如何在不编译每个表达式的情况下从正则表达式中提取不同的变量

Question

我有一个表示计算机对象大小的结构。该结构的对象由用户输入的字符串值构成；例如"50KB" 将被标记为 int 值 "50" 和字符串值 "KB"。

type SizeUnit string

const (
    B  = "B"
    KB = "KB"
    MB = "MB"
    GB = "GB"
    TB = "TB"
)

type ObjectSize struct {
    NumberOfUnits int
    Unit          SizeUnit
}

func NewObjectSizeFromString(input_str string) (*ObjectSize, error)

在这个函数的主体中，我首先检查输入值是否为有效格式；即任意位数，后跟“B”、“KB”、“MB”、“GB”或“TB”中的任何一个。然后我分别提取 int 和 string 组件并返回一个指向结构的指针。

不过，为了完成这三件事，我必须编译 3 次正则表达式。 第一次检查输入字符串的格式

rg, err := regexp.Compile(`^[0-9]+B$|KB$|MB$|GB$|TB$`)

然后再次编译获取int组件：

rg, err := regexp.Compile(`^[0-9]+`)
rg.FindString(input_str)

然后再次编译以获取字符串/单位组件：

rg, err := regexp.Compile(`B$|KB$|MB$|GB$|TB$`)
rg.FindString(input_str)

有没有办法通过一次正则表达式编译从输入字符串中获取两个组件？

完整的代码可以在Go Playground找到。

我应该指出这是一个学术问题，因为我正在尝试使用 Go 的正则表达式库。对于这种简单的用例，我可能会使用一个简单的 for 循环来解析输入字符串。

Answer 1

您可以使用 regexp.FindStringSubmatch 使用单个表达式捕获这两个值：

func NewObjectSizeFromString(input_str string) (*ObjectSize, error) {
    var defaultReturn *ObjectSize = nil
    full_search_pattern := `^([0-9]+)([KMGT]?B)$`

    rg, err := regexp.Compile(full_search_pattern)
    if err != nil {
        return defaultReturn, errors.New("Could not compile search expression")
    }
    matched := rg.FindStringSubmatch(input_str)
    if matched ==  nil {
        return defaultReturn, errors.New("Not in valid format")
    }
    i, err := strconv.ParseInt(matched[1], 10, 32)
    return &ObjectSize{int(i), SizeUnit(matched[2])}, nil
}

见the playground。

^([0-9]+)([KMGT]?B)$ 正则表达式匹配

• ^ - 字符串开头
• ([0-9]+) - 第 1 组（此值将保存在 matched[1] 中）：一位或多位数字
• ([KMGT]?B) - 第 2 组（将在 matched[2] 中）：可选的 K、M、G、T 字母，然后是 B 字母
• $ - 字符串结束。

请注意，matched[0] 将举行整场比赛。