使用Scala中的regex从字符串中提取所有标记

Question

我有一个像＆＃34; httpx：// __ URL __ / __ STUFF__？param = value＆＃34; 这个样本按照惯例是一个网址......它可以是任何包含零个或多个__X__标记的内容。

我想使用正则表达式来提取所有标记的列表，因此这里的输出将是List（＆＃34; __ URL __＆＃34;，＆＃34; __ STUFF __＆＃34;）。请记住，我事先并不知道输入字符串中可能有多少（如果有）令牌。

我一直在努力但却无法想出一个可以解决问题的正则表达式。

这样的事情不起作用：

（？：？？（__ [A-ZA-Z0-9] + __））+

Answer 1

Scala Regex，它只是Java Regex的包装器，永远不会返回多个子组进行重复。

关于它的唯一方法是为令牌设置一个正则表达式，然后多次找到它。你几乎已经拥有了你想要的一切：

"__[a-zA-Z0-9]+__".r findAllIn "httpx://__URL__/__STUFF__?param=value"

返回Iterator。使用.toSeq或类似内容转换为集合。

Answer 2

格雷格，你试过一个简单的

_+[^_]+_+

这将匹配所有__TOKENS__

它不会检查？params之后的任何__TOKENLIKE__字符串，但是你已经提到过你不仅仅使用它来表示网址。如果您需要进行一些改进，请告诉我们。

Answer 3

将正则表达式与split：

结合使用

def urlPathComponents(s: String): Option[Array[String]] = 
  """(?<=http(s?)://)[^?]+""".r findFirstIn s map (_.split("/"))