ruby - 我如何在 Ruby 中标记这个字符串？

Question

我有这个字符串:

%{Children^10 Health "sanitation management"^5}

我想将其转换为将其标记为哈希数组:

[{:keywords=>"children", :boost=>10}, {:keywords=>"health", :boost=>nil}, {:keywords=>"sanitation management", :boost=>5}]

我知道 StringScanner 和 Syntax gem但我找不到足够的代码示例。

有什么建议吗？

Answer 1

对于真正的语言，词法分析器是必经之路 - like Guss said .但是如果完整的语言只是和你的例子一样复杂，你可以使用这个快速 hack:

irb> text = %{Children^10 Health "sanitation management"^5}
irb> text.scan(/(?:(\w+)|"((?:\\.|[^\\"])*)")(?:\^(\d+))?/).map do |word,phrase,boost|
       { :keywords => (word || phrase).downcase, :boost => (boost.nil? ? nil : boost.to_i) }
     end
#=> [{:boost=>10, :keywords=>"children"}, {:boost=>nil, :keywords=>"health"}, {:boost=>5, :keywords=>"sanitation management"}]

如果您正在尝试解析常规语言，那么此方法就足够了 - 尽管使语言变得非常规并不需要更多的复杂性。

正则表达式的快速分解:

• \w+ 匹配任何单词关键词
• (?:\\.|[^\\"]])* 使用非捕获括号 ((?:...)) 来匹配转义双引号字符串的内容 - 转义符号(\n、\"、\\ 等)或任何单个字符那不是转义符号或结束引号。
• "((?:\\.|[^\\"]])*)" 仅捕获引用关键字短语的内容。
• (?:(\w+)|"((?:\\.|[^\\"])*)") 匹配任何关键字 - 单个术语或短语，捕获单个术语放入$1 并将短语内容放入$2
• \d+ 匹配一个数字。
• \^(\d+) 捕获插入符号 (^) 后的数字。由于这是第三组捕获括号，它将被捕获到 $3。
• (?:\^(\d+))? 捕获插入符号后的数字(如果有)，否则匹配空字符串。

String#scan(regex) 尽可能多次将正则表达式与字符串匹配，输出“匹配”数组。如果正则表达式包含捕获括号，则“匹配项”是捕获的项目数组 - 因此 $1 变为 match[0]，$2 变为 match[1] 等。任何未与部分字符串匹配的捕获括号都映射到结果“匹配”中的 nil 条目。

#map 然后获取这些匹配项，使用一些 block 魔术将每个捕获的术语分解为不同的变量(我们可以做 do |match| ; word,phrase,boost = * match)，然后创建你想要的散列。 word 或 phrase 中的一个将是 nil，因为两者都无法与输入匹配，所以 (word || phrase) 将返回非nil 的，而#downcase 会将其转换为全部小写。 boost.to_i 将字符串转换为整数，而 (boost.nil? ? nil : boost.to_i) 将确保 nil 提升保持不变无。