如何拆分字符串而不在数组中插入空字符串

Question

假设存在匹配项，我无法使用正则表达式从字符串中拆分字符。

我想从字符串的第一部分中分离出一个“m”或一个“f”字符，假设下一个字符是一个或多个数字，后跟可选的空格字符，然后是我拥有的数组中的字符串.

我试过了：

2.4.0 :006 > MY_SEPARATOR_TOKENS = ["-", " to "]
 => ["-", " to "] 
2.4.0 :008 > str = "M14-19"
 => "M14-19" 
2.4.0 :011 > str.split(/^(m|f)\d+[[:space:]]*#{Regexp.union(MY_SEPARATOR_TOKENS)}/i)
 => ["", "M", "19"] 

请注意我的数组开头的多余“”元素，还请注意最后一个表达式只是“19”，而我想要字符串中的所有其他内容（“14-19”）。

如何调整我的正则表达式，以便只有被拆分的表达式部分最终出现在数组中？

Answer 1

我发现match 在 Ruby 中从正则表达式中提取字符时更加优雅：

string = "M14-19"
string.match(/\A(?<m>[M|F])(?<digits>\d{2}(-| to )\d{2})/)[1, 2]
=> ["M", "14-19"]
# also can extract the symbols from match
extract_string = string.match(/\A(?<m>[M|F])(?<digits>\d{2}(-| to )\d{2})/)
[[extract_string[:m], extract_string[:digits]]
=> ["M", "14-19"]
string = 'M14 to 14'
extract_string = string.match(/\A(?<m>[M|F])(?<digits>\d{2}(-| to )\d{2})/)[1, 2]
=> ["M", "14 to 14"]

Answer 2

 TOKENS = ["-", " to "]

 r = /
     (?<=\A[mMfF])             # match the beginning of the string and then one
                               # of the 4 characters in a positive lookbehind
     (?=                       # begin positive lookahead
       \d+                     # match one or more digits
       [[:space:]]*            # match zero or more spaces
       (?:#{TOKENS.join('|')}) # match one of the tokens
     )                         # close the positive lookahead
     /x                        # free-spacing regex definition mode

(?:#{TOKENS.join('|')}) 替换为(?:-| to )。

这当然可以用通常的方式来写。

r = /(?<=\A[mMfF])(?=\d+[[:space:]]*(?:#{TOKENS.join('|')}))/

在r 上拆分时，在两个字符之间（在正向后视和正向前瞻之间）进行拆分，因此不会消耗任何字符。

"M14-19".split r
  #=> ["M", "14-19"]
"M14     to 19".split r
  #=> ["M", "14     to 19"]
"M14     To 19".split r
  #=> ["M14     To 19"]

如果希望在最后一个示例中返回["M", "14 To 19"]，请将[mMfF] 更改为[mf] 并将/x 更改为/xi。

Answer 3

您的代码中正在酝酿一个错误。不要养成这样做的习惯：

#{Regexp.union(MY_SEPARATOR_TOKENS)}

您正在为自己设置一个非常难以调试的问题。

这是发生了什么：

regex = Regexp.union(%w(a b)) # => /a|b/
/#{regex}/ # => /(?-mix:a|b)/
/#{regex.source}/ # => /a|b/

/(?-mix:a|b)/ 是一个嵌入的子模式，其正则表达式标志集 m、i 和 x 独立于周围模式的设置。

考虑这种情况：

'CAT'[/#{regex}/i] # => nil

我们希望正则表达式 i 标志会匹配，因为它忽略大小写，但子表达式仍然只允许小写，导致匹配失败。

使用裸(a|b)或添加source成功，因为内部表达式获取主表达式的i：

'CAT'[/(a|b)/i] # => "A"
'CAT'[/#{regex.source}/i] # => "A"

有关此问题的更多讨论，请参阅“How to embed regular expressions in other regular expressions in Ruby”。

Answer 4

如果你得到一个匹配，空元素将始终存在，因为捕获的部分出现在字符串的开头，并且字符串开头和匹配之间的字符串被添加到结果数组中，无论是空的或非空字符串。一旦你得到一个匹配，要么shift/drop它，要么用.reject { |c| c.empty? }删除所有空数组元素（见How do I remove blank elements from an array?）。

然后，14- 被\d+[[:space:]]... 模式部分吃掉（消耗） - 将其放入(?=...) 前瞻中，它将仅检查模式匹配，但不会消耗字符。

使用类似的东西

MY_SEPARATOR_TOKENS = ["-", " to "]
s = "M14-19"
puts s.split(/^(m|f)(?=\d+[[:space:]]*#{Regexp.union(MY_SEPARATOR_TOKENS)})/i).drop(1)
#=> ["M", "14-19"]

见Ruby demo