使用变量分组使用ruby正则表达式解析字符串的更优雅的方法？

目前，我有一个正则表达式，如下所示：

^(cat|dog|bird){1}(cat|dog|bird)?(cat|dog|bird)?$

它至少匹配一个长单词列表的1个实例，最多匹配3个实例，并通过相应的变量使每个组的匹配单词可用

有没有办法修改它，这样我就可以返回字符串中每个单词的结果，而不必事先指定组数

^(cat|dog|bird)+$

---

工作，但仅单独返回最后一个匹配，因为只有一个组。

如果需要重复正则表达式的部分，一个选项是将重复的部分存储在变量中，并仅引用，例如：

r = "(cat|dog|bird)"
str.match(/#{r}#{r}?#{r}?/)

---

您可以分两步完成：

使用

/^（猫狗鸟）+$/

（或更好的

/\A（猫狗鸟）+\z/

）确保匹配

然后

string.scan（/cat | dog | bird/）

获取片段

您还可以使用

split

和一个集合同时执行这两项操作。假设您的单词在数组

a

中，字符串在

s

中，那么：

words = Set.new(a)
re    = /(#{a.map{|w| Regexp.quote(w)}.join('|')})/
parts = s.split(re).reject(&:empty?)
if(parts.any? {|w| !words.include?(w) })
  # 's' didn't match what you expected so throw a
  # hissy fit, format the hard drive, set fire to
  # the backups, or whatever is appropriate.
else
  # Everything you were looking for is in 'parts'
  # so you can check the length (if you care about
  # how many matches there were) or something useful
  # and productive.
end

当您与包含组的模式一起使用时

相应的匹配项也将在数组中返回

在这种情况下，

split

将为我们提供类似于

[“”，“cat”，“dog”]

的内容，空字符串将只出现在我们正在寻找的分隔符之间，因此我们可以将它们设为不存在。这可能是对

split

的意外使用，因为我们对分隔符的兴趣大于被分隔的内容（除了确保没有任何内容被分隔），但它完成了任务

---

根据您的评论，看起来您需要一个有序的替换，以便

（ascard | car | as | id）

尝试从左到右匹配。我在（Ruby 1.9正则表达式引擎）文档中找不到任何说明

是有序的还是无序的；似乎被指定（或至少强烈暗示）是有序的，Ruby的行为肯定像是有序的：

>> 'pancakes' =~ /(pan|pancakes)/; puts $1
pan

因此，在构建正则表达式时，您可以从最长到最短对单词进行排序：

re = /(#{a.sort_by{|w| -w.length}.map{|w| Regexp.quote(w)}.join('|')})/

并希望Oniguruma真的能匹配从左到右的交替。好吧，Ruby的正则表达式将是安全的，所以这种方法应该是安全的

或者你可能是个十足的偏执狂，分步解析；首先，您要确保字符串看起来像您想要的：

if(s !~ /\A(#{a.map{|w| Regexp.quote(w)}.join('|')})+\z/)
  # Bail out and complain that 's' doesn't look right
end

将你的单词按长度分组：

by_length = a.group_by(&:length)

和

扫描从最长单词到最短单词的组：

# This loses the order of the substrings within 's'...
matches = [ ]
by_length.keys.sort_by { |k| -k }.each do |group|
  re = /(#{a.map{|w| Regexp.quote(w)}.join('|')})/
  s.gsub!(re) { |w| matches.push(w); '' }
end
# 's' should now be empty and the matched substrings will be
# in 'matches'

在这些方法中仍然有可能存在重叠的空间，但至少您可以提取最长的匹配。
好的，所以我找到了解决方案

看起来不可能创建未知数量的组，因此我开始寻找另一种实现预期结果的方法：能够辨别字符串是否由给定列表中的单词组成；并在每个位置匹配尽可能长的单词

我一直在读《掌握正则表达式》一书Jeffrey E.F.Friedl和它为我揭示了一些事情。事实证明，基于NFA的Regexp引擎（如Ruby中使用的引擎）是顺序的，也是懒惰/贪婪的。这意味着您可以使用给模式选择的顺序来指定模式的匹配方式。这解释了扫描返回可变结果的原因，它在列表中查找符合条件的第一个单词，然后转到下一个匹配项。按照设计，它不是在寻找最长的比赛，而是第一场。所以为了纠正这个问题，我所需要做的就是对用于生成正则表达式的单词数组进行重新排序，从字母顺序到长度顺序（从最长到最短）

现在，通过扫描找到的第一个匹配项将是可用的最长单词。使用扫描判断字符串是否只包含列表中的单词也非常简单：

if "ascarid".scan(regexp).join.length == word.length
  return true
else
  return false
end

感谢所有回复这个问题的人，我希望这将在将来帮助其他人。
。如果我在PowerShell中编写以下内容

$pat = [regex] "^(cat|dog|bird)+$"
$m = $pat.match('birddogcatbird')
$m.groups[1].captures | %{$_.value}

然后我得到

bird
dog
cat
bird

当我运行它时。我对IronRuby的了解甚至比我对PowerShell的了解还要少，但也许这意味着你也可以在IronRuby中使用。
有没有理由不使用
string.scan（/cat | dog | bird/）
？@riffraff:
“dogpancakesbird”。scan（/cat | dog | bird/）
啊，我没有注意到锚点谢谢。假阳性。只有当整个字符串被regexp吞没时，匹配才能为true。实际使用的单词列表非常大，为了让问题更容易理解，我将其缩减。我已经将单词数组（实际上比示例中长得多）存储在一个变量中，我只是从示例中删除了这个，以避免模糊问题。也许我应该提到，但我已经尝试过使用split。问题是split将返回它匹配的第一个片段，因此对于regexp中的大量单词数组，使用scan会出现许多误报和不匹配。我将示例中的单词列表删减，因为这会混淆问题。分组是我能找到的唯一方法，它可以在没有很多错误的情况下实现我所需要的，但是我必须预先指定组的数量。有没有一种方法可以动态地做到这一点？这是问题的关键，没有实现匹配。@i0n:所以有些“单词”相互重叠，您希望最长的单词匹配，然后再看较短的单词？这实际上是一个偶然的生物学问题吗？是的。例如，理想情况下，“蛔虫”一词与“蛔虫”一词匹配。目前它将匹配为3个单词：“as”“car”“id”。我需要的模式是贪婪的，但始终匹配整个字符串，如果可能的话@i0n：我添加了一个更新，其中包含一些可能性（它们太大，无法发表评论）。看起来我们得出了相同的结论。谢谢你的帮助！是的，我在寻找
/
bird
dog
cat
bird