Javascript 正则表达式匹配除另一个表达式之外的表达式
Javascript Regex to match expression except another expression
首先，我将描述我想要实现的目标。我想复制粘贴足球比赛列表（作为普通用户，而不是开发人员，所以来自网站的纯文本，而不是检查 html 的 html），因此我必须解析文本。所以在网站上它看起来像这样：
粘贴的文本如下所示：
PERU\r\nLiga 2\r\nClasament Live\r\nFinal\r\nSanta Rosa\r\n\r\n0\r\n -
\r\n3\r\n\r\nMolinos El Pirata\r\n(0 - 1)\r\n73
\r\nChavelines\r\n\r\n1\r\n - \r\n0\r\n\r\nDeportivo Coopsol\r\n(1 -
0)\r\n20:30\r\nComerciantes Unidos\r\n\r\n-\r\n\r\nJuan
Aurich\r\n22:45\r\nSantos
FC\r\n\r\n-\r\n\r\nHuaral\r\nPOLONIA\r\nEkstraklasa\r\nClasament
Live\r\n90+1 \r\nPogon Szczecin\r\n\r\n2\r\n - \r\n0\r\n\r\nStal
Mielec\r\n(1 - 0)\r\nlive\r\n20:30\r\nPlock\r\n\r\n-\r\n\r\nGornik
Z.\r\nPORTUGALIA\r\nPrimeira
Liga\r\nClasament\r\n21:15\r\nFarense\r\n\r\n-\r\n\r\nMaritimo
然后我需要的是构建这样的东西：
Final Santa Rosa 0 - 3 Molinos El Pirata
75 Chavelines 1 - 0 Deportivo Coopsol
20:30 Comerciantes Unidos - Juan Aurich
22:45 Santos FC - Huaral
90+3 Pogon Szczecin 2 - 0 Stal Mielec
20:30 Plock - Gornik Z.
21:15 Farense - Maritimo
所以计划是将每一行提取到一个数组中，然后将它们放在一个 table 中。
我首先清理不需要的文本（国家名称、联赛名称、半场比分：
gamesUnformatted = gamesUnformatted.replace(/\b[A-Z]{5,}\b/g, '['); // replace the country name (names with more than 4 letters, to avoid removing LASK, TSKA... but it will remove IRAN, ASIA - find better way) which is in capital letters with [
gamesUnformatted = gamesUnformatted.replace(/Clasament Live/g, ']');
gamesUnformatted = gamesUnformatted.replace(/Clasament/g, ']'); // replace the words Clasament with ]
gamesUnformatted = gamesUnformatted.replace(/ *\[[^\]]*]/g, ''); // remove everything between [ and ], including the square brackets
gamesUnformatted = gamesUnformatted.replace(/\(\d{1,2} - \d{1,2}\)/g, ''); // remove half time score eg (0 - 0)
现在我想在每行前面添加单词 newLine，这样以后我就可以按“newLine”拆分，并在数组中包含所有独立的行。一条线的开始位置有三种情况：如果游戏没有开始（20:30），如果游戏已经结束（Final）或者如果游戏是 运行（例如 70）。对于前两个，我有以下内容：
gamesUnformatted = gamesUnformatted.replace(/\d{2}:\d{2}/g, 'newLine$&'); // add the word newLine in front of the starting hours
gamesUnformatted = gamesUnformatted.replace(/Final/g, 'newLine$&'); // add the word newLine in front of the word Final (game has ended)
但第三个更棘手。可以有 0-90，然后加时赛 90+ 左右（例如 90+3），然后可以有两个额外的半场（例如 120、120+..）。所以这就是我需要帮助的地方。我需要一个匹配所有这些场景的正则表达式，但排除其他场景。更准确地说，我需要匹配分钟（1-120 和 1-120+...），而不是比分或小时（1-0，20:30）。
而且我已经尝试了半天的各种事情，无法在这里列出所有内容，但是已经尝试过 ^ 和 ?: 和 !什么不是。我必须说我不擅长正则表达式，所以可能我尝试过的大部分事情都很愚蠢，但是好吧，我现在拥有的是：
gamesUnformatted = gamesUnformatted.replace(/\d{1,3}[^(\d{2}:\d{2})]/g, 'newLine$&');
这只是第一步，将任何数字替换为 1 到 3 位数字，不考虑“90+4”。并试图忽略时间，而不是分数。但这效果不佳，因为它在每个数字前添加了新行。
所以这个：
90+3 Pogon Szczecin 2 - 0 Stal Mielec
20:30 Plock - Gornik Z.
