具有可选组包装多个组的正则表达式对于未采用的分支返回undefined

Question

我试图在JavaScript中编写一个正则表达式，它返回字符串中没有引号（如果存在）的第一个带引号或未带引号的单词。例如：

'"quoted phrase" followed by text' => 'quoted phrase'
'phrase without quotes followed by text' => 'phrase'

我的正则表达式目前是：(?:"([^"]*)"|([^"\s]+))

然而，我注意到的是输出总是包含两个匹配组，一个总是未定义的，可能来自未被采用的分支（即它是＆＃39; s如果第一个单词没有引用，则第一个匹配，否则为第二个单词。

我可以进行哪些更改以避免获取undefined匹配组并仍然获得引用剥离行为？

注意：单词不是严格的＆＃34;仅限单词＆＃34; （例如字母数字）字符。它们可以包含非单词字符，而不是"字符。

Answer 1

您需要使用^（开始主播）来匹配第一个单词，只需使用\w+来匹配单词，我认为您不需要主要群组：

"([^"]*)"|(^\w+)

Demo

Answer 2

由于您在正则表达式中定义了嵌套分组，因此您将获得额外匹配。纠正的表达应该是 (?:"[^"]*"|[^"\s]+)会为您的输入生成以下内容（不带字符串引号）

'"quoted phrase" followed by text' => "quoted phrase"
'phrase without quotes followed by text' => phrase

Answer 3

只使用正则表达式，你无法做你想做的事。其他正则表达式风格具有功能特性，如分支重置组（使每个分支中的捕获组以相同的数字开头）：

(?|"([^"]*)"|([^"\s]+))

...或者他们允许您为多个组使用相同的名称：

(?:"(?<token>[^"]*)"|(?<token>[^"\s]+))

...但JavaScript没有任何内容。在与编程语言（Perl，Python，Java等）相关的所有正则表达式中，JavaScript是最缺乏有用的功能。您只需浏览所有群组，找到不属于undefined的群组。