时间戳

首页 > 解决方案 > 正则表达式匹配不在括号内的管道或带有嵌套块的大括号

ruby - 正则表达式匹配不在括号内的管道或带有嵌套块的大括号

问题描述

我正在尝试解析一些 wiki 标记。例如，以下内容：

{{Some infobox royalty|testing
| name = Louis
| title = Prince Napoléon 
| elevation_imperial_note= <ref name="usgs">{{cite web|url={{Gnis3|1802764}}|title=USGS}}</ref>
| a = [[AA|aa]] | b =  {{cite
|title=TITLE
|author=AUTHOR}}
}}

可以是开始的文本。我首先删除了开头{{和结尾}}，所以我可以假设它们已经消失了。

我想在字符串上用不在大括号或方括号内.split(<regex>)的所有字符分割字符串。正则|表达式需要忽略|,[[AA|aa]]和. 预期结果是：<ref name="usgs">{{cite web|url={{Gnis3|1802764}}|title=USGS}}</ref>{{cite|title=TITLE|author=AUTHOR}}

[
 'testing'
 'name = Louis', 
 'title = Prince Napoléon', 
 'elevation_imperial_note= <ref name="usgs">{{cite web|url={{Gnis3|1802764}}|title=USGS}}</ref>',
 'a = [[AA|aa]]',
 'b =  {{cite\n|title=TITLE\n|author=AUTHOR}}'
]

任何时候都可能有换行符，所以我不能只寻找\n|. 如果里面有额外的空白，那很好。我可以轻松去除多余的\s*或\n*.

https://regex101.com/r/dEDcAS/2

标签： rubyregexmediawikiwiki-markup

解决方案

以下是纯 Ruby 解决方案。我假设字符串中的大括号和括号是平衡的。

str =<<BITTER_END
Some infobox royalty|testing
| name = Louis
| title = Prince Napoléon 
| elevation_imperial_note= <ref name="usgs">{{cite web|url={{Gnis3|1802764}}|title=USGS}}</ref>
| a = [[AA|aa]] | b =  {{cite
|title=TITLE
|author=AUTHOR}}
BITTER_END


stack = []
last = 0
str.each_char.with_index.with_object([]) do |(c,i),locs|
  puts "c=#{c}, i=#{i}, locs=#{locs}, stack=#{stack}" 
  case c
  when ']', '}'
    puts "  pop #{c} from stack"
    stack.pop
  when '[', '{'
    puts "  push #{c} onto stack"
    stack << c
  when '|'
    puts stack.empty? ? "  record location of #{c}" : "  skip | as stack is non-empty" 
    locs << i if stack.empty?
  end
    puts "  after: locs=#{locs}, stack=#{stack}" 
end.map do |i|
  old_last = last
  last = i+1
  str[old_last..i-1].strip if i > 0
end.tap { |a| a << str[last..-1].strip if last < str.size }
  #=> ["Some infobox royalty",
  #    "testing",
  #    "name = Louis", 
  #    "title = Prince Napoléon",
  #    "elevation_imperial_note= <ref name=\"usgs\">
  #      {{cite web|url={{Gnis3|1802764}}|title=USGS}}</ref>",
  #    "a = [[AA|aa]]",
  #    "b =  {{cite\n|title=TITLE\n|author=AUTHOR}}"]

请注意，为了提高可读性，我打破了作为返回数组1倒数第二个元素的字符串。

解释

有关如何确定要拆分的管道符号的位置的说明，请运行上面的 Heredoc 来确定str（Heredoc 需要先取消缩进），然后运行以下代码。一切都会揭晓。（输出很长，所以要关注数组的变化locs和stack.）

stack = []
str.each_char.with_index.with_object([]) do |(c,i),locs|
  puts "c=#{c}, i=#{i}, locs=#{locs}, stack=#{stack}" 
  case c
  when ']', '}'
    puts "  pop #{c} from stack"
    stack.pop
  when '[', '{'
    puts "  push #{c} onto stack"
    stack << c
  when '|'
    puts stack.empty? ? "  record location of #{c}" : "  skip | as stack is non-empty" 
    locs << i if stack.empty?
  end
    puts "  after: locs=#{locs}, stack=#{stack}" 
end
  #=> [20, 29, 44, 71, 167, 183]

如果需要，可以按如下方式确认大括号和括号是否平衡。

def balanced?(str)
  h = { '}'=>'{', ']'=>'[' }
  stack = []
  str.each_char do |c|
    case c
    when '[', '{'
      stack << c
    when ']', '}'
      stack.last == h[c] ? (stack.pop) : (return false)
    end
  end   
  stack.empty?
end

balanced?(str)
  #=> true

balanced?("[[{]}]")
  #=> false

1 ...并且，为了透明起见，有机会使用某个词。

推荐阅读