变成这样：
newLine90+newLine3 Pogon Szczecin newLine2 - newLine0 Stal Mielec
newLinenewLine20:newLine30 Plock - Gornik Z.
而不是这个（第二行有两个新行，因为一个是在小时之前添加的，所以必须忽略）：
newLine90+3 Pogon Szczecin 2 - 0 Stal Mielec
newLinenewLine20:30 Plock - Gornik Z.
在添加新行之前，您可以再做一次替换以确保分数在 1 行中，例如 0-1
演示： https://regex101.com/r/Dur5lD/4
模式：匹配：(\d{1,2})\s*-\s*(\d{1,2})；替换：-
解释：因为我在文本中有换行符，所以我使用了\s来匹配space序列。使用捕获组 </code> 和 <code> 获得所需的输出。
完成此操作后，添加 newline 应该很简单。
演示： https://regex101.com/r/Dur5lD/5
模式： ^((?:Final)|(?:\d{2}:\d{2})|(?:\d{1,3}(?!\d)(?!-)))
解释：
- 捕获可以是
Final 或 hour 或 time 之一的组。
- 匹配时间，使用negative look ahead，
(?!)。这意味着诸如 70 或 120 之类的时间值不应后跟 - 或其他数字。
注：
- 我假定
\r\n 为换行符。如果不是，我们可能需要用文字 \r\n. 替换表达式中的 \s 和 ^ 字符
- 看起来您的正则表达式无法处理
PERU，因此我手动删除了该行。
- 将
\n 替换为 \t，然后将 newLine 替换为 \n 后得到 https://regex101.com/r/Dur5lD/6。
确实，理解纯文本副本是一项挑战。这是一种确定性地重建行的不同方法：
- 删除国家线
- 删除半场得分
- 移除'live'
- 合并分成多行的分数（真实分数和空分数）
- 现在我们有一组 4 行组成一行，例如我们可以避免复杂的时间解析 (final, 00, 00+0, 00:00, ...)
- 每 4 行拆分一次，生成包含换行符分隔部分的行
- 遍历行以从部件中提取时间、A 队、分数、B 队，并从部件创建对象
- 现在您可以遍历生成的对象数组以显示您的 table
const input = 'PERU\r\nLiga 2\r\nClasament Live\r\nFinal\r\nSanta Rosa\r\n\r\n0\r\n - \r\n3\r\n\r\nMolinos El Pirata\r\n(0 - 1)\r\n73 \r\nChavelines\r\n\r\n1\r\n - \r\n0\r\n\r\nDeportivo Coopsol\r\n(1 - 0)\r\n20:30\r\nComerciantes Unidos\r\n\r\n-\r\n\r\nJuan Aurich\r\n22:45\r\nSantos FC\r\n\r\n-\r\n\r\nHuaral\r\nPOLONIA\r\nEkstraklasa\r\nClasament Live\r\n90+1 \r\nPogon Szczecin\r\n\r\n2\r\n - \r\n0\r\n\r\nStal Mielec\r\n(1 - 0)\r\nlive\r\n20:30\r\nPlock\r\n\r\n-\r\n\r\nGornik Z.\r\nPORTUGALIA\r\nPrimeira Liga\r\nClasament\r\n21:15\r\nFarense\r\n\r\n-\r\n\r\nMaritimo';
let rows = input
.replace(/\r/g, '') // remove '\r'
.replace(/[A-Z]{4,}([^\n]*\n){3}/g, '') // remove country line
.replace(/\n\(\d{1,2} - \d{1,2}\)\n/g, '\n') // remove half time scores
.replace(/\nlive\n/g, '\n') // remove 'live' lines
.replace(/\n\n(\d{1,2})\n *- *\n(\d{1,2})\n\n/g, '\n - \n') // join 'n - m' scores
.replace(/\n\n *- *\n\n/g, '\n-\n') // join '-' empty scores
.match(/(?:^.*$\n?){1,4}/mg); // split every 4 lines
