[英]Parsing text to object with regex
我正在使用API,该API以以下格式返回文本:
#start
#p 12345 foo
#p 12346 bar
#end
#start
#p 12345 foo2
#p 12346 bar2
#end
我的解析功能:
function parseApiResponse(data) {
var results = [], match, obj;
while (match = CST.REGEX.POST.exec(/(#start)|(#end)|#p\s+(\S+)\s+(\S+)/ig)) {
if (match[1]) { // #start
obj = {};
} else if (match[2]) { // #end
results.push(obj);
obj = null; // prevent accidental reuse
// if input is malformed
} else { // #p something something
obj[match[3]] = match[4];
}
}
return results;
}
这会给我一个看起来像这样的对象列表:
[{ '12345': 'foo', '12346': 'bar'}, /* etc... */]
但是,如果一行的格式如下
#start
#p 12345
#p 12346 bar
#end
该行实际上是#p 12345\\n
而我的match[4]
将包含下一行的#p
。
如何调整样式以适应这种情况?
假设每行有一个#end
#start
, #end
或#p
元素,则可以使正则表达式意识到这一点,并添加一个附加的非捕获组以指示一行中的最后一个\\s+(\\S+)
是可选的:
/(#start)|(#end)|#p\\s+(\\S+)(?:\\s+(\\S+))?$/igm
(?: )
:)表示“将其作为一个整体进行处理,但不要捕获其匹配的模式”(因此它不会在match
创建元素)。 ?
该组后面的意思是“该组是可选的,可能与该模式中的任何内容都不匹配”。 其后的$
与m
标志一起匹配行尾。
您还可以通过使用*而不是+量词来避免(?: )
:)欺骗,这意味着“匹配零次或多次”:将\\s+(\\S+)
更改为\\s*(\\S*)
。 这样做的副作用是,数字和其后的数据之间的空格现在是可选的。
我将重写正则表达式并重构代码,如下所示:
while (match = CST.REGEX.POST.exec(/^#(start|end|p)(?:\s+(\d+)(?:[^\S\r\n]+([^\r\n]+))?)?$/igm)) {
switch (match[1]) {
case 'start':
obj = {};
break;
case 'end':
results.push(obj);
obj = null;
break;
case 'p':
obj[match[2]] = match[3];
break;
}
}
我喜欢在一个捕获组中捕获start
, end
或p
,因此可以在switch
语句中使用它。 我在这里使用的正则表达式的版本更具区分性(期望#p
后面的标记为数字)和更多的宽容(允许#p
行上的最后一个标记包含任何非换行符空白,例如#p 1138 this is only a test
)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.