在双正斜杠和/或特定单词上使用正则表达式拆分字符串

Question

我正在尝试通过双正斜杠和/或特定字符串（如“and”）拆分文本。

Example A:
text1 a/s // text2 a/b
text1 a/s and text2 a/b


Example B:
text1. // text2,// text3-
text1. and text2, and text3-

• 示例A返回两个匹配项:text1 A/S text2 A/B
• 示例B返回三个匹配项:text1。文本2、文本3-

我得到了一个非常有用的技巧：如何通过单个正斜杠拆分字符串：使用RegExp在单个正斜杠上拆分字符串，但试图找到一个排除两个正斜杠或一个字符串的解决方案，被证明是太有挑战性了。

如果有可能将两个示例合并为一个解决方案，则加分：

Example C:
text1 a/s // text2, and text3-

我希望只有与VBA兼容的RegExp解决方案。

Answer 1

正如您所说，您已经有了一个工作解决方案，用于在带有regexp的单个正斜杠的拆分字符串中使用不同的拆分字符。该代码实际上并不拆分字符串，但它匹配除“/”之外的所有内容。然后，它返回集合中每个单独匹配的结果（是的，它最终被拆分）。

这里需要做的是匹配str中的每个字符，除非接下来的字符是//或和。我们可以用前瞻的方式来处理这件事。

只需通过以下操作更改代码中的模式：

.Pattern = "(?!$)((?:(?!//|\band\b).)*)(?://|and|$)"

或者,如果要为每个内标识修剪空格,请使用以下正则表达式：

.Pattern = "(?!$)((?:(?!\s*//|\s*\band\b).)*)\s*(?://|and|$)\s*"

虽然这也将匹配//或和，但它使用(group)来捕获实际的令牌。因此，您必须使用.submatches(0)（第一组反向引用的内容）将标记添加到集合中。

在代码中，不要添加coll.add r_item.value，而应使用：

coll.Add r_item.SubMatches(0)

注意：如果字符串有换行符，不要忘记使用.multiline=true设置rexp对象。

Sub GetMatches(ByRef str As String, ByRef coll As Collection)

    Dim rExp As Object, rMatch As Object

    Set rExp = CreateObject("vbscript.regexp")
    With rExp
        .Global = True
        .MultiLine = True
        .Pattern = "(?!$)((?:(?!\s*//|\s*\band\b).)*)\s*(?://|and|$)\s*"
    End With

    Set rMatch = rExp.Execute(str)
    If rMatch.Count > 0 Then
        For Each r_item In rMatch
            coll.Add r_item.subMatches(0)
        Next r_item
    End If
End Sub

这就是您可以在示例中调用它的方式：

Dim text As String
text = "t/xt1.//text2,and landslide/ andy  // text3-  and  text4"

'vars to get result of RegExp
Dim matches As New Collection, token
Set matches = New Collection

'Exec the RegExp --> Populate matches
GetMatches text, matches

'Print each token in debug window
For Each token In matches
    Debug.Print "'" & token & "'"
Next token
Debug.Print "======="

每个令牌都打印在即时窗口中。

• 此代码是@stribizhev
最初发布的代码的修改版本

't/xt1.'
'text2,'
'landslide/ andy'
'text3-'
'text4'
=======

您可能想知道这种模式是如何工作的。我试着用一个详细的描述来解释。为了做到这一点，让我们使用以下正则表达式，仅取模式的重要部分（其余部分并不重要）：

((?:(?!//|\band\b).)*)(?://|and|$)

它可以很容易地分为两种结构：

>

首先，子模式（（？：（？！//\band\b).)*)是一个匹配每个令牌的组，反向引用我们要为每个匹配返回的文本。在vba中，使用.submatchs()返回组。让我们把它踩下来：

• 内部表达式（？！//\band\b).首先进行检查，以确保后面没有拆分字符串（“//”或“和”）。如果不是，则regex引擎匹配一个字符（注意末尾的点）。就是这样，它与我们捕获的令牌中允许的一个字符匹配。
• 现在，它包含在（？：（？！//\band\b)中。）*要对它可以匹配的每个字符重复它，我们将获得令牌中的所有字符。这个构造是最接近while循环的构造。

  虽然后面没有拆分字符串，但获取下一个字符。

  例如：

  text1 a/s and text2 a/b//last
  ^        ^| |               [1]: 1st subpattern, captured in Matches(0).SubMatches(0)
  |--------|^-^
  |   1      2|               [2]: Split string, not captured but included in match
  |-----------|
        3                     [3]: The whole match, returned by Matches(0)
  
  
  For the second match, Matches(1).Value = " text2 a/b//"
                        Matches(1).Submatches(0) = " text2 a/b"
  

  
  

  模式的其余部分只是细节：