Ruby regex多次重复捕获

Question

为了好玩，我尝试用regex解析网页的一个子集。这很有趣，直到我遇到了下面的问题。我有一个段落如下；

foo: 1, 2, 3, 4 and 5.
bar: 1, 2 and 3.

我要做的是，通过应用以下正则表达式，在该段的第一行中以foo:开头获取数字：

foo:(?:\s(\d)(?:,|\sand|\.))+

这与上面的字符串匹配，但它只捕获捕获组的最后一次出现，即5。

如何捕捉以foo:开头的段落中的所有数字，直到使用单个正则表达式首次出现.为止。

Answer 1

在大多数编程语言中，重复捕获组的数据不是单独存储的，因此不能单独引用它们。这是使用\G锚点的有效原因。\G使匹配从上一次匹配结束的位置开始，或者它将匹配字符串的开头与\A相同。

因此，我们需要它的第一种能力：

(?:foo:|\G(?!\A))\s*(\d+)\s*(?:,|and)?

细目：

• (?:启动非捕获组。
  • foo:匹配foo:
  • |或
  • \G(?!\A)从上一次比赛结束的位置继续匹配

​

• NCG的)末端
• \s*任意数量的空格字符
• (\d+)匹配和捕获数字
• \s*任意数量的白纸字符
• (?:,|and)?可选,或and

此正则表达式将开始匹配在输入字符串中满足foo的情况。然后尝试查找逗号或and前面的以下数字(允许数字周围的空格)。

\K令牌将重置匹配。这意味着它将发送一个信号给引擎，以忘记到目前为止匹配的任何内容(但保留捕获的任何内容)，然后将光标留在该位置。

我在Rubular中使用了\K，使结果集没有匹配的字符串，而是捕获到的数字。然而，Rubular的工作方式似乎不同，不需要\K。这根本不是必须的。

Answer 2

这个答案只使用一个正则表达式，但无可否认，它做了一些预处理和后置处理。(请给我一点乐趣。我确实认为这里可能有一些教学价值。)

str = "foo: 1, 2, 34, 4 and 5. and 6."

r = /
    \d+             # match one or more digits
    (?=[^.]+:oof\z) # match one or more digits other than a period, followed
                    # by ":oof" at the end of the string, in a positive lookahead
    /x              # free-spacing regex definition mode

str.reverse.scan(r).join(' ').reverse.split
  #=> ["1", "2", "34", "4", "5"]

步骤如下。

s = str.reverse
  #=> ".6 dna .5 dna 4 ,43 ,2 ,1 :oof"
a  = s.scan r
  #=> ["5", "4", "43", "2", "1"]
b  = a.join(' ')
  #=> "5 4 43 2 1"
c  = b.reverse
  #=> "1 2 34 4 5"
c.split
  #=> ["1", "2", "34", "4", "5"]

如果没有匹配，则返回空数组。

为什么要倒车？这是为了允许我使用一个正的前瞻，它不像正向后，允许可变长度的匹配。