原文：
为简单起见，这就是我要完成的工作：
原始
：[category - subcategory] [some text - more text] [2018-12-31] text title here
所需结果：
category
subcategory
some text
more text
2018-12-31
text title here
方括号的数量始终是相同的，但是方括号之间包含的属性的数量可能不同：
[category - subcategory] [some text - more text] [2018-12-31] text title here
[category - subcategory] [some text] [2018-12-31] text title here more text
[category] [some text - more text - even more] [2018-12-31] text title here more text
因此前两个[] []中的文本将由-分隔。
昨天我第一次尝试使用regexp，这有点令人头疼。我想做的事有可能吗？
答案 0 :(得分：3)
我将分两步解决这个问题。
首先，使用此正则表达式提取方括号之间和之后的块：
\[(.*?)\]\s*\[(.*?)\]\s*\[(.*?)\]\s*(.*)
假定输入中的其他地方不允许使用方括号，这将为您提供四个类别匹配项，用于类别，文本，日期和自由文本。
详细信息：
\[和\]匹配文字方括号。(.*?)以非贪婪的方式匹配方括号之间的文本，从而避免了使用笨拙的字符集([^][]*)来排除它们。\s*允许块之间任意数量的空格。如果模式始终只是一个空格，则也可以只使用一个空格。(.*)最后将仅获取行中剩余的所有内容。然后，您可以将'-'上的类别和文本拆分为数组或列表，以包含所需的细分。由于您想在前两组括号中捕获可变数量的字段，因此，在split()可以轻松完成此工作的情况下，试图在一个大的正则表达式中捕获所有字段似乎比所需的困难。
PS：由于您未指定编程语言，因此我提供了描述性的伪代码；您将必须查找如何访问匹配组以及使用您的语言进行拆分。
答案 1 :(得分：2)
是的，有可能，但是有些表达式可能很复杂，类似于：
\[\s*(\s*\d{4}\s*-\s*\d{2}\s*-\s*\d{2}\s*)\s*\]|(?<=\[|-)\s*(.*?)\s*(?=-|\])|([A-Za-z].*)
我们将首先使用
捕获日期\[\s*(\s*\d{4}\s*-\s*\d{2}\s*-\s*\d{2}\s*)\s*\]
然后使用
将另一个所需的子字符串放在另一个方括号中(?<=\[|-)\s*(.*?)\s*(?=-|\])
以及最后一句话：
([A-Za-z].*)
例如。我们可以将其他字符添加到该字符类中
[A-Za-z]
如果需要的话。
如果要浏览/简化/修改该表达式，请在this demo的右上角进行解释。
在此演示中，您可以查看捕获组的工作方式：
const regex = /\[\s*(\s*\d{4}\s*-\s*\d{2}\s*-\s*\d{2}\s*)\s*\]|(?<=\[|-)\s*(.*?)\s*(?=-|\])|([A-Za-z].*)/gm;
const str = `[category - subcategory] [some text - more text ] [2018-12-31] text title here
[category - subcategory] [some text] [ 2018 - 12 -31 ] text title here more text
[category] [some text - more text - even more] [2018-12-31] text title here more text
[category] [some text - more text - even more - some text - more text - even more ] [2018-12-31] text title here more text`;
let m;
while ((m = regex.exec(str)) !== null) {
// This is necessary to avoid infinite loops with zero-width matches
if (m.index === regex.lastIndex) {
regex.lastIndex++;
}
// The result can be accessed through the `m`-variable.
m.forEach((match, groupIndex) => {
console.log(`Found match, group ${groupIndex}: ${match}`);
});
}
答案 2 :(得分：1)
您还可以应用sed以所需的格式获取结果
echo [category - subcategory] [some text - more text] [2018-12-31] text title here \
| sed -e $'s/\] /\\\n/g' -e $'s/ \- /\\\n/g' -e 's/\[//g'
输出：
category
subcategory
some text
more text
2018-12-31
text title here
首先将](space)和(space)-(space)转换为新行，然后将[替换为empty
答案 3 :(得分：1)
尝试模式\[.+?(?(?<= - ) - |\])
说明：
\[-从字面上匹配[
.+?-匹配任意一个或多个字符（非贪婪）
(?(?<= - ) - |\])-有条件的：如果满足正向外观(?<= - )（字面上匹配-），则匹配-，否则匹配]与{{ 1}}
答案 4 :(得分：1)
帮自己一个忙，编写自己的解析器，例如使用Python（尚未标记语言？），则可能是parsimonious：
from parsimonious.grammar import Grammar
from parsimonious.nodes import NodeVisitor
data = ["[category - subcategory] [some text - more text] [2018-12-31] text title here",
"[category - subcategory] [some text] [2018-12-31] text title here more text",
"[category] [some text - more text - even more] [2018-12-31] text title here more text",
"[category - subcategory] [some text - more text] [2018-12-31] text title here"]
class TextVisitor(NodeVisitor):
grammar = Grammar(
r"""
content = (section / text)+
section = lpar notpar (sep notpar)* rpar ws*
text = ~"[^][]+"
lpar = "["
rpar = "]"
notpar = ~"(?:(?! - )[^][])+"
sep = " - "
ws = ~"\s+"
"""
)
def generic_visit(self, node, visited_children):
return visited_children or node
def visit_section(self, node, visited_children):
_, cat1, catn, *_ = visited_children
categories = [cat1.text] + [cat[1].text for cat in catn]
return categories
def visit_text(self, node, visited_children):
return [node.text]
def visit_content(self, node, visited_children):
result = [textnode
for child in visited_children
for subchild in child
for textnode in subchild]
return result
for datapoint in data:
tv = TextVisitor()
result = tv.parse(datapoint)
print("\n".join(result))
print("###")
这产生
category
subcategory
some text
more text
2018-12-31
text title here
###
category
subcategory
some text
2018-12-31
text title here more text
###
category
some text
more text
even more
2018-12-31
text title here more text
###
category
subcategory
some text
more text
2018-12-31
text title here
###
答案 5 :(得分：0)
如果支持\G锚点在上一场比赛的末尾断言位置，则要在方括号内获取不带连字符的单独部分，您可以使用：
(?:\[|\G(?!^))([^-\][\s]+(?:[ -][^-\][\s]+)*)(?: - )?(?=[^[\]]*\])
匹配项在第一个捕获组中。
说明
(?:非捕获组
\[匹配[ |或\G(?!^)在上一场比赛而不是开始时断言位置)关闭非捕获组(捕获组1
[^-\][\s]+匹配1个以上的所有字符，除了-，]，[和空白字符(?:[ -][^-\][\s]+)*重复0+次与以前的模式相同，只在前面加上空格或连字符)关闭群组(?: - )?（可选）在空格之间匹配- (?=正向前进，断言右边是
[^[\]]*\]匹配0+次除[和]之外的任意字符)提前关闭