parsings字符串：提取单词和短语[JavaScript]

我需要在一个以空格分隔的术语列表中支持精确的短语（用引号括起来）。 因此，用空格字符分割相应的字符串已不再足够

例如：

input : 'foo bar "lorem ipsum" baz'
output: ['foo', 'bar', 'lorem ipsum', 'baz']

我想知道这是否可以用单个正则表达式实现，而不是执行复杂的解析或拆分和重新连接操作

任何帮助都将不胜感激

'foo bar "lorem ipsum" baz'.match(/"[^"]*"|\w+/g);

---

虽然包含了边界引号，但一个简单的正则表达式只需保留引号即可。e、 g

'foo bar "lorem ipsum" baz'.match(/("[^"]*")|([^\s"]+)/g)
output:   ['foo', 'bar', '"lorem ipsum"', 'baz']

编辑：被shyamsundar打败了，很抱歉双重回答

output = /(".+?"|\w+)/g.exec(input)

然后传递输出以丢失引号

或者

output = /"(.+?)"|(\w+)/g.exec(input)

然后执行passn输出以丢失空捕获

var str = 'foo bar "lorem ipsum" baz';  
var results = str.match(/("[^"]+"|[^"\s]+)/g);

。。。返回要查找的数组。
但请注意：

• 包含边界引号，因此可以在结果上使用

  replace（/^“（[^”]+）“$/，“$1”）

  删除
• 引号之间的空格将保持不变。因此，如果

  lorem

  和

  ipsum

  之间有三个空格，它们将出现在结果中。您可以通过对结果运行

  replace（/\s+/，“”）来修复此问题

• 如果在

  ipsum

  之后没有关闭

  ”

  （即错误引用的短语），您将以：

  ['foo'、'bar'、'lorem'、'ipsum'、'baz']结束。

试试这个：

var input = 'foo bar "lorem ipsum" baz';
var R =  /(\w|\s)*\w(?=")|\w+/g;
var output = input.match(R);

output is ["foo", "bar", "lorem ipsum", "baz"]

注意：lorem ipsum周围没有额外的双引号

尽管它假定输入在正确的位置有双引号：

var input2 = 'foo bar lorem ipsum" baz'; var output2 = input2.match(R);
var input3 = 'foo bar "lorem ipsum baz'; var output3 = input3.match(R);

output2 is ["foo bar lorem ipsum", "baz"]
output3 is ["foo", "bar", "lorem", "ipsum", "baz"]

并且不会处理转义的双引号（这是问题吗？）

---

非常感谢您的快速回复

以下是供子孙后代选择的摘要：

var input = 'foo bar "lorem ipsum" baz';

output = input.match(/("[^"]+"|[^"\s]+)/g);
output = input.match(/"[^"]*"|\w+/g);
output = input.match(/("[^"]*")|([^\s"]+)/g)
output = /(".+?"|\w+)/g.exec(input);
output = /"(.+?)"|(\w+)/g.exec(input);

为了记录在案，我提出了一个令人憎恶的观点：

var input = 'foo bar "lorem ipsum" "dolor sit amet" baz';
var terms = input.split(" ");

var items = [];
var buffer = [];
for(var i = 0; i < terms.length; i++) {
    if(terms[i].indexOf('"') != -1) { // outer phrase fragment -- N.B.: assumes quote is either first or last character
        if(buffer.length === 0) { // beginning of phrase
            //console.log("start:", terms[i]);
            buffer.push(terms[i].substr(1));
        } else { // end of phrase
            //console.log("end:", terms[i]);
            buffer.push(terms[i].substr(0, terms[i].length - 1));
            items.push(buffer.join(" "));
            buffer = [];
        }
    } else if(buffer.length != 0) { // inner phrase fragment
        //console.log("cont'd:", terms[i]);
        buffer.push(terms[i]);
    } else { // individual term
        //console.log("standalone:", terms[i]);
        items.push(terms[i]);
    }
    //console.log(items, "\n", buffer);
}
items = items.concat(buffer);

//console.log(items);

var输入='foo bar“lorem ipsum”door sit amet“baz'；
var术语=输入。拆分（“”）；
var项目=[]；
var缓冲区=[]；
对于（var i=0；i

一个易于理解且通用的解决方案。适用于所有分隔符和“连接”字符。还支持长度超过两个单词的“连接”单词…例如

“你好，我的名字是‘乔恩·特拉华·史密斯·弗雷德’，我有一个‘长名字’”

有点像AC的答案，但有点整洁

function split(input, delimiter, joiner){
    var output = [];
    var joint = [];
    input.split(delimiter).forEach(function(element){
        if (joint.length > 0 && element.indexOf(joiner) === element.length - 1)
        {
            output.push(joint.join(delimiter) + delimiter + element);
            joint = [];
        }
        if (joint.length > 0 || element.indexOf(joiner) === 0)
        {
            joint.push(element);
        }
        if (joint.length === 0 && element.indexOf(joiner) !== element.length - 1)
        {
            output.push(element);
            joint = [];
        }
    });
    return output;
  }

---

这可能是一个很晚的回答，但我有兴趣回答

([\w]+|\"[\w\s]+\")

纯javascript示例

 'The rain in "SPAIN stays" mainly in the plain'.match(/[\w]+|\"[\w\s]+\"/g)

产出：

["The", "rain", "in", ""SPAIN stays"", "mainly", "in", "the", "plain"]

---

ES6解决方案支持：

• 除内引号外按空格拆分
• 删除引号但不删除反斜杠转义引号
• 转义引号变为引号

代码：

输出：

[ 'foo', 'bar', 'lorem ipsum', 'baz' ]

---

在公认答案的基础上，这里有一个搜索引擎解析器

• 可以匹配短语或单词
• 将短语视为正则表达式
• 在多个属性（例如item.title和item.body）之间执行布尔或布尔运算
• 处理前缀为的单词或短语的否定-

将短语视为正则表达式可以使UI更简单

const matchOrIncludes=（str，search，useMatch=true）=>{
如果（使用匹配）{
让结果=假
试一试{
结果=str.match（搜索）
}捕捉（错误）{
返回错误
}
返回结果
}
返回str.includes（搜索）
}
常量itemMatches=（项目、搜索字符串、字段）=>{
const keywords=searchString.toString（）.replace（/\s\s+/g'，）.trim（）.toLocaleLowerCase（）.match（/（？[^”]+“|[^”\s]+）/g）| |[]
for（设i=0；iconsole.log（itemMatches（item，'text'，['title'，'body']）

唯一的问题是所有引号都被删除了，即引号字符本身不可搜索。很好，只是找不到scape引号，比如：['foo'，'bar'，'lorem\'ipsum'，'baz']很好！这是一种实现搜索引擎解析器的简单方法，用于搜索短语和单个单词。。。非常感谢！谢谢你的回答。我发布了一个搜索引擎解析器的实现，用于短语和单个单词，作为另一个答案，其中短语被视为正则表达式。这不是unicode友好的，例如，它不支持阿拉伯语字符。

input.match(/\\?.|^$/g).reduce((p, c) => {
        if(c === '"'){
            p.quote ^= 1;
        }else if(!p.quote && c === ' '){
            p.a.push('');
        }else{
            p.a[p.a.length-1] += c.replace(/\\(.)/,"$1");
        }
        return  p;
    }, {a: ['']}).a

[ 'foo', 'bar', 'lorem ipsum', 'baz' ]