提取没有连续空白的文本

Question

下面有一个示例输入，我希望使用regex提取每个单独的列，但是它不能工作在多个连续的空格中。我尝试过"([0-9])\s+([0-9])\s+([A-Za-z0-9- ]+)\s{2,}([A-Za-z0-9- ]+)\s+([A-Za-z0-9]+)“，它应该适用于每一行。

Output
Module    Ports Type                                   Model            Serial No.
--------- ----- ------------------------------------   ---------------  -----------
1         2     CCS-7354 Series Supervisor Module      7354-SPP         JD546546527
2         1     Standby supervisor                     Unknown          Unknown
3         28    28-port SFP+ 10GigE Linecard           7234S-PC         FGK10449938

对于输入结果的第一行，我应该得到：

• "1“表示”输出模块“。
• "2“代表”港口“
• CCS-7354系列监控器模块，用于“型号”。
• "7354-SPP“为模型。
• "JD546546527“表示”系列编号“

我得到的类型"CCS-7354 Series Supervisor Module 7354-SPP“是不正确的。

Answer 1

您的问题是类型列匹配组[A-Za-z0-9- ]+使用“贪婪”匹配。

相反，您应该将其更改为“勉强”匹配的[A-Za-z0-9- ]+?。

同样，之后的Model列匹配组也应该更改为不情愿的匹配，而不是贪婪的匹配，这样它就不会抢先吃掉所有的尾随空间。

这是最后的正则表达式-- ([0-9])\s+([0-9])\s+([A-Za-z0-9- ]+?)\s{2,}([A-Za-z0-9- ]+?)\s+([A-Za-z0-9]+)

这里的测试：链接

当然，还有其他方法可以编写regex，这样就不需要使用不情愿的匹配语法。例如，((?:\S|\s\S)+)

这将匹配由最多一个空格字符分隔的非空格字符。

把所有这些放在一起，就会是：([0-9])\s+([0-9])\s+((?:\S|\s\S)+)\s+((?:\S|\s\S)+)\s+((?:\S|\s\S)+)

以这种方式编写它可以减少潜在的回溯量，因此应该会导致一致的快速正则表达式，而不管输入是什么(尽管使用这个简单的输入看起来稍微慢了一点)。