如何在 JavaScript 正则表达式中将文本与标记表达式 with/without 负先行匹配

Question

应该有一个逗号分隔的文本字符串，其中每个文本有或没有 - 逗号分隔 - 列表中的标记

var tokens=['Inc.','Ltd','LLC'];

所以字符串就像

var companies="Apple, Inc., Microsoft, Inc., Buzzfeed, Treasure, LLC";

我想获取这个数组作为输出

var companiesList = [
    "Apple Inc.",
    "Microsoft Inc.",
    "Buzzfeed",
    "Treasure LLC"
    ];

所以我首先做了一个RegExp那样的

var regex=new RegExp("([a-zA-Z&/? ]*),\s+("+token+")", "gi" )

我得到了匹配项并搜索了像

这样的正则表达式

var regex=new RegExp("([a-zA-Z&/? ]*),\s+("+item+")", "i" )

对于每个标记：

tokens.forEach((item) => {
    var regex = new RegExp("([a-zA-Z&/? ]*),\s+(" + item + ")", "gi")
    var matches = companies.match(regex) || []
    console.log(item, regex.toString(), matches)
    matches.forEach((m) => {
        var regex = new RegExp("([a-zA-Z&/? ]*),\s+(" + item + ")", "i")
        var match = m.match(regex)
        if (match && match.length > 2) {
            var n = match[1].trim();
            var c = match[2].trim();
            companiesList.push(n + ' ' + c);
        }
    });
});

通过这种方式，我可以捕获令牌并连接匹配组 1 和 2。

var tokens = ['inc.', 'ltd', 'llc'],
  companies = "Apple, Inc., Microsoft, Inc., Buzzfeed, Treasure, LLC",
  companiesList = [];
tokens.forEach((item) => {
  var regex = new RegExp("([a-zA-Z&/? ]*),\s+(" + item + ")", "gi")
  var matches = companies.match(regex) || []
  console.log( item, regex.toString(), matches )
  matches.forEach((m) => {
    var regex = new RegExp("([a-zA-Z&/? ]*),\s+(" + item + ")", "i")
    var match = m.match(regex)
    if (match && match.length > 2) {
      var n = match[1].trim();
      var c = match[2].trim();
      companiesList.push(n + ' ' + c);
    }
  });
});

console.log(companiesList)

问题是我在逗号后缺少没有标记的逗号分隔文本，例如：Buzzfeed.

想法是在负面展望中使用非捕获组（参见 here 关于正则表达式匹配中的非捕获组）

/([a-zA-Z]*)^(?:(?!ltd).)+$/gi

但是通过这种方式，当输入字符串中存在标记时，我有任何匹配：

"Apple, Inc., Microsoft, Inc., Buzzfeed, Treasure LLC".match( /([a-zA-Z]*)^(?:(?!llc).)+$/gi )

虽然我只想匹配没有它的文本，所以我想得到 - 就像之前相反的那样：

["Buzzfeed"]

那么如何negate/modify前面的代码在两种情况下都能工作以在最后获得组合数组：

var companiesList = [
        "Apple Inc.",
        "Microsoft Inc.",
        "Buzzfeed",
        "Treasure LLC"
        ];

Answer 1

减少它会不会容易很多，边走边检查令牌列表

var tokens    = ['Inc.','Ltd','LLC'];
var companies = "Apple, Inc., Microsoft, Inc., Buzzfeed, Treasure, LLC";

var result    = companies.split(',').reduce( (a,b,i) => {
    return tokens.indexOf(b.trim()) === -1  ? a.push(b.trim()) : a[a.length-1] += b,a;
}, []);

console.log(result);

Answer 2

您可以使用正则表达式进行拆分。

var companies = "Apple, Inc., Microsoft, Inc., Buzzfeed, Treasure, LLC";

console.log(companies.split(/,\s(?!Inc\.|Ltd|LLC)/i).map(s => s.replace(', ', ' ')));

如何在 JavaScript 正则表达式中将文本与标记表达式 with/without 负先行匹配

How to match a text with a token an expression with/without negative lookahead in JavaScript Regex

javascript

regex

negative-lookahead