console.log('rows: ' + JSON.stringify(rows, null, ' '));
let scores = rows.map((line) => {
let parts = line.split(/\n/);
let obj = {
time: parts[0],
teamA: parts[1],
score: parts[2],
teamB: parts[3]
};
return obj
});
console.log('scores: ' + JSON.stringify(scores, null, ' '));
输出：
rows:[
"Final\nSanta Rosa\n0 - 3\nMolinos El Pirata\n",
"73 \nChavelines\n1 - 0\nDeportivo Coopsol\n",
"20:30\nComerciantes Unidos\n-\nJuan Aurich\n",
"22:45\nSantos FC\n-\nHuaral\n",
"90+1 \nPogon Szczecin\n2 - 0\nStal Mielec\n",
"20:30\nPlock\n-\nGornik Z.\n",
"21:15\nFarense\n-\nMaritimo"
]
scores: [
{
"time": "Final",
"teamA": "Santa Rosa",
"score": "0 - 3",
"teamB": "Molinos El Pirata"
},
{
"time": "73 ",
"teamA": "Chavelines",
"score": "1 - 0",
"teamB": "Deportivo Coopsol"
},
{
"time": "20:30",
"teamA": "Comerciantes Unidos",
"score": "-",
"teamB": "Juan Aurich"
},
{
"time": "22:45",
"teamA": "Santos FC",
"score": "-",
"teamB": "Huaral"
},
{
"time": "90+1 ",
"teamA": "Pogon Szczecin",
"score": "2 - 0",
"teamB": "Stal Mielec"
},
{
"time": "20:30",
"teamA": "Plock",
"score": "-",
"teamB": "Gornik Z."
},
{
"time": "21:15",
"teamA": "Farense",
"score": "-",
"teamB": "Maritimo"
}
]
首先，我将描述我想要实现的目标。我想复制粘贴足球比赛列表（作为普通用户，而不是开发人员，所以来自网站的纯文本，而不是检查 html 的 html），因此我必须解析文本。所以在网站上它看起来像这样：
粘贴的文本如下所示：
PERU\r\nLiga 2\r\nClasament Live\r\nFinal\r\nSanta Rosa\r\n\r\n0\r\n - \r\n3\r\n\r\nMolinos El Pirata\r\n(0 - 1)\r\n73 \r\nChavelines\r\n\r\n1\r\n - \r\n0\r\n\r\nDeportivo Coopsol\r\n(1 - 0)\r\n20:30\r\nComerciantes Unidos\r\n\r\n-\r\n\r\nJuan Aurich\r\n22:45\r\nSantos FC\r\n\r\n-\r\n\r\nHuaral\r\nPOLONIA\r\nEkstraklasa\r\nClasament Live\r\n90+1 \r\nPogon Szczecin\r\n\r\n2\r\n - \r\n0\r\n\r\nStal Mielec\r\n(1 - 0)\r\nlive\r\n20:30\r\nPlock\r\n\r\n-\r\n\r\nGornik Z.\r\nPORTUGALIA\r\nPrimeira Liga\r\nClasament\r\n21:15\r\nFarense\r\n\r\n-\r\n\r\nMaritimo
然后我需要的是构建这样的东西：
Final Santa Rosa 0 - 3 Molinos El Pirata
75 Chavelines 1 - 0 Deportivo Coopsol
20:30 Comerciantes Unidos - Juan Aurich
22:45 Santos FC - Huaral
90+3 Pogon Szczecin 2 - 0 Stal Mielec
20:30 Plock - Gornik Z.
