Ruby 我可以使用什么正则表达式将字符串拆分为单词，但将圆括号中的短语放在一起？

我想像这样拆分一个字符串：

my_string = "I want to split this (these should stay together) correctly"

并得出以下结果：

["I", "want", "to", "split", "this", "(these should stay together)", "correctly"]

我试过这个：

my_string.split(/(?=[^\(]){1,} (?=[^\)]){1,}/)

---

但是圆括号内的元素被分开了。如何实现此目的？

您可以使用此正则表达式使用

split

：

/ +(?![^()]*\))/

i、 e

---

（？！[^（）]*\）

是负向前看，这意味着如果空格后跟0个或多个非圆括号字符和右圆括号，则不匹配空格，因此不匹配

（…）

拆分

是错误的工具。使用

扫描

my_string.scan(/\([^)]*\)|\S+/)
# => ["I", "want", "to", "split", "this", "(these should stay together)", "correctly"]

如果平衡圆括号可以与要组合在一起的其他非空格字符相邻，则您可能需要此圆括号，它通常适用于：

my_string.scan(/(?:\([^)]*\)|\S)+/)

通常，当分隔符可以用简单模式表示时，请使用
split
。当内容可以用简单模式表示时，使用
scan
可能需要分两步进行，以保持正则表达式的简单性：

my_string.scan(/\([^)]*\)|\S+/)
# => ["I", "want", "to", "split", "this", "(these should stay together)", "correctly"]

first, middle, last = my_string.partition /\(.*\)/
[*first.split, middle, *last.split]
  #=> ["I", "want", "to", "split", "this", "(these should stay together)",
  #    "correctly"]

另一个例子：

first, middle, last = "x (x(x(x)x)x) x".partition /\(.*\)/
[*first.split, middle, *last.split]
  #=> ["x", "(x(x(x)x)x)", x"]

但它在这里失败了：

first, middle, last = "x (x)x(x) x".partition /\(.*\)/
[*first.split, middle, *last.split]
  #=> [ "x, "(x)x(x)", "x"]

假设需要
[“x”，“x”，“x”，“x”，“x”]，“x”]
。
出于好奇：

my_string.gsub(/\(.+?\)/) { |m| m.gsub ' ', ' ' }.split(/ +/)

尝试将上述代码复制粘贴到IRB中，并继续关注：

#⇒ ["I", "want", "to", "split", "this", 
#   "(these should stay together)", "correctly"]

：）

NB这是一个玩笑，请不要在生产中使用

正如@sawa所建议的，这是一种逃避，因此，为了使这个答案正确，我们应该将所有内容转换回正常空间：

    my_string.gsub(/\(.+?\)/) { |m| m.gsub ' ', ' ' }
             .split(/ +/)
             .gsub ' ', ' '

是否保证FSM会按照列出的顺序尝试或匹配？mudasobwa是的。顺序很重要。这将在嵌套括号上返回意外（IMHO）结果。@mudasobwa Correct。我认为情况并非如此。使用稍微复杂一点的正则表达式，可以捕获嵌套的括号。我的例子中没有嵌套的括号，所以这是可行的，但是绑定到这个非常具体的示例（即，只能有一个平衡的括号）。但你是对的。分多个步骤执行可以使正则表达式更简单。实际上，使用
split
可以捕获分隔符以及中间的子字符串，并使用
each_cons（2）
，您可以概括您的答案行以允许任意数量的平衡括号。@sawa，
*
贪婪这一事实难道不能解决你的担忧吗？我可能没有领会你的意思。一个有问题字符串的示例？对。您必须使用
[^）]
或非贪婪来修复该部分。代码中有一个有问题的字符串是
“foo bar（A b）baz（c d）foo”
。我不知道
m.gsub''，''
在做什么。但它是有效的。其中一个是制表符还是非ASCII空格？当然可以，但事实上你不应该对这个答案投赞成票。这是欺骗。ASCII-8不可破坏空间，是的。你的方法没有错。认真地你为什么评论不使用它？这是一个非常干净的想法。这个想法可以看作是某种逃避。@sawa那么我至少应该把这些空间转换回去。我将更新答案。您可以使用可见的内容（但在普通文本中很少使用）使其更易于理解。如果字符串是
“x（（x）x”
，您是否希望
[“x”、“（（x）”、“x”]
或
[“x”、“（，“（x）”、“x”]
？