texto - eliminar caracteres de una cadena javascript

cadenas de análisis: extracción de palabras y frases

Question

Necesito apoyar frases exactas (entre comillas) en una lista de términos separada por el espacio. Por lo tanto, dividir la cadena respectiva por el espacio-carácter ya no es suficiente.

Ejemplo:

input : ''foo bar "lorem ipsum" baz''
output: [''foo'', ''bar'', ''lorem ipsum'', ''baz'']

Me pregunto si esto podría lograrse con un solo RegEx, en lugar de realizar operaciones complejas de análisis y división y reincorporación.

¡Cualquier ayuda sería muy apreciada!

Answer 1

Esta podría ser una respuesta muy tardía, pero estoy interesado en responder

([/w]+|/"[/w/s]+/")

http://regex101.com/r/dZ1vT6/72

Ejemplo de javascript puro

 ''The rain in "SPAIN stays" mainly in the plain''.match(/[/w]+|/"[/w/s]+/"/g)

Productos:

["The", "rain", "in", ""SPAIN stays"", "mainly", "in", "the", "plain"]

Answer 2

Muchas gracias por las respuestas rápidas!

Aquí hay un resumen de las opciones para la posteridad:

var input = ''foo bar "lorem ipsum" baz'';

output = input.match(/("[^"]+"|[^"/s]+)/g);
output = input.match(/"[^"]*"|/w+/g);
output = input.match(/("[^"]*")|([^/s"]+)/g)
output = /(".+?"|/w+)/g.exec(input);
output = /"(.+?)"|(/w+)/g.exec(input);

Para el registro, aquí está la abominación que se me ocurrió:

var input = ''foo bar "lorem ipsum" "dolor sit amet" baz'';
var terms = input.split(" ");

var items = [];
var buffer = [];
for(var i = 0; i < terms.length; i++) {
    if(terms[i].indexOf(''"'') != -1) { // outer phrase fragment -- N.B.: assumes quote is either first or last character
        if(buffer.length === 0) { // beginning of phrase
            //console.log("start:", terms[i]);
            buffer.push(terms[i].substr(1));
        } else { // end of phrase
            //console.log("end:", terms[i]);
            buffer.push(terms[i].substr(0, terms[i].length - 1));
            items.push(buffer.join(" "));
            buffer = [];
        }
    } else if(buffer.length != 0) { // inner phrase fragment
        //console.log("cont''d:", terms[i]);
        buffer.push(terms[i]);
    } else { // individual term
        //console.log("standalone:", terms[i]);
        items.push(terms[i]);
    }
    //console.log(items, "/n", buffer);
}
items = items.concat(buffer);

//console.log(items);

Answer 3

Prueba esto:

var input = ''foo bar "lorem ipsum" baz'';
var R =  /(/w|/s)*/w(?=")|/w+/g;
var output = input.match(R);

output is ["foo", "bar", "lorem ipsum", "baz"]

Tenga en cuenta que no hay comillas dobles adicionales alrededor de lorem ipsum

Aunque asume que la entrada tiene las comillas dobles en el lugar correcto:

var input2 = ''foo bar lorem ipsum" baz''; var output2 = input2.match(R);
var input3 = ''foo bar "lorem ipsum baz''; var output3 = input3.match(R);

output2 is ["foo bar lorem ipsum", "baz"]
output3 is ["foo", "bar", "lorem", "ipsum", "baz"]

Y no manejará las comillas dobles escapadas (¿es eso un problema?):

var input4 = ''foo b/"ar  bar/" /"bar "lorem ipsum" baz'';
var output4 = input4.match(R);

output4 is  ["foo b", "ar bar", "bar", "lorem ipsum", "baz"]

Answer 4

Si solo se pregunta cómo construir la expresión regular usted mismo, es posible que desee comprobar Expresso ( enlace Expresso ). Es una gran herramienta para aprender a construir expresiones regulares para que sepa lo que significa la sintaxis.

Cuando haya creado su propia expresión, podrá realizar una .match en ella.

Answer 5

Soporte de la solución ES6:

• Dividido por el espacio a excepción de las comillas internas
• Quitando comillas, pero no para las comillas saltadas de la barra invertida
• Cita escapada se convierte en cita

Código:

input.match(///?.|^$/g).reduce((p, c) => {
        if(c === ''"''){
            p.quote ^= 1;
        }else if(!p.quote && c === '' ''){
            p.a.push('''');
        }else{
            p.a[p.a.length-1] += c.replace(///(.)/,"$1");
        }
        return  p;
    }, {a: ['''']}).a

Salida:

[ ''foo'', ''bar'', ''lorem ipsum'', ''baz'' ]

Answer 6

Una expresión regular simple servirá, pero dejará las comillas. p.ej

''foo bar "lorem ipsum" baz''.match(/("[^"]*")|([^/s"]+)/g)
output:   [''foo'', ''bar'', ''"lorem ipsum"'', ''baz'']

editar: golpeado por shyamsundar, perdón por la doble respuesta

Answer 7

Uno que sea fácil de entender y una solución general. Funciona para todos los delimitadores y caracteres ''join''. También admite palabras ''unidas'' que tienen más de dos palabras de longitud ... es decir listas como

"hello my name is ''jon delaware smith fred'' I have a ''long name''" ....

Un poco como la respuesta de AC pero un poco más ordenada ...

function split(input, delimiter, joiner){
    var output = [];
    var joint = [];
    input.split(delimiter).forEach(function(element){
        if (joint.length > 0 && element.indexOf(joiner) === element.length - 1)
        {
            output.push(joint.join(delimiter) + delimiter + element);
            joint = [];
        }
        if (joint.length > 0 || element.indexOf(joiner) === 0)
        {
            joint.push(element);
        }
        if (joint.length === 0 && element.indexOf(joiner) !== element.length - 1)
        {
            output.push(element);
            joint = [];
        }
    });
    return output;
  }

Answer 8

qué tal si,

output = /(".+?"|/w+)/g.exec(input)

luego haz un pase en la salida para perder las comillas.

alternativamente,

output = /"(.+?)"|(/w+)/g.exec(input)

luego haga una pasada n salida para perder las capturas vacías.

Answer 9

var str = ''foo bar "lorem ipsum" baz'';  
var results = str.match(/("[^"]+"|[^"/s]+)/g);

... devuelve la matriz que estás buscando.
Tenga en cuenta, sin embargo:

• Las citas delimitadoras están incluidas, por lo que se pueden eliminar con replace(/^"([^"]+)"$/,"$1") en los resultados.
• Los espacios entre las comillas permanecerán intactos. Entonces, si hay tres espacios entre lorem e ipsum , estarán en el resultado. Puede solucionar esto ejecutando replace(//s+/," ") en los resultados.
• Si no hay cierre " después de ipsum (es decir, una frase citada incorrectamente), terminará con: [''foo'', ''bar'', ''lorem'', ''ipsum'', ''baz'']

Answer 10

''foo bar "lorem ipsum" baz''.match(/"[^"]*"|/w+/g);

las citas de límite se incluyen, aunque