Question

我有一个我想要解析的字符串，看起来有点像github markdown，但我真的不想完全实现。该字符串将是“代码”块和“文本”块的混合。代码块将是三个反引号，然后是可选的“语言”，然后是一些代码，最后是三个反引号。非代码将是其他所有内容。我不（但可能应该）关心用户是否无法在“文本”块中输入三个反引号。这是一个例子......

This is some text followed by a code block
```ruby
def function
   "hello"
end
```
Some more text

当然可能会有更多代码和文本块穿插。我已经尝试为此写一个正则表达式，它似乎工作，但我无法得到组（在parens）给我所有的匹配和扫描（）失去了排序。我已经看过使用几个红宝石解析器（树梢，手镯），但看起来有点大我想要的东西，但如果那是我最好的选择，我愿意走那条路。

思想？

有几个人要求我正在尝试的RE（下面的许多变化）......

re = 
  /
    ```\s*\w+\s*          # 3 backticks followed by the language
      (?!```).*?          # The code everything that's not 3 backticks
    ```                   # 3 more backticks
    |                     # OR
    (?!```).*             # Some text that doesn't include 3 backticks
  /x                      # Ignore white space in RE

似乎即使在简单的情况下，例如

md = /(a|b)*/.match("abaaabaa")

我无法获得所有的a和b。从md [3]说不存在。希望这更有意义，这就是为什么我不认为RE会在我的情况下起作用，但我不介意被证明是错误的。

Answer 1

我将在这里做一些假设，基于我对Markdown（github，stackoverflow-flavors）的知识和你的问题（对于文本的其余部分不是很精确）。

1。每个代码块以奇异行开始，只包括三个反引号，一个可选的 language-name和newline-char。

2。每个代码块仅以奇数行结束 包含三个反引号。

3。代码块不为空。

如果您可以接受这些假设，则以下代码应该有效（假设文本在str变量中）：

regex = %r{
  ^```[[:blank:]]*(?<lang>\w+)?[[:blank:]]*\n # matches start of codeblock, and captures optional :lang.
    (?<content>.+?) # matches codeblock content and captures in :content
  \n[[:blank:]]*```[[:blank:]]*\n # matches ending of codeblock.
}xm # free-space mode and . matches newline.
position = 0
matches = []
while(match = regex.match(str,position)) do
  position = match.end 0
  matches << [match[:lang], match[:content]]
end

此匹配后包含一个数组数组，其中一个内部数组表示匹配第一个元素是（可选）语言，可以是nil，第二个元素是内容。

如果您对文本有更多假设，我可以改变正则表达式。

这是我使用的测试字符串：

str = %{
this is some random text.
```ruby
  def print
    puts "this is a code block with lang-argument"
  end
```

some other text follows here.
i want some ``` backticks here.

```
  def print
    puts "this is a code block without lang-argument"
  end
```
}

Ruby Regex或Parser

1 个答案: