WedX - журнал о программировании и компьютерных науках

Сопоставить строку со списком определенных строк

Мне нужно иметь возможность определить, соответствует ли строка списку определенных значений.

Скажем, у меня есть определенный список строк, например.

a | activ | blue | lagoon | ex (defind list is much longer and contains approx. 50+ possibilties)

Я должен быть в состоянии соответствовать любому из следующего;

 a
 a[name]
 activ
 activ[class=somevalue]
 blue
 lagoon[name=somevalue], ...e.t.c

можно ли через регулярное выражение определить, содержится ли переданная строка в определенном списке?

Благодарность...

javascript regex
29.04.2013

  • Откуда взялись name, class и somevalue? Вы хотите разрешить только знаки равенства и квадратные скобки вокруг них? 30.04.2013

Ответы:


1

Пока строка постоянно хранится как: value | value (с одним пробелом между значением и каналом), вы можете тривиально сделать:

str.match(new RegExp(values.split(' | ').join('|'))

Если вам нужно вычислить точные слова, вы можете использовать values.split(' | ').join('\\b|\\b')

29.04.2013
  • +1. Или, может быть, new RegExp(values.split(' | ').join('|')).test(str). 30.04.2013

    • 2

    Это то, что вы ищете?:

    /^(?:a|activ|blue|lagoon)\b(\[(?:name|class)(?:=somevalue)?])?$/.test(yourstring);
    29.04.2013

    3 
    ^(a|activ|blue|lagoon)(?:\[(\w+)=?(\w*)\])?$

    Для "актив[класс=что-то]"

    group 1 = activ
group 2 = class
group 3 = something
    29.04.2013
    Новые материалы
    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
    ИИ в аэрокосмической отрасли
    Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..
    Для любых предложений по сайту: [email protected]