Question

我需要开发一种方法，从字符串中提取数据库中记录的含义。以下是字符串的示例：

MyString = "Purse $75,000. (up To $14,250 Nysbfoa) For Maidens, Fillies And Mares Three Years Old And Upward. Three Year Olds, 118 Lbs.; Older, 123 Lbs. One And One Eighth Miles. (Inner turf)"

鉴于字符串，我需要以可以创建race_record的方式处理它：

race_record[:purse] = 75000 
race_record[:race_type] = "Maidens"
race_record[:sex] = "Fillies And Mares"
race_record[:age] = "Three Year Old And Upward"
race_record[:distance] = "One And One Eighth Miles"
race_record[:surface] = "inner turf"

我打算使用ruby和一系列正则表达式来提取数据。例如：

race_record[:purse] = Mystring.scan(/(?<=\Purse\s[$])(.*?)(?=\.)/)
race_record[:race_type] = Mystring.sub(....)
etc.

我的问题不在于正确的正则表达式是什么。鉴于目标，我提出的方法是正确的方法，还是有更好的方法，甚至是可以做繁重的宝石？

Answer 1

您可以使用一个正则表达式将所有相关部分一次性提取到捕获组中;

regexp = 
    /Purse\s\$          # Leading text
    ([\d,]+)            # Group 1
    .*?For\s            # Intervening text
    (\w+)               # Group 2
    ,\s                 # Intervening text
    (\w+\sAnd\s\w+)     # Group 3, etc. etc.
    \s
    ([^.]*)
    \.[^;]*;[^.]*\.\s
    ([^.]*)
    \.\s\(
    ([^()]*)
    \)/x

然后你可以做

irb(main):025:0> match = regexp.match(mystring)
=> #<MatchData "Purse $75,000. (up To $14,250 Nysbfoa) For Maidens, Fillies And    Mares Three Years Old And Upward. Three Year Olds, 118 Lbs.; Older, 123 Lbs. One And One Eighth Miles. (Inner turf)" 
   1:"75,000" 2:"Maidens" 3:"Fillies And Mares" 4:"Three Years Old And Upward" 
   5:"One And One Eighth Miles" 6:"Inner turf">
irb(main):026:0> match[1]
=> "75,000"
irb(main):027:0> match[2]
=> "Maidens"
...etc.

Answer 2

如果您的输入结构合理，即它具有特定且已知的语法，您可以构建一个“解析器”来解析语法。

在过去，我们使用yacc和lex这两个用于构建编译器的旧unix工具。 Yacc和Lex有Ruby实现。虽然最初的意图是输出较低级别的代码（例如构建真实编译器时的机器汇编代码），但是当解析器识别出特定的语法结构时，没有什么可以阻止您调用任何ruby代码。

注意：即使有一个Yacc / lex Ruby宝石出现在那里，我也不会说它会“做重的提升”，学习yacc和lex的学习曲线很小。使用像yacc / lex这样的东西会让你的生活变得更轻松，特别是如果你有很大的语法并且必须不断调整它。

如何提取段落的含义？

2 个答案: