ruby - 有没有办法在迭代 `String#split` 时访问最后的匹配信息？

Question

我想用正则表达式模式迭代一个字符串。我需要遍历匹配项以及它们之间的非匹配项，并在迭代时访问匹配信息。

如果我不需要访问不匹配项，那么我可以使用 String#scan 来完成:

"some string".scan(/(some pattern)|(another pattern)/) do
  if $1 then ...
  elsif $2 then ...
  end
end

但我也需要遍历不匹配的部分，所以我可能需要使用 String#split。但是 String#split 不会占用一个 block ，如果我在它之后使用 each 就像:

"some string".split(/((some pattern)|(another pattern))/).each do
  ...
end

然后，我无法访问 block 中的匹配信息。我想做类似的事情:

"some string".split(/((some pattern)|(another pattern))/) do
  if $2 then ...
  elsif $3 then ...
  else ... # access the non-matching part
  end
end

有没有办法在使用 String#split 迭代时访问最后匹配信息？

我可以通过使用 scan 并在正则表达式末尾添加 |(.*?) 来暴力破解它:

"some string".scan(/(some pattern)|(another pattern)|(.*?)/) do
  if $1 then ...
  elsif $2 then ...
  elsif $3 then ...
  end
end

但是使用非贪婪匹配是非常低效的，我不能使用它。

Answer 1

如果您使用 match 一次只处理一个匹配的字符串而不是像 scan 那样一次性完成，您可以从 pre_match 注入(inject)数据与您的结果相结合:

def match_all(s, r)
  match = s.match(r)

  if match
    pre_captures = [match.pre_match] + match.captures.map{nil}
    captures = [nil] + match.captures
    [pre_captures, captures] + match_all(match.post_match, r)
  else
    [[s]]
  end
end

此代码将输入字符串转换为表示 [unmatched data, first match group, second match group, etc...] 的元组然后可以根据需要迭代数据:

match_all("the match information in the block", /(at)|(in)/).each do |a, b, c|
  if a
    puts "(pre: #{a})"
  elsif b
    puts "(1st: #{b})"
  elsif c
    puts "(2nd: #{c})"
  end
end

哪些输出:

(pre: the m)
(1st: at)
(pre: ch )
(2nd: in)
(pre: form)
(1st: at)
(pre: ion )
(2nd: in)
(pre:  the block)

同样的功能也可以像这样迭代实现:

def match_all_iter(s, r)
  s_mut = s
  all_captures = []

  loop do
    match = s_mut.match(r)

    break unless match

    pre_captures = [match.pre_match] + match.captures.map{nil}
    captures = [nil] + match.captures
    all_captures += [pre_captures, captures]

    s_mut = match.post_match
  end

  all_captures += [[s_mut]]
end