需要根据关键词提取子串答案

【问题标题】：Need to extract substrings based on key words需要根据关键词提取子串
【发布时间】：2015-08-14 16:36:55
【问题描述】：

我有一个字符串（来自肥皂的 cdata 块），大致如下：

     "<![CDATA[XXX|^~\&
      KEY|^~\&|xxxxx|xxxxx^xxxx xxxxx 
      INFO||xxx|xxxxxx||xxxxx|xxxxxxx|xxxxxxx 
      INFO|||xxxxx||||xxxxxxxxx||||||||||xxxxxxxx              
      KEY|^~\&|xxxxxx|xxxxxxxxxx|xxxxxxxx    
      INFO||xx|xxxxxxxx||xxxxxxx|xxxxxx 
      INFO|||xxxx|x|||xxxxxxxxx|||||||x|||xxxxx|||xxxx||||||||||||||||||||||||xxxx
      KEY|^~\&|xxxxx|xxxxx^xxxx xxxxx 
      INFO||xxx|xxxxxx||xxxxx|xxxxxxx|xxxxxxx 
      INFO|||xxxxx||||xxxxxxxxx||||||||||xxxxxxxx  ]]>"

我试图弄清楚如何使用 ruby 安全地解析出每个“KEY”部分的字符串。基本上我需要一个看起来像这样的刺痛：

  "KEY|^~\&|xxxxx|xxxxx^xxxx xxxxx 
  INFO||xxx|xxxxxx||xxxxx|xxxxxxx|xxxxxxx 
  INFO|||xxxxx||||xxxxxxxxx||||||||||xxxxxxxx"

每次都有一个“KEY”。关于解决此问题的最佳方法的想法？谢谢。

【问题讨论】：

我对肥皂一无所知，所以如果这无关紧要，我很抱歉，但我建议使用soap library
是的，我猜肥皂部分是无关紧要的，我只是提到以防有人可能以前看到过这种类型的响应。这真的是一个红宝石问题。此时只是一个字符串。感谢您的回复。
我相信您不会反对我刚刚所做的编辑。通常，我会建议在评论中进行更改，但我不知道您什么时候回来，并且担心不熟悉“cdata”的读者会跳过您的问题。（我正要这样做。）如您所见，我删除了标题中对“cdata”和“XML”的引用，并删除了关键字“soap”和“cdata”。

标签： ruby regex string parsing

【解决方案1】：

这是一种方法（带有一个简化的示例）：

str = 
"<![CDATA[XXX|^~\&
KEY|^~\&|x
INFO||x
INFO|||x
KEY|^~\&|x
INFO||xx|x
INFO|||x
KEY|^~\&|x
INFO||x
INFO|||x"

r = /
    ^KEY\b         # match KEY at beginning of line followed by word boundary
    .+?            # match any number of any character, lazily
    (?=\bKEY\b|\z) # match KEY bracketed by word boundaries or end of
                   # string, in positive lookahead
    /mx            # multiline and extended modes

str.scan r
  #=> ["KEY|^~&|x\nINFO||x\nINFO|||x\n",
  #    "KEY|^~&|x\nINFO||xx|x\nINFO|||x\n",
  #    "KEY|^~&|x\nINFO||x\nINFO|||x"]

【讨论】：

您可能想删除您的评论，因为它适用于我随后更改的初始答案，因此可能会造成混淆。
接受这个答案，因为它回答了我原来的问题并且完美运行。抱歉，我是 Stack Overflow 的新手，感谢您的编辑。但是，如果我可以再问一件事：这仅在“KEY”位于新行时才有效。我收到的是一团糟，我一开始就用正则表达式很糟糕。是否可以对上述代码进行编辑以获取“KEY”部分，无论它位于何处？
如果"KEY" 不一定在行首，只需将^ 替换为\b（分词）即可。这假设子字符串在下一个 \bKEY\b （或字符串的结尾）之前结束。那是对的吗？请注意，"INFO" 没有出现在我的正则表达式中。可以吗？
做到了！非常感谢。如果可以的话，我会投票。

【解决方案2】：

不像正则表达式那样轻松，但这可能对你有用：

KEY(.+\n)+(?=\s+KEY)

【讨论】：