For.)',
'John Heflin (Arlington) over Random Kid (Mistview) (Fall 1:59)',
'Round 2 - Logan Paul George (High School) over Dontae Inverse (Jackson County) (Dec 3-0)'
]


input.forEach( i => {
   console.log(i.match(re))
})