使用正则表达式拆分复杂字符串答案

【问题标题】：Splitting a complex string with Regular Expressions使用正则表达式拆分复杂字符串
【发布时间】：2009-05-26 14:06:00
【问题描述】：

我如何使用正则表达式分割这个字符串：

string = "a[a=d b&c[e[100&2=34]]] e[cheese=blue and white] x[a=a b]"

进入这个数组：

string.split( regexp ) =>

[ "a[a=d b&c[e[100&2=34]]]", "e[cheese=blue and white]", "x[a=a b]" ]

基本规则是 string 应该在 whitespace ( \s ) 处分割，除非 whitespace 存在于 brackets( [ ]);

【问题讨论】：

标签： javascript regex

【解决方案1】：

你不能；正则表达式基于没有“堆栈”的状态机，因此您可以记住嵌套级别的数量。

但也许您可以使用一个技巧：尝试将字符串转换为有效的JSON string。然后你可以使用eval() 将其解析成一个JavaScript 对象。

【讨论】：

【解决方案2】：

如果规则这么简单，我建议只手动执行。逐步检查每个字符，并通过为每个 [ 增加 1 并为每个 ] 减少 1 来跟踪您的嵌套级别。如果到达嵌套 == 0 的空间，则拆分。

编辑：我在想我可能还会提到一些语言中的其他模式匹配工具，它们本身就支持这种事情。例如，在 Lua 中，您可以使用 '%b[]' 来匹配平衡的嵌套 []。（当然，Lua 没有内置的 split 函数……）

【讨论】：

在使用 Oniguruma 时可以使用正则表达式来执行此操作，因为它具有允许某些类型嵌套的扩展。但是，我不相信任何 javascript impl 包含此扩展，无论如何，我同意 Dolphin 的观点，即非正则表达式方法将更快、更清晰。你可以很容易地为此实现一个状态机。

【解决方案3】：

你能分开“(?

【讨论】：

【解决方案4】：

另一种是循环方法，您可以一次解构嵌套的括号，否则很难（TM）确保您的单个正则表达式按预期工作。

这是一个 ruby 示例：

str = "a[a=d b&c[e[100&2=34]]] e[cheese=blue and white] x[a=a b]"
left = str.dup
tokn=0
toks=[]
# Deconstruct
loop do
  left.sub!(/\[[^\]\[]*\]/,"\{#{tokn}\}")
  break if $~.nil?
  toks[tokn]=$&
  tokn+=1
end
left=left.split(/\s+/)
# Reconstruct
(toks.size-1).downto(0) do |tokn|
  left.each { |str| str.sub!("\{#{tokn}\}", toks[tokn]) }
end

上面使用 {n} ，其中 n 在解构过程中是一个整数，因此在某些情况下，字符串中这样的原始输入会破坏重构。不过，这应该说明这种方法。

但编写通过遍历字符进行拆分的代码更简单、更安全。

Ruby 中的示例：

str = "a[a=d b&c[e[100&2=34]]] e[cheese=blue and white] x[a=a b]"
toks=[]
level=st=en=0; 
str.each_byte do |c|
  en+=1; 
  level+=1 if c=='['[0]; 
  level-=1 if c==']'[0]; 
  if level==0 && c==' '[0]
    toks.push(str[st,en-1-st]);
    st=en
  end
end    
toks.push(str[st,en-st]) if st!=en 
p toks

【讨论】：