arrays - 如何在另一个字符串的开头匹配数组中的字符串

Question

我想不区分大小写地匹配我的数组 TOKENS 中的一个字符串，它位于另一个字符串的开头，后跟一个空格或行尾。

我的 token 数组如下所示:

2.4.0 :013 > TOKENS = ["m", "o"]
 => ["m", "o"]

当我尝试匹配数组中的每个元素时，它选出了错误的结果:

2.4.0 :009 > data_col = ["M", "b", "Mabc", "abc m b"]
 => ["M", "b", "Mabc", "abc m b"]
...
2.4.0 :015 > data_col.select{|string| string =~ /^[#{Regexp.union(TOKENS)}]([[:space:]]|$)/i }
 => ["M", "b"]

这与“M”和“b”条目都匹配，即使“b”没有出现在我的 token 列表中。如何修改我的正则表达式以便只匹配正确的值“M”？

我正在使用 Ruby 2.4。

Answer 1

我会使用:

TOKENS = ["m", "o"]
DATA_COL = ["M", "b", "Mabc", "abc m b"]
RE = /^(?:#{Regexp.union(TOKENS).source})(?: |$)/i

DATA_COL.select{ |string| string[RE] }
# => ["M"]

分解一下:

Regexp.union(TOKENS).source # => "m|o"
/^(?:#{Regexp.union(TOKENS).source})(?: |$)/i # => /^(?:m|o)(?: |$)/i

---

/^[#{Regexp.union(TOKENS)}]([[:space:]]|$)/i 在循环中不是一个好主意。每次通过你强制 Ruby 创建模式；效率在循环内部很重要，尤其是大循环，因此在循环外部创建模式然后引用内部模式。

下一个问题是 Regexp.union 有一个它应该匹配的正确大小写的概念:

Regexp.union(TOKENS).to_s        # => "(?-mix:m|o)"

(?-mix: 部分是正则表达式引擎如何记住模式的标志。当模式嵌入到另一个模式中时，他们继续知道他们应该寻找什么，导致我们咬牙切齿流泪:

/#{Regexp.union(TOKENS)}/i # => /(?-mix:m|o)/i

尾随的 i 告诉模式它应该忽略大小写，但是嵌入的 i 没有设置所以它是尊重大小写。这就是打破你的模式的原因。

修复方法是像我上面那样在嵌入时使用 source。

有关更多信息，请参阅正则表达式“options”部分。