正则表达式：捕获组和空字段（SWIFT 5 | ICU 正则表达式引擎）答案

【问题标题】：Regex: Capture Groups and Empty Fields (SWIFT 5 | ICU Regex Engine)正则表达式：捕获组和空字段（SWIFT 5 | ICU 正则表达式引擎）
【发布时间】：2019-11-25 14:01:21
【问题描述】：

我需要一些帮助来纠正我的 RegEx 字符串 - 我有一个文本字符串（一大段 HTML），我需要获取这个 HTML 字符串，然后对其进行模式匹配，以便我拥有 data 987654322@ inside'<div>标签可以提取使用。

我们以<div id=1>的测试用例为例

<div id=1>UID:1currentPartNumber:63222TRES003H1workcenter:VLCSKDcycleTime:98.8curPartCycleTime:63.66partsMade:233curCycleTimeActual:62.4target:291actual:233downtime:97statusReason:lineStatus:Productionefficiency:80.05plusminus:-260curProdTime:7/16/2019 12:28:01 PM</div>

需要注意的是lineStatus可以有值也可以为空，比如statusReason一样

我能够提出一个可以完成大部分工作的正则表达式，但我正在努力处理不存在值的情况。

这是我的尝试：

(
(<div id=(\d|\d\d)>)
(UID:(\d|\d\d))
(currentPartNumber:(.{1,20}))
(workcenter:(.{1,20}))
(cycleTime:(.{1,6}))
(curPartCycleTime:(.{1,6}))
(partsMade:(.{1,6}))
(CycleTimeActual:(.{1,6}))
(target:(.{1,6}))
(actual:(.{1,6}))
(downtime:(.{1,6}))
((statusReason:((?:.)|(.{1,6}))))
((lineStatus:((?:.)|(.{1,6}))))
(Productionefficiency:(.{1,6}))
(plusminus:(.{1,6}))
(curProdTime:(.{1,30}))
)

为了可读性将其拆分。

谢谢，

【问题讨论】：

我认为一个大问题是(currentPartNumber:(.{1,20}) 捕获太多，因为workcenter 出现在第 20 位之前。其他比赛可能也是如此。
感谢您的输入，尽管捕获组不会在另一个开始时停止吗？基本上我这样做{1,20} 的唯一原因是因为另一个闭包组将在匹配后一个闭包组后停止比赛？？
嗯，你是对的。我忘记了那个方便的功能。

标签： swift regex icu

【解决方案1】：

尝试正则表达式：((<div id=(\d|\d\d)>)(UID:(\d|\d\d))(currentPartNumber:(.{1,20}))(workcenter:(.{1,20}))(cycleTime:(.{1,6}))(curPartCycleTime:(.{1,6}))(partsMade:(.{1,6}))(CycleTimeActual:(.{1,6}))(target:(.{1,6}))(actual:(.{1,6}))(downtime:(.{1,6}))(statusReason:(.{1,6})?)(lineStatus:(.{1,6})?)(Productionefficiency:(.{1,6}))(plusminus:(.{1,6}))(curProdTime:(.{1,30})))

Demo

警告：You can't Parse HTML with regex

【讨论】：

正则表达式字符串有效 - 意见不是直接来自您链接我的帖子（没有最佳答案，因为它对我没用）“虽然要求正则表达式解析任意 HTML 确实像要求初学者编写操作系统，有时解析一组有限的已知 HTML 是合适的。（插入更多单词）.... 正则表达式对我来说工作得很好，而且设置起来非常快。”感谢马特的修复

【解决方案2】：

你们非常非常亲近。

如果你使用：

(
(<div id=\d{1,2}>)
(UID:\d{1,2})
(currentPartNumber:(.{1,20}))
(workcenter:(.{1,20}))
(cycleTime:(.{1,6}))
(curPartCycleTime:(.{1,6}))
(partsMade:(.{1,6}))
(CycleTimeActual:(.{1,6}))
(target:(.{1,6}))
(actual:(.{1,6}))
(downtime:(.{1,6}))
(statusReason:(.{0,6}))
(lineStatus:(.{0,6}))
(Productionefficiency:(.{1,6}))
(plusminus:(.{1,6}))
(curProdTime:(.{1,30}))
(<\/div>)
)

那么$3\n$4\n$6\n$8\n$10\n$12\n$14\n$16\n$18\n$20\n$22\n$24\n$26\n$28\n$30 将是：

UID:1
currentPartNumber:63222TRES003H1
workcenter:VLCSKD
cycleTime:98.8
curPartCycleTime:63.66
partsMade:233cur
CycleTimeActual:62.4
target:291
actual:233
downtime:97
statusReason:
lineStatus:
Productionefficiency:80.05
plusminus:-260
curProdTime:7/16/2019 12:28:01 PM

通过使用(statusReason:(.{0,6}))(lineStatus:(.{0,6}))，您可以使 statusReason 和 lineStatus 的值真正成为可选的。

我还简化了启动<div> 和 UID 检测。

【讨论】：