如何在红宝石中使用匹配？答案

【问题标题】：How use match in ruby?如何在红宝石中使用匹配？
【发布时间】：2015-12-07 16:55:53
【问题描述】：

我试图从文本中获取大写单词。我怎样才能使用 .match() 呢？示例

text = "Pediatric stroke (PS) is a relatively rare disease, having an estimated incidence of 2.5–13/100,000/year [1–4], but remains one of the most common causes of death in childhood, with a mortality rate of 0.6/100,000 dead/year [5, 6]"

我需要类似的东西：

r = /[A-Z]/
puts r.match(text)

我从来没有使用过 match，我需要一个获取所有大写单词（首字母缩写词）的方法。

【问题讨论】：

预期输出是什么？
欢迎来到 Stack Overflow。我们希望看到您搜索过的地方以及这些地方没有帮助的原因，或者看到显示您尝试过的代码的示例，以及您对它为什么不起作用的解释。照原样，您要求我们编写一个使用 match 的教程，该教程在多个地方都有很好的记录。请阅读“How to Ask”，然后使用缺失的信息编辑您的问题。

标签： ruby regex string match

【解决方案1】：

如果你只想要首字母缩写词，你可以使用类似：

text = "Pediatric stroke (PS) is a relatively rare disease, having an estimated incidence of 2.5–13/100,000/year [1–4], but remains one of the most common causes of death in childhood, with a mortality rate of 0.6/100,000 dead/year [5, 6]"

text.scan(/\b[A-Z]+\b/)
# => ["PS"]

匹配整个单词很重要，这正是\b 提供帮助的地方，因为它标记了单词边界。

问题是当您的文本包含单个独立的大写字母时：

text = "Pediatric stroke (PS) I U.S.A"

text.scan(/\b[A-Z]+\b/)
# => ["PS", "I", "U", "S", "A"]

此时，我们需要对正在搜索的文本内容有更多的智能和预知。问题是，单字母首字母缩写词是否有效？如果没有，那么稍作修改会有所帮助：

text.scan(/\b[A-Z]{2,}\b/)
# => ["PS"]

{2,} 在the Regexp documentation 中进行了解释，请阅读该内容以获取更多信息。

我只想要缩写类型“ (ACRONYM) ”，在这种情况下是 PS

通过您的描述很难说出您想要什么。首字母缩写词定义为：

首字母缩写词是用作单词的缩写，由短语或单词中的初始组件组成。通常这些组件是单个字母（如 NATO 或激光）或单词或名称的一部分（如比荷卢经济联盟）。

根据Wikipedia。根据该定义，小写、全部大写和混合大小写都是有效的。

如果，你的意思是你只想要括号内的全大写，那么你可以很容易地修改正则表达式来尊重它，但是你会在你可能遇到的其他首字母缩写词上失败，要么丢失你应该想要的首字母缩写词，要么捕获其他你应该忽略的。

text = "(PS) (CT/CAT scan)"
text.scan(/\([A-Z]+\)/) # => ["(PS)"]

text.scan(/\([A-Z]+\)/).map{ |s| s[1..-2] } # => ["PS"]

text.scan(/\(([A-Z]+)\)/) # => [["PS"]]
text.scan(/\(([A-Z]+)\)/).flatten # => ["PS"]

获取文本的方式多种多样，但这只会在您查看“List of medical abbreviations”和“Medical Acronyms / Abbreviations”时打开一个新的蠕虫罐。

通常我会有一张我会接受的表格，使用一个简单的模式来捕捉任何我想要的东西，检查它是否在表格中，然后保留或拒绝它。如何做到这一点由您自己弄清楚，因为这是一个完全不同的问题，不属于这个问题。

【讨论】：

谢谢！！但是当我有文本 =“小儿中风 (PS) ..诊断通常是通过计算机断层扫描 (CT/CAT 扫描) 或磁共振...”我做 text.scan(/\b[A-Z]{2, }\b/) #=> PS、CT、CAT。我只想要首字母缩写词类型“（ACRONYM）”，在这种情况下是 PS。
您正在更改要求。当您提出问题时，您必须在问题中提供足够的信息，包括输入数据和预期输出。这里有一个问题：当“PS”和“CT”和“CAT”都是首字母缩略词时，代码如何区分它们？代码无法分辨，只有程序员才能基于对问题和数据的深入了解，我们没有，只有你有。同样，当您提出问题时告诉我们是您的工作。什么是有效的，什么是无效的，区分彼此的规则是什么？

【解决方案2】：

作业的错误功能。使用String#scan。

【讨论】：

【解决方案3】：

要获取所有以大写开头的单词，请使用 String#scan 和 \b\p{Lu}\w*\b：

text = "Pediatric stroke (PS) is a relatively rare disease, having an estimated incidence of 2.5–13/100,000/year [1–4], but remains one of the most common causes of death in childhood, with a mortality rate of 0.6/100,000 dead/year [5, 6]"
puts text.scan(/\b\p{Lu}\w*\b/).flatten

见demo

String.match() 只会为您提供第一个匹配项，而scan 将返回所有匹配项。

正则表达式\b\p{Lu}\w*\b 匹配：

\b - 字边界
\p{Lu} - 一个大写的 Unicode 字母
\w* - 0 个或多个字母数字字符
\b - 词尾边界

要仅匹配语言单词（由字母组成），您可以使用

puts text.scan(/\b\p{Lu}\p{M}*+(?>\p{L}\p{M}*+)*\b/).flatten

见another demo

在这里，\p{Lu}\p{M}*+ 匹配任何 Unicode 大写字母（即使是预先组合的 \p{M} 匹配变音符号），(?>\p{L}\p{M}*+)* 匹配 0 个或多个字母。

要仅获取全大写单词，请使用

puts text.scan(/\b(?>\p{Lu}\p{M}*+)+\b/).flatten

见the 3rd demo

【讨论】：

不必使用\w*\b。 \w* 将拾取单词字符并停在\w*\b 所做的相同位置。此外，\w 不完全是“单词”的定义，它是“变量”的常见定义，因为它包含可能导致误报的[a-z0-9_]。我建议收紧推荐的模式。 flatten 不应该是必需的，因为您没有使用捕获。
我认为\w 在大多数情况下已经足够了。但是，我更新了一个仅匹配语言单词的解决方案。
其实\w* 部分正确，但我认为它不能满足 OP 的需求。
由于 OP 不清楚（我需要一种获取所有大写单词（首字母缩写词）的方法）我添加了两种不同的解决方案。

【解决方案4】：

是的，您可以为此使用String#match。这可能不是最好的方法，但你没有问是否是。你必须这样做：

text.split.map { |s| s.match(/[A-Z]\w*/) }.compact.map { |md| md[0] }
  #=> ["Pediatric", "PS"]

如果您事先知道text 包含两个以大写字母开头的单词，您可以这样写：

text.match(/([A-Z]\w*).*([A-Z]\w*)/)
[$1,$2]
  #=> ["Pediatric", "PS"]

请注意，使用正则表达式不是您唯一的选择：

text.delete('.,!?()[]{}').split.select { |str| ('A'..'Z').cover?(str[0]) }
  #=> ["Pediatric", "PS"]

【讨论】：