Scala 模式匹配重复的正则表达式组

Question

如何通过正则表达式模式从一些重复值中提取列表，例如

val fruits = "fruits: apple, orange, banana"
fruits match {
  case regex(fruits) => // where `fruits` is `List[String] = List(apple, orgran, banana)`
}

除了

case regex(rawFruits) => rawFruits.split(",")

更新：

我对模式匹配特别感兴趣，因为输入字符串值中可能有多个列表

Answer 1

使用模式匹配，您只能在字符串中获取一个匹配项。因此，一个解决方案是直接使用正则表达式 API。

解决方案 1：简单的两步法

您可以抓取所有出现的word+one or more sequences of 1+ spaces and then words，然后使用spaces-comma-spaces 模式分割匹配项：

val fruits = "fruits: apple, orange, banana and vegetables: carrots, potatos, cabbage"
val regex = """\w+(?:,\s*\w+)+""".r
val results = (regex findAllIn fruits).map(_ split """\s*,\s*""").toList
for (l <- results) println(l.toList)

输出：

List(apple, orange, banana)
List(carrots, potatos, cabbage)

请参阅Scala demo。

解决方案 2：“一个正则表达式来统治它们”

如果单词是使用findAllIn 的以逗号分隔的连续单词的一部分，则您可以使用单个正则表达式来抓取任何单个单词：

val fruits = "fruits: apple, orange, banana"
val regex = """(?:\G(?!^)\s*,\s*|(?=\w+(?:,\s*\w+)+))(\w+)""".r
val results = (regex findAllIn fruits).matchData.map(_ group 1).toList
println(results)
// => List(apple, orange, banana)

见Scala demo

详情

• (?:\G(?!^)\s*,\s*|(?=\w+(?:,\s*\w+)+)) - 两种选择之一：
  • \G(?!^)\s*,\s* - 上一场比赛的结束，然后是一个用可选空格括起来的逗号
  • | - 或
  • (?=\w+(?:\s*,\s*\w+)+) - 该位置后跟 1+ 个单词字符，然后是 1+ 个逗号重复，用可选空格括起来，然后是 1+ 个单词字符
• (\w+) - 第 1 组：一个或多个单词字符（字母、数字或 _s）

请参阅regex demo。

模式匹配只找到一个匹配项

请注意，您可以使用 match 块解析您的字符串，以提取这串逗号分隔的单词，然后将它们拆分：

val fruits = "fruits: apple, orange, banana."
val regex = """(\w+(?:\s*,\s*\w+)+)""".r.unanchored
val results = fruits match {
  case regex(m) => m.split("""\s*,\s*""").toList
  case _ => List("")
}
println(results) // => List(apple, orange, banana)

见another Scala demo。

注意：

• 这里，.unanchored 是返回部分匹配项所必需的
• 整个模式被一个捕获组包裹，因为我们需要使用该组访问match 块中找到的文本
• .split("""\s*,\s*""") 用逗号分隔找到的文本，其中包含 0+ 个空格
• 如果没有匹配，case _ => List("") 将返回一个空列表。