在 Ruby 中按字符集对字符串进行分区/拆分答案

【问题标题】：Partition/split a string by character set in Ruby在 Ruby 中按字符集对字符串进行分区/拆分
【发布时间】：2013-08-29 13:53:59
【问题描述】：

如何分隔字符串中的不同字符集？例如，如果我有这些字符集：

[a-z]
[A-Z]
[0-9]
[\s]
{everything else}

这个输入：

thisISaTEST***1234pie

然后我想分隔不同的字符集，例如，如果我使用换行符作为分隔符：

this
IS
a
TEST
***
1234
pie

我已经尝试过这个正则表达式，并且具有积极的前瞻性：

'thisISaTEST***1234pie'.gsub(/(?=[a-z]+|[A-Z]+|[0-9]+|[\s]+)/, "\n")

但显然+s 并没有贪心，因为我得到了：

t
h
# (snip)...
S
T***
1
# (snip)...
e

我剪掉了不相关的部分，但正如您所见，每个字符都算作自己的字符集，{everything else} 字符集除外。

我该怎么做？它不一定必须是正则表达式。将它们拆分成一个数组也可以。

【问题讨论】：

【解决方案1】：

困难的部分是匹配与正则表达式其余部分不匹配的任何内容。忘记这一点，想想一种可以将不匹配的部分与匹配的部分混合在一起的方法。

"thisISaTEST***1234pie"
.split(/([a-z]+|[A-Z]+|\d+|\s+)/).reject(&:empty?)
# => ["this", "IS", "a", "TEST", "***", "1234", "pie"]

【讨论】：

【解决方案2】：

在 ASCII 字符集中，除了字母数字和空格外，还有 32 个“标点”字符，与属性构造 \p{punct} 匹配。

要将您的字符串拆分为单个类别的序列，您可以编写

str = 'thisISaTEST***1234pie'
p str.scan(/\G(?:[a-z]+|[A-Z]+|\d+|\s+|[\p{punct}]+)/)

输出

["this", "IS", "a", "TEST", "***", "1234", "pie"]

或者，如果您的字符串包含 ASCII 集之外的字符，您可以按照属性编写整个内容，如下所示

p str.scan(/\G(?:\p{lower}+|\p{upper}+|\p{digit}+|\p{space}|[^\p{alnum}\p{space}]+)/)

【讨论】：

【解决方案3】：

这里有两个解决方案。

String#scan 带正则表达式

str = "thisISa\n TEST*$*1234pie"

r = /[a-z]+|[A-Z]+|\d+|\s+|[^a-zA-Z\d\s]+/
str.scan r
  #=> ["this", "IS", "a", "\n ", "TEST", "*$*", "1234", "pie"]

由于^ 在[^a-zA-Z\d\s] 的开头，该字符类匹配任何字符除了字母（大小写）、数字和空格。

首先，一个辅助方法：

def type(c)
  case c
  when /[a-z]/ then 0
  when /[A-Z]/ then 1
  when /\d/    then 2
  when /\s/    then 3
  else              4
  end
end

例如，

type "f"   #=> 0
type "P"   #=> 1
type "3"   #=> 2
type "\n"  #=> 3
type "*"   #=> 4

然后

str.each_char.slice_when { |c1,c2| type(c1) != type(c2) }.map(&:join)
  #=> ["this", "IS", "a", "TEST", "***", "1234", "pie"]

^{1. slich_when 在 Ruby v2.4 中首次亮相。}

【讨论】：

【解决方案4】：

非单词、非空格字符可以用[^\w\s] 覆盖，所以：

"thisISaTEST***1234pie".scan /[a-z]+|[A-Z]+|\d+|\s+|[^\w\s]+/
#=> ["this", "IS", "a", "TEST", "***", "1234", "pie"]

【讨论】：