Question

我有搜索字符串，类似于下面的字符串：

energy food "olympics 2010" Terrorism OR "government" OR cups NOT transport

我需要用PHP5解析它以检测内容是否属于以下任何集群：

AllWords数组
AnyWords数组
NotWords数组

这些是我设定的规则：

如果在单词或引用单词之前或之后有OR，则属于 AnyWord。
如果它在单词或引用单词之前有NOT，则它属于NotWords
如果它在单词或引用短语之前有0或更多空格属于AllWords。

所以最终结果应该类似于：

AllWords: (energy, food, "olympics 2010")
AnyWords: (terrorism, "government", cups)
NotWords: (Transport)

这样做的好方法是什么？

Answer 1

如果您想使用Regex执行此操作，请注意您的解析将在愚蠢的用户输入（用户，而不是输入=）上中断。

我会尝试以下正则表达式。

NotWords：

(?<=NOT\s)\b((?!NOT|OR)\w+|"[^"]+")\b

AllWords：

(?<!OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?!\s+OR)

AnyWords：嗯......其余的。 =）它们并不容易被发现，因为我不知道如何将“OR在它后面或OR前面”放到正则表达式中。也许你可以加入三个正则表达式的结果

(?<=OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?!\s+OR)
(?<=OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?=\s+OR)
(?<!OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?=\s+OR)

问题：修饰词和表达式之间只需要一个空格。 PHP只支持修复长度表达式的lookbehinds，所以我认为没办法，抱歉。您可以使用\b(\w+|"[^"]+")\b拆分输入，并手动解析生成的数组。

Answer 2

这是测试优先驱动方法如何帮助您找到解决方案的一个很好的例子。它可能不是最好的，但是编写测试可以让您自信地进行重构，并立即查看是否中断了任何现有测试。无论如何，你可以设置一些测试，如：

public function setUp () {
  $this->searchParser = new App_Search_Parser();
}

public function testSingleWordParsesToAllWords () {
  $this->searchParser->parse('Transport');
  $this->assertEquals(
     $this->searchParser->getAllWords(), 
     array('Transport')
  );
  $this->assertEquals($this->searchParser->getNotWords(), array());
  $this->assertEquals($this->searchParser->getAnyWords());
}

public function testParseOfCombinedSearchString () {
   $query = 'energy food "olympics 2010" Terrorism ' . 
            'OR "government" OR cups NOT transport';
   $this->searchParser->parse($query);

  $this->assertEquals(
     $this->searchParser->getAllWords(), 
     array('energy', 'food', 'olympics 2010')
  );
  $this->assertEquals(
     $this->searchParser->getNotWords(), 
     array('Transport')
  );
  $this->assertEquals(
     $this->searchParser->getAnyWords(),
     array( 'terrorism', 'government', 'cups')
  );
}

其他好的测试包括：

testParseTwoWords
testParseTwoWordsWithOr
testParseSimpleWithNot
testParseInvalid
- 在这里你必须决定什么是无效输入以及你如何解释它，即：
- 'NOT Transport'：搜索任何不包含Transport的内容或通知用户他还必须包含至少一个搜索字词？
- 'OR energy'：从组合器开始可以吗？
- '食物或非能量'：这是否意味着“寻找食物或任何不含能量的物质”，或者它是指“寻找食物而不是能量”，或者它是否意味着什么？（即抛出异常，返回虚假或诸如此类的东西）
testParseEmpty

然后，逐个编写测试，并编写一个通过测试的简单解决方案。然后重构并使其正确，然后再次运行以确定您仍然通过了测试。一旦测试通过并且代码被重构，则编写下一个测试并重复该过程。在找到特殊情况时添加更多测试并重构代码，以便它通过所有测试。如果你打破了测试，请备份并重新编写代码（而不是测试！），以便它通过。

至于如何解决这个问题，请查看preg_match，strtok或依靠循环遍历字符串添加令牌。

解析搜索字符串

2 个答案: