REGEX匹配3或4列数据，其中一列可能包含空格

Question

我试图解析，在PHP中，描述网络节点的数据文件。数据文件由4列组成，第4列是可选的:

<Node name>  <Operating System> <Description> <SSL info>

。

SIG.SND.SERV                   ZOS        A Big client (MF  LPAR   PROD)
ADC1                           ZOS        AMEX                           SSL
ADEPTRA.GB1.PROD               LINUX      BANK OF SOMEWHERE            TLS
ADEPTRA.GB2.CQA                LINUX      BANK OF SOMEWHERE            TLS
AIX.EG3C                       UNIX       BARCLAYS                       S+
AIX.EG3P                       UNIX       BARCLAYS                       S+
ADEPTRA.GB2.CQA                LINUX      FICO (ADEPTRA) LTD            TLS
AIX.RMWDEV1                    UNIX       FDCS
AIX.RMWPROD1                   UNIX       FDCS
AIX-EFXWRWCK01                 UNIX       EQUIFAX EUROPE
ANB-DRC-CDFDI                  NT         ARAB NATIONAL BANK (ANB)      SSL

我的问题在于column3，它的描述可能有空格，而列4可能没有空格。

我已经尝试了以下REGEX(使用REGEX检查器在https://regex101.com/:

(S+)s+(S+)s+(S.+?S)s+(S.+)?

(这是我试图表达"非空白后跟一些空格，非空白后跟一些空格，由非空白分隔的字符后跟至少2个空格

可以工作，除非第四列不存在。我尝试使最后的空格和字符可选，结果在第3列和第4列匹配在一起:

(S+)s{2,} (S+)s{2,} (S.+S)(s{2,})? ?(S.+)?

我还尝试创建一个REGEX，指定'任何由非空白分隔的字符，后跟至少2个空格或字符串结束':

(S.+?S)[s{2}|$]

这也是"接近但没有雪茄"。

遗憾的是，是的-第一行的描述确实在单词之间有多个空格。

添加了一个链接到我的一个尝试:https://regex101.com/r/k9JlZu/1

Answer 1

您可以使用这个正则表达式在每行中捕获3或4组:

^(S+)h+(S+)h+(w+(?:hw+)*(?:h*([^)]+)(?:hw+)?)?)(?:h{2,}(S+))?$

RegEx演示

RegEx细节:

• ^: Start
• (S+):在捕获组#1中匹配1+非空白字符
• h+: Match 1+ whitespaces
• (S+):匹配捕获组#2中的1+非空白字符
• h+: Match 1+ whitespaces
• (w+(?:hw+)*(?:h*([^)]+))?):捕获组#3以匹配空格分隔的单词可选后面跟着(...)字符串
• (?:h+(S+))?:最后一个可选的非捕获组，用于捕获捕获组#4中的1+非空白字符
• $: End

Answer 2

代码:(Demo)

preg_match_all(
'/^(S+)h+(S+)h+(S+(?:hS+|h+([^)]+))*)(?:h+(S+))?/m',
$txt,
$m
);
var_export($m);

似乎只有第三组比较棘手。

我建议使用比anubhava当前显示的更短的子模式:

(                 # capture group #3
S+             # one or more visible characters
(?:             # a non-capturing group
hS+         # a single horizontal space followed by one or more visible characters
|             # or
h+([^)]+)  # one or more horizontal spaces, opening parenthesis, one or more non-closing parentheses, closing parenthesis
)*              # zero or more times
)

第四个/可选组件在非捕获组中捕获，包含一个0或1量词(?)。

模式比较:(anubhava(423步)vs mickmackua(396步))

// anubhava
/^(S+)h+(S+)h+(w+(?:hw+)*(?:h*([^)]+)(?:hw+)?)?)(?:h{2,}(S+))?$/m
// mickmackusa
/^(S+)h+(S+)h+(S+(?:hS+|h+([^)]+))*)(?:h+(S+))?/m

所以我的模式更简洁/简洁在步骤方面更有效率。