原始：
为了简单起见，这就是我想要完成的：
源语言：
[category - subcategory] [some text - more text] [2018-12-31] text title here
期望的结果：
category
subcategory
some text
more text
2018-12-31
text title here
方括号的数量始终相同，但方括号之间的封闭属性数量可能不同：
[category - subcategory] [some text - more text] [2018-12-31] text title here
[category - subcategory] [some text] [2018-12-31] text title here more text
[category] [some text - more text - even more] [2018-12-31] text title here more text
因此，前两个 [ ][ ] 中的文本将由 -
我昨天第一次尝试正则表达式，这有点令人头疼。我正在尝试做的事情可能吗？
是的，这是可能的，但相当复杂，一些表达式可能类似于：
[s*(s*d{4}s*-s*d{2}s*-s*d{2}s*)s*]|(?<=[|-)s*(.*?)s*(?=-|])|([A-Za-z].*)
我们将首先使用
[s*(s*d{4}s*-s*d{2}s*-s*d{2}s*)s*]
然后在另一个方括号中加入其他所需的子字符串，使用
(?<=[|-)s*(.*?)s*(?=-|])
最后一句是：
([A-Za-z].*)
例如。我们可以将其他字符添加到此字符类中
[A-Za-z]
如果有必要的话。
如果您希望探索/简化/修改表达式，请在此演示的右上角面板上解释该表达式。
演示
在此演示中，您可以看到捕获组的工作原理：
const regex = /[s*(s*d{4}s*-s*d{2}s*-s*d{2}s*)s*]|(?<=[|-)s*(.*?)s*(?=-|])|([A-Za-z].*)/gm;
const str = `[category - subcategory] [some text - more text ] [2018-12-31] text title here
[category - subcategory] [some text] [ 2018 - 12 -31 ] text title here more text
[category] [some text - more text - even more] [2018-12-31] text title here more text
[category] [some text - more text - even more - some text - more text - even more ] [2018-12-31] text title here more text`;
let m;
while ((m = regex.exec(str)) !== null) {
// This is necessary to avoid infinite loops with zero-width matches
if (m.index === regex.lastIndex) {
regex.lastIndex++;
}
// The result can be accessed through the `m`-variable.
m.forEach((match, groupIndex) => {
console.log(`Found match, group ${groupIndex}: ${match}`);
});
}我将通过两步过程解决此问题。
首先，使用此正则表达式提取方括号之间和之后的块：
[(.*?)]s*[(.*?)]s*[(.*?)]s*(.*)
假设输入中的其他地方不允许使用方括号，这将为您提供四个组匹配项，分别是类别、文本、日期和自由文本。
详：
[和]匹配文字方括号。(.*?)以非贪婪的方式匹配方括号之间的文本，从而避免了必须使用更笨拙的字符集([^][]*)来排除它们。s*允许块之间有任意数量的空格。如果模式始终只有一个空格，您也可以只使用一个空格。(.*)最后只会抓住剩下的一切。
然后，您可以将"-"上的类别和文本拆分为数组或列表，以包含所需的细分。由于您希望在前两组括号中捕获可变数量的字段，因此尝试在一个大正则表达式中捕获所有字段似乎比当split()可以轻而易举地完成这项工作时更困难。
PS：由于您没有指定编程语言，因此我为您提供了描述性的伪代码; 您必须查找如何访问匹配组并用您的语言进行拆分。
演示
您还可以应用sed以获得所需格式的结果
echo [category - subcategory] [some text - more text] [2018-12-31] text title here
| sed -e $'s/] /\n/g' -e $'s/ - /\n/g' -e 's/[//g'
输出：
category
subcategory
some text
more text
2018-12-31
text title here
首先将](space)和(space)-(space)转换为新行，然后将[替换为empty
尝试模式[.+?(?(?<= - ) - |])
解释：
[- 从字面上匹配[
.+?- 匹配任意字符中的一个或多个(非贪婪)
(?(?<= - ) - |])- 条件：如果满足正外观(?<= - )(匹配-字面意思)，则匹配-，否则从字面上匹配]]
在此处输入链接说明
帮自己一个忙，编写自己的解析器，例如使用Python(还没有标记语言？)，这可能是parsimonious：
from parsimonious.grammar import Grammar
from parsimonious.nodes import NodeVisitor
data = ["[category - subcategory] [some text - more text] [2018-12-31] text title here",
"[category - subcategory] [some text] [2018-12-31] text title here more text",
"[category] [some text - more text - even more] [2018-12-31] text title here more text",
"[category - subcategory] [some text - more text] [2018-12-31] text title here"]
class TextVisitor(NodeVisitor):
grammar = Grammar(
r"""
content = (section / text)+
section = lpar notpar (sep notpar)* rpar ws*
text = ~"[^][]+"
lpar = "["
rpar = "]"
notpar = ~"(?:(?! - )[^][])+"
sep = " - "
ws = ~"s+"
"""
)
def generic_visit(self, node, visited_children):
return visited_children or node
def visit_section(self, node, visited_children):
_, cat1, catn, *_ = visited_children
categories = [cat1.text] + [cat[1].text for cat in catn]
return categories
def visit_text(self, node, visited_children):
return [node.text]
def visit_content(self, node, visited_children):
result = [textnode
for child in visited_children
for subchild in child
for textnode in subchild]
return result
for datapoint in data:
tv = TextVisitor()
result = tv.parse(datapoint)
print("n".join(result))
print("###")
这会产生
category
subcategory
some text
more text
2018-12-31
text title here
###
category
subcategory
some text
2018-12-31
text title here more text
###
category
some text
more text
even more
2018-12-31
text title here more text
###
category
subcategory
some text
more text
2018-12-31
text title here
###
如果支持G锚点在上一个匹配项结束时断言位置，要获取方括号内的单独部分而不带连字符，您可以使用：
(?:[|G(?!^))([^-][s]+(?:[ -][^-][s]+)*)(?: - )?(?=[^[]]*])
比赛在第一个捕获组中。
解释
(?:非捕获组[比赛[|或G(?!^)在上一场比赛中而不是在开始时断言位置
)关闭非捕获组(捕获组 1[^-][s]+匹配 1+ 除-、]、[和空格字符之外的任何字符(?:[ -][^-][s]+)*重复 0+ 次与以前的模式相同，仅在前面加上空格或连字符
)关闭组(?: - )?可选地匹配空格之间的-(?=积极向前看，断言右边的东西是[^[]]*]匹配 0+ 乘以除[和]之外的任何字符
)关闭 展望
正则表达式演示