21:15 Farense - Maritimo
所以计划是将每一行提取到一个数组中，然后将它们放在一个 table 中。 我首先清理不需要的文本（国家名称、联赛名称、半场比分：
gamesUnformatted = gamesUnformatted.replace(/\b[A-Z]{5,}\b/g, '['); // replace the country name (names with more than 4 letters, to avoid removing LASK, TSKA... but it will remove IRAN, ASIA - find better way) which is in capital letters with [
gamesUnformatted = gamesUnformatted.replace(/Clasament Live/g, ']');
gamesUnformatted = gamesUnformatted.replace(/Clasament/g, ']'); // replace the words Clasament with ]
gamesUnformatted = gamesUnformatted.replace(/ *\[[^\]]*]/g, ''); // remove everything between [ and ], including the square brackets
gamesUnformatted = gamesUnformatted.replace(/\(\d{1,2} - \d{1,2}\)/g, ''); // remove half time score eg (0 - 0)
现在我想在每行前面添加单词 newLine，这样以后我就可以按“newLine”拆分，并在数组中包含所有独立的行。一条线的开始位置有三种情况：如果游戏没有开始（20:30），如果游戏已经结束（Final）或者如果游戏是 运行（例如 70）。对于前两个，我有以下内容：
gamesUnformatted = gamesUnformatted.replace(/\d{2}:\d{2}/g, 'newLine$&'); // add the word newLine in front of the starting hours
gamesUnformatted = gamesUnformatted.replace(/Final/g, 'newLine$&'); // add the word newLine in front of the word Final (game has ended)
但第三个更棘手。可以有 0-90，然后加时赛 90+ 左右（例如 90+3），然后可以有两个额外的半场（例如 120、120+..）。所以这就是我需要帮助的地方。我需要一个匹配所有这些场景的正则表达式，但排除其他场景。更准确地说，我需要匹配分钟（1-120 和 1-120+...），而不是比分或小时（1-0，20:30）。 而且我已经尝试了半天的各种事情，无法在这里列出所有内容，但是已经尝试过 ^ 和 ?: 和 !什么不是。我必须说我不擅长正则表达式，所以可能我尝试过的大部分事情都很愚蠢，但是好吧，我现在拥有的是：
gamesUnformatted = gamesUnformatted.replace(/\d{1,3}[^(\d{2}:\d{2})]/g, 'newLine$&');
这只是第一步，将任何数字替换为 1 到 3 位数字，不考虑“90+4”。并试图忽略时间，而不是分数。但这效果不佳，因为它在每个数字前添加了新行。 所以这个：
90+3 Pogon Szczecin 2 - 0 Stal Mielec
20:30 Plock - Gornik Z.
变成这样：
newLine90+newLine3 Pogon Szczecin newLine2 - newLine0 Stal Mielec
newLinenewLine20:newLine30 Plock - Gornik Z.
而不是这个（第二行有两个新行，因为一个是在小时之前添加的，所以必须忽略）：
newLine90+3 Pogon Szczecin 2 - 0 Stal Mielec
newLinenewLine20:30 Plock - Gornik Z.
在添加新行之前，您可以再做一次替换以确保分数在 1 行中，例如 0-1
演示： https://regex101.com/r/Dur5lD/4
模式：匹配：(\d{1,2})\s*-\s*(\d{1,2})；替换：-
解释：因为我在文本中有换行符，所以我使用了\s来匹配space序列。使用捕获组 </code> 和 <code> 获得所需的输出。
完成此操作后，添加 newline 应该很简单。
演示： https://regex101.com/r/Dur5lD/5
模式： ^((?:Final)|(?:\d{2}:\d{2})|(?:\d{1,3}(?!\d)(?!-)))
解释：
- 捕获可以是
Final或hour或time之一的组。 - 匹配时间，使用negative look ahead，
(?!)。这意味着诸如 70 或 120 之类的时间值不应后跟-或其他数字。
注：
- 我假定
\r\n为换行符。如果不是，我们可能需要用文字\r\n. 替换表达式中的 - 看起来您的正则表达式无法处理
PERU，因此我手动删除了该行。 - 将
\n替换为\t，然后将newLine替换为\n后得到 https://regex101.com/r/Dur5lD/6。
\s 和 ^ 字符
确实，理解纯文本副本是一项挑战。这是一种确定性地重建行的不同方法：
- 删除国家线
- 删除半场得分
- 移除'live'
- 合并分成多行的分数（真实分数和空分数）
- 现在我们有一组 4 行组成一行，例如我们可以避免复杂的时间解析 (final, 00, 00+0, 00:00, ...)
