DatistEQ之抽取文本内容

V 2022 Q2版

数据处理过程中，时常会遇到从字符串中提取特定内容的场景，如从FTP的连接串中，抽取用户名。

ftp连接串：ftp://anonymous:guest@ftp.ncbi.nlm.nih.gov:125/gdgdsg/wrwq

在C语言中可以用scanf函数，在DatistEQ如何实现呢？

DatistEQ中，提供MatchGroup和MatchGroups两个函数，使用正则表达式，抽取一个或一组数据。

MatchGroup函数格式：

string MatchGroup(string,regexString,[Optional] groupNames,[Optional] regexOptions)
说明：
分组正则表达式匹配，返回第一个匹配结果。
string，源文本字符串；
regexString，正则表达式；
groupNames，可选项，默认为空，多个组名以|分隔;
RegexOptions，可选项，默认为Compiled|IgnoreCase，用于设置正则表达式选项的枚举值。支持：None,Compiled,CultureInvariant,ECMAScript,ExplicitCapture,
IgnoreCase,IgnorePatternWhitespace,Multiline,RightToLeft,Singleline。

MatchGroups函数格式与MatchGroup相似：

list MatchGroups(string,regexString,[Optional] groupNames,[Optional] regexOptions)
说明：
分组正则表达式匹配，返回所有匹配结果。 

对比案例1：未分组正则表达式
MatchGroup( "abc123def12344" , "[0-9]+")
输出：123

MatchGroups( "abc123def12344" , "[0-9]+")
输出：
[
    "123", //第一组
    "12344" //第二组
]

对比案例2：分组正则表达式，未指定提取分组名称
MatchGroup( "abc123def12344" , "(?<a1>[0-9]+)")
输出：
{
    "0": "123",
    "a1": "123"
}

MatchGroups( "abc123def12344" , "(?<a1>[0-9]+)")
输出：
[
    { //第一组
        "0": "123", //系统默认，未指定组名
        "a1": "123"
    },
    {//第二组
        "0": "12344", //系统默认，未指定组名
        "a1": "12344"
    }
]

对比案例3：分组正则表达式，指定一个提取分组名称
MatchGroup( "abc123:45def12344:78" , "(?<a1>[0-9]+):(?<b1>[0-9]+)","a1" )
输出：123

MatchGroups( "abc123:45def12344:78" , "(?<a1>[0-9]+):(?<b1>[0-9]+)","a1" )
输出：
[
    "123", //第一组
    "12344" //第二组
]

对比案例4：分组正则表达式，指定多个提取分组名称
MatchGroup( "abc123:45def12344:78" , "(?<a1>[0-9]+):(?<b1>[0-9]+)","a1|b1" )
输出：
{
    "a1": "123",
    "b1": "45"
}

MatchGroups( "abc123:45def12344:78" , "(?<a1>[0-9]+):(?<b1>[0-9]+)","a1|b1" )
输出：
[
    {//第一组
        "a1": "123",
        "b1": "45"
    },
    { //第二组
        "a1": "12344",
        "b1": "78"
    }
]

例1：
MatchGroup("关井油压5.7MPa,套压8.2MPa。", "油压(?<P1>[0-9]+(\.[0-9]+){0,1})" ,"P1")
输出：5.7

例2：
MatchGroup("关井油压5.7MPa,套压8.2MPa。", "油压(?<P1>[1-9]\d*.\d*|0.\d*[1-9]\d*)[\s\S]*套压(?<P2>[1-9]\d*.\d*|0.\d*[1-9]\d*)" ,"P1|P2")
输出：
{
    "P1": "5.7",
    "P2": "8.2"
}

例3：
MatchGroup( "ftp://anonymous:guest@ftp.ncbi.nlm.nih.gov:21/gdgdsg/wrwq" , "(?<ftp>sftp|ftp)?://((?<username>\w+):(?<password>\w+)@)*(?<url>[.A-Za-z0-9]*)(:(?<port>[0-9]*))*(?<remotepath>/[\s\S]*)*","ftp|username|password|url|port|remotepath" )
输出：
{
    "ftp": "ftp",
    "username": "anonymous",
    "password": "guest",
    "url": "ftp.ncbi.nlm.nih.gov",
    "port": "21",
    "remotepath": "/gdgdsg/wrwq"
}

后记：
MatchGroup函数配合“解析JSON”节点，分隔字段内容。

对象 对象数组 数值数组