如何从列表中检测到“Apple 1＆amp; 2”等单词并将其分为“Apple 1”和“Apple 2”？

Question

输入

Papaya 2
Apple 1 & 2
Orange 1, 2 & 3
Kiwi 1 - 4
Banana1-4
Breadfruit

期望的输出

Papaya 2
Apple 1
Apple 2
Orange 1
Orange 2
Orange 3
Kiwi 1
Kiwi 2
Kiwi 3
Kiwi 4
Banana 1
Banana 2
Banana 3
Banana 4
Breadfruit

我该怎么做？我的想法是正则表达式的组合，以检测这些不同的足够的存在并在必要时生成缺失的数字。

有问题的语言是CloverETL的CTL。使用其Normalizer组件执行一些数据清理。但是，我会接受任何语言......翻译很容易。

Answer 1

  

注意：此答案基于问题的旧版本

在Java中，我认为这样的事情就是你想要的：

    String[] tests = {
        "One Two 1 & 2",
        "Boeing 737 2, 4 & 6",
        "Lucky 7",
        "MI6 agent 007, 006",
        "2010-05 26, 27 & 28"
    };
    for (String test : tests) {
        String[] parts = test.split("(?=\\d+(, \\d+)*( & \\d+)?$)", 2);
        for (String number : parts[1].split("\\D+")) {
            System.out.println(parts[0] + number);
        }
    }

打印：（as seen on ideone.com）

One Two 1
One Two 2
Boeing 737 2
Boeing 737 4
Boeing 737 6
Lucky 7
MI6 agent 007
MI6 agent 006
2010-05 26
2010-05 27
2010-05 28

基本上我们使用lookahead来分割特殊数字序列开始的位置，将分割限制为2个部分。然后将特殊数字序列拆分为任何非数字序列\D+。

如前瞻中所示，特殊数字序列的模式是：

\d+(, \d+)*( & \d+)?$

API参考

• String[] split(String regex, int limit)
  • limit参数控制应用模式的次数，因此会影响结果数组的长度。如果限制n大于零，那么模式将最多应用n - 1次，数组的长度将不大于n，并且数组的最后一个条目将包含所有输入超出最后匹配的分隔符。

另见

• regular-expressions.info/Lookarounds

---

单个replaceAll解决方案

如果出于某种原因，你坚持在一个俯冲replaceAll中坚持这样做，你可以这样写：

String[] tests = {
    "One Two 1 & 2",
    "Boeing 737 2, 4 & 6",
    "Lucky 7",
    "MI6 agent 007, 006",
    "2010-05 26, 27 & 28",
};
String sequence = "\\d+(?:, \\d+)*(?: & \\d+)?$";
for (String test : tests) {         
    System.out.println(
        test.replaceAll(
            "^.*?(?=sequence)|(?<=(?=(.*?)(?=sequence))^.*)(\\d+)(\\D+)?"
                .replace("sequence", sequence),
            "$1$2$3"
        )
    );
}

输出（as seen on on ideone.com）：

One Two 1 & One Two 2
Boeing 737 2, Boeing 737 4 & Boeing 737 6
Lucky 7
MI6 agent 007, MI6 agent 006
2010-05 26, 2010-05 27 & 2010-05 28

这使用了三重嵌套断言，包括Java中无限长的lookbehind feabug。我不建议使用它，但确实如此。

Answer 2

最后一部分可由(?:\d+, )*\d+ & \d+$匹配。虽然您可能想用\s+替换空格。获得匹配的字符串后，将其按[,&\s]+拆分将为您提供每个数字。

实际上，如果您使用^(\D+) ((?:\d+, )*\d+ & \d+)$，匹配应返回类似[“第一部分”，“数字”]的列表。所以你得到了一切。拆分第二个字符串，然后就可以了。

Answer 3

我写了Perl，因为你没有指定RegEx的哪种味道

这听起来像你想要的（假设在Foo Bar没有数字）：

/(\D+)(\d+)(, \d+)*( & \d+)/;

然后$ 1将是“Foo Bar” 2美元，3美元......将是个人#s，前缀为“，”或“＆amp;”，因此您需要从每个＃中删除这些＃。

Answer 4

在CPAN上查看Parse::Range的设计：

http://cpansearch.perl.org/src/PERLER/Parse-Range-0.96/lib/Parse/Range.pm

您可能需要稍微调整逻辑以支持＆符号。