带可选组的正则表达式将多个组包装起来，对于未采用的分支返回未定义

Question

我正在尝试用JavaScript写一个正则表达式，该表达式返回不带引号（如果存在）的字符串中第一个带引号或未引号的单词。 例如：

'"quoted phrase" followed by text' => 'quoted phrase'
'phrase without quotes followed by text' => 'phrase'

我的正则表达式当前是这样的：（ (?:"([^"]*)"|([^"\\s]+))

但是，我要注意的是，输出始终包含两个匹配组，一个始终是未定义的匹配组，大概是未使用的分支（即，如果第一个单词未加引号，则为第一个匹配，否则为第二个）。

为了避免得到undefined匹配组并仍然出现带引号的行为，我可以进行哪些更改？

注意：单词不是严格的“仅单词”（例如字母数字）字符。 它们可以包含非单词字符，而不能包含"字符。

Answer 1

您需要使用^ （开始锚）来匹配第一个单词，并且只需使用\\w+来匹配该单词，我想您也不需要主要组：

"([^"]*)"|(^\w+)

演示

Answer 2

由于您在正则表达式中定义了嵌套分组，因此您获得了额外的匹配项。 正确的表达式应该是(?:"[^"]*"|[^"\\s]+) ，它将为您的输入生成以下内容（不带引号）

'"quoted phrase" followed by text' => "quoted phrase"
'phrase without quotes followed by text' => phrase

Answer 3

您不能仅使用正则表达式来完成您想做的事情。 其他正则表达式版本具有强大的功能，例如“分支重置组”（这会使每个分支中的捕获组以相同的数字开头）：

(?|"([^"]*)"|([^"\s]+))

...或者让您为多个组使用相同的名称：

(?:"(?<token>[^"]*)"|(?<token>[^"\s]+))

...但是JavaScript一无所有。 在与编程语言（Perl，Python，Java等）相关的所有regex风格中，JavaScript是最缺乏有用功能的。 您只需要遍历所有组并找到undefined 。