解析搜索字符串

Question

我有搜索字符串，类似于以下所示：

energy food "olympics 2010" Terrorism OR "government" OR cups NOT transport

并且我需要使用PHP5进行解析，以检测内容是否属于以下任何集群：

• AllWords数组
• AnyWords数组
• NotWords数组

这些是我设定的规则：

1. 如果在单词或带引号的单词之前或之后具有OR，则属于AnyWord。
2. 如果它在单词或带引号的单词之前有一个NOT，则它属于NotWords
3. 如果单词或带引号的短语之前有0个或更多空格，则它属于AllWords。

因此，最终结果应类似于以下内容：

AllWords: (energy, food, "olympics 2010")
AnyWords: (terrorism, "government", cups)
NotWords: (Transport)

什么是做到这一点的好方法？

Answer 1

如果要使用Regex进行此操作，请注意，您的解析将在愚蠢的用户输入（用户，而不是input =）上中断。

我会尝试以下正则表达式。

非字词：

(?<=NOT\s)\b((?!NOT|OR)\w+|"[^"]+")\b

AllWords：

(?<!OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?!\s+OR)

AnyWords：好吧..其余的。 =）它们并不是那么容易发现，因为我不知道如何在正则表达式中加上“或”或“或”。 也许您可以加入三个正则表达式的结果

(?<=OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?!\s+OR)
(?<=OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?=\s+OR)
(?<!OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?=\s+OR)

问题：这些要求修饰词和表达式之间恰好有一个空格。 PHP仅支持lookbehinds来修复长度表达式，所以抱歉，我看不到任何解决方法。 您可以只使用\\b(\\w+|"[^"]+")\\b拆分输入，然后手动解析结果数组。

Answer 2

这是一个很好的例子，说明了测试优先驱动的方法如何帮助您找到解决方案。 它可能不是最好的，但是编写测试可以使您信心十足地进行重构，并立即查看是否破坏了任何现有测试。 无论如何，您可以设置一些测试，例如：

public function setUp () {
  $this->searchParser = new App_Search_Parser();
}

public function testSingleWordParsesToAllWords () {
  $this->searchParser->parse('Transport');
  $this->assertEquals(
     $this->searchParser->getAllWords(), 
     array('Transport')
  );
  $this->assertEquals($this->searchParser->getNotWords(), array());
  $this->assertEquals($this->searchParser->getAnyWords());
}

public function testParseOfCombinedSearchString () {
   $query = 'energy food "olympics 2010" Terrorism ' . 
            'OR "government" OR cups NOT transport';
   $this->searchParser->parse($query);

  $this->assertEquals(
     $this->searchParser->getAllWords(), 
     array('energy', 'food', 'olympics 2010')
  );
  $this->assertEquals(
     $this->searchParser->getNotWords(), 
     array('Transport')
  );
  $this->assertEquals(
     $this->searchParser->getAnyWords(),
     array( 'terrorism', 'government', 'cups')
  );
}

其他好的测试包括：

• testParseTwoWords
• testParseTwoWordsWithOr
• testParseSimpleWithNot
• testParseInvalid
  • 在这里，您必须确定无效输入是什么样以及如何解释它，即：
  • “不运输”：搜索不包含运输的任何东西，或者告知用户他也必须至少包含一个搜索词？
  • “或能量”：可以从组合器开始吗？
  • “食物还是没有能量”：这意味着“寻找食物或不含能量的任何事物”，还是意味着“寻找食物而不是能量的事物”，或者这并不意味着什么？ （即抛出异常，返回false或其他）
• testParseEmpty

然后，一个接一个地编写测试，并编写一个通过测试的简单解决方案。 然后重构并使其正确，然后再次运行以查看您仍然通过了测试。 测试通过并重构代码后，请编写下一个测试并重复该过程。 发现特殊情况后添加更多测试，并重构代码，使其通过所有测试。 如果您破坏测试，请备份并重新编写代码（而不是测试！），使其通过。

至于如何解决此问题，请查看preg_match ， strtok或依靠循环遍历字符串添加标记。