regex - 即使匹配不需要，VBScript 正则表达式也会填充子匹配

Question

我正在尝试复制 Google 日历根据叙述创建约会的方法。我想输入 5pm Happy Hour for 1 hour 并将其解析为最终的 Outlook AppointmentItem。

我认为我的问题是最后有一大块可选文本。因为它是可选的，所以正则表达式会通过，但子匹配不会被填充，因为它不是匹配所必需的。我希望它填充，因为我想使用子匹配作为我的解析引擎。

我在 A 列中有一堆测试用例(在 Excel 中工作，然后将移动到 Outlook)，我的代码在右侧列出了子匹配。这是潜在输入的代表性样本

1. 5pmCST Happy Hour for 1 hour
2. 5pm CST Happy Hour for 1 hour
3. 5pm Happy Hour for 1 hour
4. 5 pm Happy Hour for 1 hour
5. 5 pm CST Happy Hour for 1 hour
6. 5 Happy Hour for 1 hour
7. 5 Happy Hour
8. 5pmCST Happy Hour
9. 5pm CST Happy Hour
10. 5pm Happy Hour
11. 5:00CST Happy Hour for 1 hour
12. 5:00 CST Happy Hour for 1 hour

这是运行测试的代码

Sub testest()

    Dim RegEx As VBScript_RegExp_55.RegExp
    Dim Matches As VBScript_RegExp_55.MatchCollection
    Dim Match As VBScript_RegExp_55.Match
    Dim rCell As Range
    Dim SubMatch As Variant
    Dim lCnt As Long
    Dim aPattern(1 To 8) As String

    Set RegEx = New VBScript_RegExp_55.RegExp
    aPattern(1) = "(1?[0-9](:[0-5][0-9])?)" 'time
    aPattern(2) = "( ?)" 'optional space
    aPattern(3) = "([ap]m)?" 'optional ampm
    aPattern(4) = "( ?)" 'optional space
    aPattern(5) = "([ECMP][DS]T)?" 'optional time zone
    aPattern(6) = "( ?)" 'optional space
    aPattern(7) = "(.+?)" 'event description
    aPattern(8) = "(( for )([1-2]?[0-9](.[0-9]?[0-9])?)( hours?))?" 'optional duration

    RegEx.Pattern = Join(aPattern, vbNullString)
    Debug.Print RegEx.Pattern

    Sheet1.Range("C1").Resize(1000, 100).ClearContents

    For Each rCell In Sheet1.Range("A1").CurrentRegion.Columns(1).Cells
        lCnt = 0
        rCell.Offset(0, 2).Value = RegEx.test(rCell.Text)
        If RegEx.test(rCell.Text) Then
            Set Matches = RegEx.Execute(rCell.Text)

            For Each Match In Matches
                For Each SubMatch In Match.SubMatches
                    lCnt = lCnt + 1
                    rCell.Offset(0, 2 + lCnt).Value = SubMatch
                Next SubMatch
            Next Match
        End If
    Next rCell

End Sub

模式是

(1?[0-9](:[0-5][0-9])?)( ?)([ap]m)?( ?)([ECMP][DS]T)?( ?)(.+?)(( for )([1-2]?[0-9](.[0-9]?[0-9])?)( hours?))?

#1 的子匹配是

1        2          3        4      5       6       7
5                   pm              CST             H

它在欢乐时光中的“H”处停止匹配，因为以“for”开头的所有内容都是可选的。如果我删除可选部分，我的模式就会变成

(1?[0-9](:[0-5][0-9])?)( ?)([ap]m)?( ?)([ECMP][DS]T)?( ?)(.+?)( for )([1-2]?[0-9](.[0-9]?[0-9])?)( hours?)

但是 #7-#10 没有通过，因为它们没有持续时间。 #1 的 submmatches 给了我我想要的东西

1     2     3     4     5     6     7             8     9     10     11
5           pm          CST         Happy Hour     for  1            hour

我希望填充每个可能的子匹配，即使 VBScript 不需要它来使正则表达式通过。我担心这就是它的工作原理，我正在尝试让正则表达式为我完成解析工作。我考虑过通过越来越严格的模式来运行它，直到它不通过，然后使用最后通过的模式，但这看起来很笨拙。

是否可以使用正则表达式来填充这些子匹配？

Answer 1

我假设每一行都是一个单元格中的所有内容。所以我可以使用 anchor 。我也不认为您需要那么多的捕获组。我设置了正则表达式:

Group 1        Time
Group 2        am/pm
Group 3        Time Zone
Group 4        Description
Group 5        Hours (and fractions of hours)

对于 A2:An 中的数据，以下例程将数据解析到相邻列中。子匹配是否“未填充”并不重要。您还可以填充数组中的元素，或者您想做的任何其他事情。如果您想要更多子匹配，您始终可以为可选空间添加捕获组，或将相关的非捕获组更改为捕获组。

此外，由于“for”是可选的，我选择使用前瞻来确定“description”的结尾。描述将以\s+for\s+ 序列结束；或“行尾”。由于我假设每个单元格只有一个条目和一行，因此多行和全局属性是不相关的。

“for”之前和之后必须包含空格，以避免在描述中包含该序列时出现问题。

Option Explicit
'set Reference to Microsoft VBScript Regular Expressions 5.5
Sub ParseAppt()
    Dim R As Range, C As Range
    Dim RE As RegExp, MC As MatchCollection
    Dim I As Long
Set R = Range("a2", Cells(Rows.Count, "A").End(xlUp))
Set RE = New RegExp
With RE
    .Pattern = "((?:1[0-2]|0?[1-9])(?::[0-5]\d)?)\s*([ap]m)?\s*([ECMT][DS]T)?\s*(.*?(?=\s+for\s+|$))(?:\s+for\s+(\d+(?:\.\d+)?)\s*hour)?"
    .IgnoreCase = True
    For Each C In R
        If .Test(C.Text) = True Then
            Set MC = .Execute(C.Text)
            For I = 0 To 4
                C.Offset(0, I + 1) = MC(0).SubMatches(I)
            Next I
        End If
    Next C
End With
End Sub