在 ruby 中解析一个非常特殊的字符串结构（棒球数据）答案

【问题标题】：Parsing a very particular string structure in ruby (baseball data)在 ruby 中解析一个非常特殊的字符串结构（棒球数据）
【发布时间】：2012-02-14 16:57:16
【问题描述】：

我正在尝试使用来自 retrosheet.org 的数据编写一个小型棒球统计程序，但我无法解析他们的线分数据。在一场比赛中，一支球队在任何特定局中都没有得分上双，他们的线得分看起来像这样001003000（他们在第三局得分 1 分，在第六局得分 3 分）。但是，如果一支球队的得分达到两位数，则数据将如下所示00100(10)000（第三场比赛有 1 场比赛，第六场比赛有 10 场比赛）。

现在，我只是试图解析出每一局的比分并将其放入一个数组中。这是我目前所拥有的：

scores = %w{00100300800 32004300X 00(11)34000 0000(15)000X 0000(15)000(13) 10(18)47(11)8(10)3}

scores.each do |s|
  game = []
  if s.include? "("
    # HELP!
  else 
    s.each_char { |c| game << c }
  end
  puts game.join("+")
end

我确定解决方案涉及正则表达式，我不擅长，所以我一直在尝试各种糟糕的字符串操作方法。最后，我认为寻求帮助会更好。

那么，你们会怎么做呢？

【问题讨论】：

我会写一个非常小的解析器而不使用正则表达式。
有趣的是，我能写的最小的解析器确实是slower而不是正则表达式。
@louism 如果您使用基于 C 的 StringScanner，它可能会执行得更快。
@Phrogz，很高兴知道。 String#[] 和 String#each_char 的表现似乎很糟糕。

标签： ruby regex string

【解决方案1】：

你可以用scan解析那些：

s.scan(/\(\d+\)|\d/)

例如：

>> scores = %w{00100300800 32004300X 00(11)34000 0000(15)000X 0000(15)000(13) 10(18)47(11)8(10)3}
>> scores.each { |s| puts s.scan(/\(\d+\)|\d/).inspect }
["0", "0", "1", "0", "0", "3", "0", "0", "8", "0", "0"]
["3", "2", "0", "0", "4", "3", "0", "0"]
["0", "0", "(11)", "3", "4", "0", "0", "0"]
["0", "0", "0", "0", "(15)", "0", "0", "0"]
["0", "0", "0", "0", "(15)", "0", "0", "0", "(13)"]
["1", "0", "(18)", "4", "7", "(11)", "8", "(10)", "3"]

然后去掉括号并调用to_i:

s.scan(/\(\d+\)|\d/).map { |s| s[/\d+/].to_i }

例如：

>> scores.each { |s| puts s.scan(/\(\d+\)|\d/).map { |s| s[/\d+/].to_i }.inspect }
[0, 0, 1, 0, 0, 3, 0, 0, 8, 0, 0]
[3, 2, 0, 0, 4, 3, 0, 0]
[0, 0, 11, 3, 4, 0, 0, 0]
[0, 0, 0, 0, 15, 0, 0, 0]
[0, 0, 0, 0, 15, 0, 0, 0, 13]
[1, 0, 18, 4, 7, 11, 8, 10, 3]

【讨论】：

【解决方案2】：

你可以这样做：

str = '00(11)34000'
str.scan(/\d{1}|\(\d{2}\)/).map { |a| a.gsub(/[()]/, '') }
# => ["0", "0", "11", "3", "4", "0", "0", "0"]

在这里我得到像["0", "0", "(11)", "3", "4", "0", "0", "0"] 这样的数组并删除所有( 和)。我在这里不使用复杂的正则表达式 - 反而很难阅读。

【讨论】：

【解决方案3】：

这是一个非常小的解析器，可以满足您的需要：

scores = %w{00100300800 32004300X 00(11)34000 0000(15)000X 0000(15)000(13) 10(18)47(11)8(10)3}
games = []

scores.each do |s|

  game = []
  cs = s.split('')

  cs.each_with_index do |c,i| 
    if cs[i-2] == '('
      game[-1] += c
    elsif !(c == '(' || c == ')')
      game << c
    end
  end

  games << game

end

注意它的slower 比使用正则表达式。

【讨论】：

【解决方案4】：

翻转：

str = "0000(15)000X"
tmp = ""
res = []
str.each_char do |c|
  if c=='(' .. c==')' #flip-flop, read like "If we are between '('and ')'.
    tmp << c
  else
   unless tmp.empty?
     res << tmp[1..-2] 
     tmp = ""
   end 
   res << c
  end
end
p res #=>["0", "0", "0", "0", "15", "0", "0", "0", "X"]

【讨论】：