动态清洗串

Question

当我学习puppeteer时，我正在抓取一个网页作为一个有趣的小项目，在这段时间里，我遇到了一个小问题，当涉及到清理字符串以获得有用的数据时。我想出了一些简单的方法来提取我想要的数据，但是我遇到了一些我不知道最好的处理方法的情况。

拿着这根绳子

Round 1 - Foo Bar (SchoolName) over John (JC) Cena (Fake School Name) (Fall 1:19)

我想要的数据。

• 获奖者姓名= Foo Bar
• 冠军学校= (SchoolName)
• 失败者的名字=约翰·塞纳
• 失败者学校=假学名

Round 1和-对我来说毫无用处，它们在整个应用程序中都遵循相同的结构。因此，使用仅仅选择索引的方法应该是非常容易的。

这个字符串中最重要的索引是over所在的位置。一旦我发现了这一点，我就可以在它周围搜索索引，找出我需要的其他信息在哪里。

let findOver = arr.indexOf('over')
let winnerName = arr[over - 3].concat(' ', arr[over - 2])
let winnerSchool = summaryBreakUp[over - 1]

这适用于上面的字符串，至少在左边是这样的。它抓住得奖者的名字和姓氏，并将他们连在一起。

我的问题是，当字符串看起来不像左边时，我如何解释像上面这样的边缘情况。

我可以搜索所有的( && )并捕获其中的所有数据以获得School Names，但是接下来我需要筛选出一种方法来确定哪一所学校是一所学校，哪一所是昵称。

如有任何指示，将不胜感激。我也将张贴更多的例子，以防其他人想要破解它。

这是对未指定的对手的胜利。

Michael Macontish (Fairview) over Unknown (For.)

无圆

John Heflin (Arlington) over Random Kid (Mistview) (Fall 1:59)

不给Fall

Round 2 - Logan Paul George (High School) over Dontae Inverse (Jackson County) (Dec 3-0)

Answer 1

使用regex和capture组获取您感兴趣的部分，您可能需要做一些小的整理工作。

您可以使用许多模式(我肯定这是最好的nt，但这是一个开始)：

([\w\s\(\)]+)\s\(([\s\w\.]+)\)\sover\s([\w\s\(\)]+)\s\(([\s\w\.]+)\)

这与以下名称相匹配

• 任何字母数字，下划线，空格或括号
• 一次或多次发生

后面是括号，然后是学校

• 任何空格、字母数字、下划线或句点
• 一次或多次发生

后面是一个封闭的括号，然后是空格，然后是"over"，然后是空格，然后重复名称和学校模式。其他的都被忽略了。

用法:在javascript中使用正则表达式时，捕获组最终成为结果数组中的元素。整个匹配是第一个元素，每个附加元素按照顺序表示捕获组。这个表达式中有4个捕获组，因此您将得到表示name1、school1、name2和school2的元素1-5。

​

const re = /([\w\s\(\)]+)\s\(([\s\w\.]+)\)\sover\s([\w\s\(\)]+)\s\(([\s\w\.]+)\)/

const input = [
  'Round 1 - Foo Bar (SchoolName) over John (JC) Cena (Fake School Name) (Fall 1:19)',
'Michael Macontish (Fairview) over Unknown (For.)',
'John Heflin (Arlington) over Random Kid (Mistview) (Fall 1:59)',
'Round 2 - Logan Paul George (High School) over Dontae Inverse (Jackson County) (Dec 3-0)'
]


input.forEach( i => {
   console.log(i.match(re))
})

​

Answer 2

作为另一种模式，您可以使用非贪婪的点.*?来匹配任何字符或否定字符类[^以排除允许匹配的内容，从而扩大匹配范围。

可以选择地在开始时与-匹配该部分，从而启动该模式。

若要在末尾的圆括号之间匹配右部分，可以断言括号之间的部分没有-或:之间的数字之间使用负前瞻。

(?:.*?\s+-\s+)?([^()]+)\s+\(([^()]+)\)\s+over\s+(.*)\s+\((?![^()]*\d[-:]\d[^()]*\))([^()]*)\)

模式匹配：

• (?:.*?\s+-\s+)?可选择匹配以<code> - </code>结尾的部件
• ([^()]+)捕获组1以匹配除(和)以外的任何字符
• \s+匹配1+空格字符
• \(([^()]+)\)匹配(然后捕获组2和Match )中除(和)之外的任何字符。
• \s+over\s+Match在一个或多个空格字符之间超过`
• (.*)捕获组3中的任何字符
• \s+匹配1+空格字符
• \(匹配(
• (?![^()]*\d[-:]\d[^()]*\))负前瞻，断言圆括号之间不存在:或-
• ([^()]*)如果断言为真，则捕获组4中除(和)之外的任何字符
• \)匹配)

见regex演示

​

const regex = /(?:.*?\s+-\s+)?([^()]+)\s+\(([^()]+)\)\s+over\s+(.*)\s+\((?![^()]*\d[-:]\d[^()]*\))([^()\n]*)\)/;
[
  "Round 1 - Foo Bar (SchoolName) over John (JC) Cena (Fake School Name) (Fall 1:19)",
  "Michael Macontish (Fairview) over Unknown (For.)",
  "John Heflin (Arlington) over Random Kid (Mistview) (Fall 1:59)",
  "Round 2 - Logan Paul George (High School) over Dontae Inverse (Jackson County) (Dec 3-0)"
].forEach(s => console.log(s.match(regex)));

​