- 每 4 行拆分一次，生成包含换行符分隔部分的行
- 遍历行以从部件中提取时间、A 队、分数、B 队，并从部件创建对象
- 现在您可以遍历生成的对象数组以显示您的 table
const input = 'PERU\r\nLiga 2\r\nClasament Live\r\nFinal\r\nSanta Rosa\r\n\r\n0\r\n - \r\n3\r\n\r\nMolinos El Pirata\r\n(0 - 1)\r\n73 \r\nChavelines\r\n\r\n1\r\n - \r\n0\r\n\r\nDeportivo Coopsol\r\n(1 - 0)\r\n20:30\r\nComerciantes Unidos\r\n\r\n-\r\n\r\nJuan Aurich\r\n22:45\r\nSantos FC\r\n\r\n-\r\n\r\nHuaral\r\nPOLONIA\r\nEkstraklasa\r\nClasament Live\r\n90+1 \r\nPogon Szczecin\r\n\r\n2\r\n - \r\n0\r\n\r\nStal Mielec\r\n(1 - 0)\r\nlive\r\n20:30\r\nPlock\r\n\r\n-\r\n\r\nGornik Z.\r\nPORTUGALIA\r\nPrimeira Liga\r\nClasament\r\n21:15\r\nFarense\r\n\r\n-\r\n\r\nMaritimo';
let rows = input
.replace(/\r/g, '') // remove '\r'
.replace(/[A-Z]{4,}([^\n]*\n){3}/g, '') // remove country line
.replace(/\n\(\d{1,2} - \d{1,2}\)\n/g, '\n') // remove half time scores
.replace(/\nlive\n/g, '\n') // remove 'live' lines
.replace(/\n\n(\d{1,2})\n *- *\n(\d{1,2})\n\n/g, '\n - \n') // join 'n - m' scores
.replace(/\n\n *- *\n\n/g, '\n-\n') // join '-' empty scores
.match(/(?:^.*$\n?){1,4}/mg); // split every 4 lines
console.log('rows: ' + JSON.stringify(rows, null, ' '));
let scores = rows.map((line) => {
let parts = line.split(/\n/);
let obj = {
time: parts[0],
teamA: parts[1],
score: parts[2],
teamB: parts[3]
};
return obj
});
console.log('scores: ' + JSON.stringify(scores, null, ' '));
输出：
rows:[
"Final\nSanta Rosa\n0 - 3\nMolinos El Pirata\n",
"73 \nChavelines\n1 - 0\nDeportivo Coopsol\n",
"20:30\nComerciantes Unidos\n-\nJuan Aurich\n",
"22:45\nSantos FC\n-\nHuaral\n",
"90+1 \nPogon Szczecin\n2 - 0\nStal Mielec\n",
"20:30\nPlock\n-\nGornik Z.\n",
"21:15\nFarense\n-\nMaritimo"
]
scores: [
{
"time": "Final",
"teamA": "Santa Rosa",
"score": "0 - 3",
"teamB": "Molinos El Pirata"
},
{
"time": "73 ",
"teamA": "Chavelines",
"score": "1 - 0",
"teamB": "Deportivo Coopsol"
},
{
"time": "20:30",
"teamA": "Comerciantes Unidos",
"score": "-",
"teamB": "Juan Aurich"
},
{
"time": "22:45",
"teamA": "Santos FC",
"score": "-",
"teamB": "Huaral"
},
{
"time": "90+1 ",
"teamA": "Pogon Szczecin",
"score": "2 - 0",
"teamB": "Stal Mielec"
},
{
"time": "20:30",
"teamA": "Plock",
"score": "-",
"teamB": "Gornik Z."
},
{
"time": "21:15",
"teamA": "Farense",
"score": "-",
"teamB": "Maritimo"
}
]