拆分可以转义分隔符的字符串答案

【问题标题】：Split a string where the separators can be escaped拆分可以转义分隔符的字符串
【发布时间】：2018-04-07 23:07:46
【问题描述】：

这是一个非常简单的正则表达式，但我无法理解如何扩展此正则表达式，以便只要它在字符串中转义就可以使用分隔符。这是我所拥有的：

// Contents of str is exactly '|1|2|\|Three and Four\||5'
str.match(/[^|]/);

// Looking for: ['1', '2', '|Three and Four|', '5']

所以目前我的正则表达式选择了不是| 字符的所有内容，并且我得到了每个项目的数组。但我想要做的是忽略| 字符作为分隔符，如果它首先用\ 转义，但我当然不希望\ 通过。

我知道这将被标记为其他十亿个正则表达式问题的副本，但我尝试在此处将其他解决方案应用于我自己的解决方案，并使用 regex101.com。唉，我的Regex Fu不强。

附：有人知道学习 JS 风格的正则表达式的好资源吗？

【问题讨论】：

@charlietfl 该列中的| 被转义（\|），因此是 not 分隔符。考虑变体（转义的分隔符没有与正常的分隔符紧贴在一起）：|1|hello\|happy\|world|2 -> '1', 'hello|happy|world', '2'。
var str = '|1|2|\|Three and Four\||5';equals to var str = '|1|2||Three and Four||5'; in js
@xianshenglu @user2864740 没错，没想说清楚。这是一个数据流，我已将其转换为字符串，以便我可以对其进行操作并访问| 之间的每个项目，但其中一些项目包括不应被视为分隔符的|。
RegEx needed to split javascript string on "|" but not "\|" 的可能重复项（在那里，找到了一些东西：D）
注意：副本仍然留在（实际上要求这样）\| -- 这可以通过替换 \| 来纠正在拆分后的结果组件中。

标签： javascript regex split escaping

【解决方案1】：

应该这样做：

var str =  '|1|2|\\|Three and Four\\||5';
str.match(/((\\\|)|[^|])+/gi)

我的输出是这样的：

 ["1", "2", "\|Three and Four\|", "5"]

我所做的是在第一个子模式中创建一个匹配 \| 字符串的模式，然后匹配不是 | 的任何内容。我也转义了\，因为否则在javascript中编写该字符串只会将它们解析为转义字符。

【讨论】：

【解决方案2】：

如果将 JavaScript 与支持负向后视的正则表达式引擎（例如 Chrome）一起使用，并且在仅显示单个/简单转义且没有转义方法的情况下 - -escape，可以使用比较简单的负向look-behind：

'|1|2|\\|Three and Four\\||5'.split(/(?<!\\)\|/)

# -> ["", "1", "2", "\|Three and Four\|", "5"]

这说明 - 在支持负面后视的 Chrome 中 - 在“|”上拆分前面没有“\”。

Here is a method to convert a look-behind to a look-ahead 用于引擎兼容性。 RegEx needed to split javascript string on "|" but not "\|" 也讨论了变化。

但是，正如所指出的，上述不涉及 \|序列，因此留在转义序列中。

或者，多步骤方法也可以解决这个问题，它可以也将转义字符作为过程的一部分。

用“替代”字符/字符串替换转义的分隔符
在剩余的（非转义的）分隔符上拆分
将“替代”字符/字符串转换回各个组件中

在代码中，

str = '|1|2|\\|Three and Four\\||5'

# replace \| -> "alternative"
# this assumes that \\| (escape-the-escape) is not allowed
rep = str.replace(/\\[|]/g, '~~~~')

# replace back, without any of the escapes
res = rep.split('|').map(function (f) { return f.replace(/~~~~/g, "|") })

# res -> ["", "1", "2", "|Three and Four|", "5"]

【讨论】：

谢谢。我想我可能对 \ 字符有点困惑，我对 JS 还很陌生。所以最后的字符串应该正好包含|Three and Four|，没有任何斜线。
@Jamie4840 啊，是的。这将需要对原始 \| 所示的拆分用法进行修饰。分隔符序列被简单地忽略。
啊，明白了！明白了。
替代解决方案仍然需要新分隔符的转义方法（~~~~），因此它基本上是将问题转移到新层而不是解决它

【解决方案3】：

Paul G Mihai's answer 工作正常，但不捕获空字符串：a||b|c 将返回 [ "a", "b", "c" ]，而不是人们可能想要的 [ "a", "", "b", "c" ]。

根据他的解决方案进行详细说明，这是一种获取空字符串的方法，模仿 split() 的相同行为：

str.match(
  /((\\\|)|[^\|])*/gi
).filter(
  (e, i, a) => !(i > 0 && e == "" && a[i-1] != "")
)

我在这里所做的是使用具有相同模式的match()，但允许零长度匹配（* 而不是+）。

这为我提供了一个匹配数组，其中每个找到的分隔符和字符串末尾都有一个空字符串元素，例如：a|b|c 将返回 [ "a", "", "b", "", "c", "" ]。

然后我filter()它，丢弃非空字符串元素之后的任何空字符串元素，因此我摆脱了不需要的项目。

这似乎也能正确处理边缘情况：

a||b|c         → ["a", "", "b", "c"]
a|b|||c        → ["a", "b", "", "", "c"]
a|b\|b|c|      → ["a", "b\|b", "c", ""]
|a|\|b\||c|    → ["", "a", "\|b\|", "c", ""]
(empty string) → [""]

【讨论】：