Regex 单元提取的迭代法

有时会有一个数值范围，后跟一个测量单位。输入将是一个包含数字的文本字符串，后跟由函数提取的单位。给定一个包含数字和单位的文本字符串，以下内容可以将数字和单位提取为嵌套向量：

(def aa ["meter" "kilometer"])
(def bb (clojure.string/join "|" aa))
(def cc (str "(\\d+)\\s*(" bb ")")) 
(def dd (re-pattern  cc))

(defn foostring [strings]
     (into [] (map into [] (map (fn [[_ count unit]] {:count count, :unit unit})
     (re-seq dd strings)))))

例如，让我们尝试输入：

(foostring "Today I sprinted 40 meters.")

输出将是：

[[[:count 40] [:unit meter]]]

但是，我无法提取后跟单位的数字范围，例如以下示例：

(foostring "Today I sprinted between 80-90 meters.")

该功能将为计数选择90，为单位选择仪表。然而，我正试图找出单元前面的数字范围

我认为可以提取这样的模式的想法是递归地查找“近邻”。也就是说，函数查找单元，然后查找单元左侧的数字。在“向左看”的过程中，函数可能会搜索一个数字，如前面提到的示例，一个数字后跟标点符号，即斜杠或一个单词。在上一次搜索的基础上展开，让我提供一个示例：

(foostring "Today I ran between 80 to 90 meters.")

或者，口语

（foostring“有8090只雪人在森林中奔跑。”）

虽然雪人的例子很奇怪，但在写的时候，它抓住了人们的演讲被翻译成文本的想法。一个可能发生这种情况的例子是在为一篇文章引用某人的过程中

试试这个：

(?i)(?<lowerBound>\d+)(?:\s*(?:-|to)\s*(?<upperBound>\d+))?\s+(?<unit>meters?|kilometers?|...)

（？i）（？\d+）（:\s*（？：-| to）\s*（？\d+））\s+（？米？|公里？|……）

描述

演示 （选择Java，因为Clojure与Java具有相同的风格）

尝试以下方法：

(?i)(?<lowerBound>\d+)(?:\s*(?:-|to)\s*(?<upperBound>\d+))?\s+(?<unit>meters?|kilometers?|...)

（？i）（？\d+）（:\s*（？：-| to）\s*（？\d+））\s+（？米？|公里？|……）

描述

演示 （选择Java，因为Clojure与Java具有相同的风格）

我认为可以提取这种模式的想法将递归地寻找“近邻”

如果你真的是指递归，那么你肯定已经离开了正则表达式的领域。如果您对表达式不太感兴趣，可以使用上下文无关的EBNF

(require '[instaparse.core :as insta])


(def foostring
  (insta/parser
     "<S> = Expr+
      Expr = <Stuff> Number+ {<[' '] [Preposition] [' ']> Number} <' '> Unit <Stuff>;
      Bleh = #'[a-z A-Z.,]+';
      Stuff = {Bleh}
      Preposition = 'between'|'to'|'-';
      Unit = 'meter'|'kilometer'|'Yeti'|'sandwiches';
      Number = #'[0-9]+'"))

我认为可以提取这种模式的想法将递归地寻找“近邻”

如果你真的是指递归，那么你肯定已经离开了正则表达式的领域。如果您对表达式不太感兴趣，可以使用上下文无关的EBNF

(require '[instaparse.core :as insta])


(def foostring
  (insta/parser
     "<S> = Expr+
      Expr = <Stuff> Number+ {<[' '] [Preposition] [' ']> Number} <' '> Unit <Stuff>;
      Bleh = #'[a-z A-Z.,]+';
      Stuff = {Bleh}
      Preposition = 'between'|'to'|'-';
      Unit = 'meter'|'kilometer'|'Yeti'|'sandwiches';
      Number = #'[0-9]+'"))

---

对于这个特定的问题，请尝试类似于

“（\\d+）\\s*（？：-| to）（\\d+）”（\\d+）（“bb”）”

的方法。我刚刚尝试了一下，结果是“80-90米”。忘记了第二个可选空格：

“（\\d+）\\s*（？：-| to）（\\d+）\\s*（“bb”）

，regex在80和90之间有斜线时选择了它们。但当80到90之间有一个空格时，它就不起作用了。此外，它将80作为上述函数中的计数输出，将90作为单位输出。然而，我担心这个正则表达式将无法拾取后跟一个单位的任意数字。例如

“我午餐想吃2 3 4个三明治。”

如果你想在单词中寻找部分模式等等，你必须学习更多关于正则表达式的知识（即，除了一些简单的事情），并深入研究编写某种解析器。尝试类似

“（\\d+\\s*（？：-| to）（\\d+）（\\d+）（“bb”）的东西

针对这个特定的问题。我刚刚尝试了一下，结果是“80-90米”。忘记了第二个可选空格：

“（\\d+）\\s*（？：-| to）（\\d+）\\s*（“bb”）”

当80和90米之间有斜线时，正则表达式会拾取它们。但当80到90之间有一个空格时，它就不起作用了。此外，它将80作为上述函数中的计数输出，将90作为单位输出。然而，我担心这个正则表达式将无法拾取后跟一个单位的任意数字。例如

“我午餐想吃2 3 4个三明治。”

如果你想在单词中寻找部分模式等，你必须学习更多关于正则表达式的知识（即，除了一些简单的事情），并深入研究编写某种解析器。有没有一种快速的方法使单元不区分大小写？

（def insensitive foo（comp foostring clojure.string/lower case））

并用小写定义语法。是否有一种快速方法使单元不区分大小写？

（def insensitive foo（comp foostring clojure.string/lower case））

并用小写定义语法。