如何获取字符串中所有出现的 Ruby 正则表达式的匹配数据？

Posted 2023-02-19

【中文标题】如何获取字符串中所有出现的 Ruby 正则表达式的匹配数据？

【英文标题】：How do I get the match data for all occurrences of a Ruby regular expression in a string?

【发布时间】：2011-10-11 21:14:09

【问题描述】：

我需要MatchData 用于字符串中每次出现的正则表达式。这与Match All Occurrences of a Regex 中建议的扫描方法不同，因为它只给了我一个字符串数组（我需要完整的 MatchData，以获取开始和结束信息等）。

input = "abc12def34ghijklmno567pqrs"
numbers = /\d+/

numbers.match input # #<MatchData "12"> (only the first match)
input.scan numbers  # ["12", "34", "567"] (all matches, but only the strings)

我怀疑有些方法我忽略了。有什么建议吗？

【问题讨论】：

我想要每场比赛的开始和结束位置。但这与我的问题无关。 MatchData 的存在是有原因的，不是吗？如果我能在第一场比赛中得到它，那么它将对所有比赛都有用。

好的，对于每场比赛，我想要的不止一件东西，放在一个方便的包装里。

在我下面给出的解决方案中，您拥有方便的软件包，正如您所命名的那样（您可以从中获取开始、结束或任何您需要的匹配数据）。还是您正在寻找的其他东西？

【参考方案1】：

我会把它放在这里以便通过搜索使代码可用：

input = "abc12def34ghijklmno567pqrs"
numbers = /\d+/
input.gsub(numbers)  |m| p $~ 

结果符合要求：

⇒ #<MatchData "12">
⇒ #<MatchData "34">
⇒ #<MatchData "567">

有关详细信息，请参阅“input.gsub(numbers) |m| p $~ Matching data in Ruby for all occurrences in a string”。

【讨论】：

感谢您这样做，效果很好，尤其是当我想实际使用 gsub 时。

如果您只想获取 MatchData，请使用scan，而不是这样做。它可以更清晰地传达意图。

@justin，问题明确说scan不返回MatchData，而只是一个匹配字符串的数组。

@DeFazer 已经有一段时间了，但是 iirc，$~ 是最后一场比赛的 MatchData，这将使我的评论仍然相关

@Justin，从技术上讲，你是对的。 $~ 确实是最后一场比赛的 MatchData。但是，有一个小技巧 - 因为gsub 在每次迭代中多次设置$~，所以在每次迭代中 |m| p $~ 返回不同的MatchData。此外，我不确定我是否理解scan 在获取MatchData 时有何用处。你能解释一下这部分吗？

【参考方案2】：

我目前的解决方案是在 Regexp 中添加一个each_match 方法：

class Regexp
  def each_match(str)
    start = 0
    while matchdata = self.match(str, start)
      yield matchdata
      start = matchdata.end(0)
    end
  end
end

现在我可以做：

numbers.each_match input do |match|
  puts "Found #match[0] at #match.begin(0) until #match.end(0)"
end

告诉我有更好的方法。

【讨论】：

这实际上应该附加到您的原始问题中，除非您打算将其作为答案。

另外，while matchdata = self.match(str, start) 被认为是一个非常难以维护的构造，因为很难知道这是一个错误还是故意的。

为什么要附加到问题中？这是一个答案。我只是希望有一个更好的答案，这就是为什么我不只是接受我自己的答案。如果没有找到更好的答案，那么最终我会将其标记为答案。

请重读我写的内容。附加它除非你打算它是答案。 Stack Overflow 更喜欢将原始海报添加的信息附加到您的原始问题中，但是可以添加 OP 提供的答案作为答案。 ***.com/faq#howtoask

它很干净，易于阅读，而且运行良好。如果你愿意，你可以写一个enumerator。在写我的之前我没有注意到你的答案。它们基本相同。

【参考方案3】：

你想要的

"abc12def34ghijklmno567pqrs".to_enum(:scan, /\d+/).map  Regexp.last_match 

给你

[#<MatchData "12">, #<MatchData "34">, #<MatchData "567">] 

如您所见，“技巧”是构建一个枚举器以获取每个last_match。

【讨论】：

谢谢。这让我的生活轻松了 10 倍。

这应该在 apidock.com 或类似网站上。你救了我至少 10 根新的白发 :)

令人难以置信的是没有内置的方法，我们不得不求助于这样的黑客。

【参考方案4】：

我很惊讶没有人提到 Ruby 标准库中包含的惊人的 StringScanner 类：

require 'strscan'

s = StringScanner.new('abc12def34ghijklmno567pqrs')

while s.skip_until(/\d+/)
  num, offset = s.matched.to_i, [s.pos - s.matched_size, s.pos - 1]

  # ..
end

不，它没有为您提供 MatchData 对象，但它确实为您提供了一个基于索引的字符串接口。

【参考方案5】：

input = "abc12def34ghijklmno567pqrs"
n = Regexp.new("\\d+")
[n.match(input)].tap  |a| a << n.match(input,a.last().end(0)+1) until a.last().nil? [0..-2]

=> [#<MatchData "12">, #<MatchData "34">, #<MatchData "567">]