我如何使用字符串＃掃描來掃描多行僅用回車符分隔的行，而不是一個新行

Question

我有一種方法可以掃描純文本（特別是QIF格式），查找在'D'在新的一行：

dates = "D2009-11-12\nPApple Store\nMSnow Leopard\nD2009-11-13\nPApple Store\nMiMac".scan(/^\s*D"?(.+?)[\r\n?|\n]/m) 
# => [["2009-11-12"], ["2009-11-13"]] 

"D2009-11-12\r\nPApple Store\r\nMSnow Leopard\r\nD2009-11-13\r\nPApple Store\r\nMiMac".scan(/^\s*D"?(.+?)[\r\n?|\n]/m) 
# => [["2009-11-12"], ["2009-11-13"]] 

這種運作良好，在各種格式的，但我剛剛遇到一個問題，從加快了Mac，這節省了他們在經典MacOS格式上生成的文件。也就是說，行使用回車符分隔，而不是新行（即'\ r'而不是'\ n'或'\ n \ r'）。

"D2009-11-12\rPApple Store\rMSnow Leopard\rD2009-11-13\rPApple Store\rMiMac".scan(/^\s*D"?(.+?)[\r\n?|\n]/m) 
# => [["2009-11-12"]] 

這個問題似乎是Ruby的多行正則表達式的代碼不會考慮「\ r」是一個新的行分隔符（這當然是不）。

支持原始分析還處理這些Mac OS Classic文件的最佳方式是什麼？

我應該替換「\ n \ r」「\ r」的所有occurrances，如果是這樣，我應該怎麼去這樣做，因爲到string.gsub(/\r/, '\n\r')通話將導致\n\r\r在某些情況下被替換。我想致電string.gsub(/[^\n]\r/, '$1\n\r')，但這不受gsub方法的支持。

Answer 1

假設你所有的日期是在YYYY-MM-DD格式，下面是應爲你工作正則表達式：

string.scan(/(?:^|\r?\n|\r)D(\d{4}-\d{2}-\d{2})(?:\r?\n|\r|$)/) 

檢測出IRB似乎涵蓋所有情況：

irb> str1 = "D2009-11-12\nPApple Store\nMSnow Leopard\nD2009-11-13\nPApple Store\nMiMac" 
#=> "D2009-11-12\nPApple Store\nMSnow Leopard\nD2009-11-13\nPApple Store\nMiMac" 
irb> str2 = "D2009-11-12\r\nPApple Store\r\nMSnow Leopard\r\nD2009-11-13\r\nPApple Store\r\nMiMac" 
#=> "D2009-11-12\r\nPApple Store\r\nMSnow Leopard\r\nD2009-11-13\r\nPApple Store\r\nMiMac" 
irb> str3 = "D2009-11-12\rPApple Store\rMSnow Leopard\rD2009-11-13\rPApple Store\rMiMac" 
#=> "D2009-11-12\rPApple Store\rMSnow Leopard\rD2009-11-13\rPApple Store\rMiMac" 
irb> str1.scan(/(?:^|\r?\n|\r)D(\d{4}-\d{2}-\d{2})(?:\r?\n|\r|$)/) 
#=> [["2009-11-12"], ["2009-11-13"]] 
irb> str2.scan(/(?:^|\r?\n|\r)D(\d{4}-\d{2}-\d{2})(?:\r?\n|\r|$)/) 
#=> [["2009-11-12"], ["2009-11-13"]] 
irb> str3.scan(/(?:^|\r?\n|\r)D(\d{4}-\d{2}-\d{2})(?:\r?\n|\r|$)/) 
#=> [["2009-11-12"], ["2009-11-13"]] 

的三個標準linebreaks是\n，\r和\r\n（不是\n\r）。 所以處理所有這三個是由正則表達式\r?\n|\r完成。請注意，這裏替代品的順序很重要 ，因爲\r|\r?\n由於貪婪會匹配\r\n作爲兩個單獨的換行符。

如果您想使用gsub做替換以將所有行結果轉換爲unix，則\1是反向引用的代碼，而不是$1。 但是，您不需要使用反向引用來轉換行結尾。

string.gsub(/\r\n|\r/, "\n") 

去回到IRB：

irb> str1.gsub(/\r\n|\r/, "\n") 
#=> "D2009-11-12\nPApple Store\nMSnow Leopard\nD2009-11-13\nPApple Store\nMiMac" 
irb> str2.gsub(/\r\n|\r/, "\n") 
#=> "D2009-11-12\nPApple Store\nMSnow Leopard\nD2009-11-13\nPApple Store\nMiMac" 
irb> str3.gsub(/\r\n|\r/, "\n") 
#=> "D2009-11-12\nPApple Store\nMSnow Leopard\nD2009-11-13\nPApple Store\nMiMac" 

Answer 2

這應包括所有選項：

/[\r\n]+\s*D"?(.+?)[\r\n]+/m 

或者，忘記了換行和匹配你在找什麼：

/D"?(\d{4}(?:-\d\d){2})/m 

請注意[\r\n?|\n]比賽|和?爲文字。此外，您的正則表達式捕獲所有以D開頭的行。