解析搜索字符串

Question

我有搜索字符串，类似一个波纹管：

energy food "olympics 2010" Terrorism OR "government" OR cups NOT transport 

，我需要用PHP5解析它来检测，如果内容属于下列任何集群：

• AllWords阵列
• AnyWords阵列
• NotWords阵列

这些都是我所设定的规则：

1. 如果有或之前或单词，或者属于 AnyWord引用的话后。
2. 如果它有一个以前没有的词或引用的话它属于NotWords
3. 如果有词之前0以上的多个空格或引用这句呢 属于AllWords。

所以，最终的结果应该是类似的东西：

AllWords: (energy, food, "olympics 2010") 
AnyWords: (terrorism, "government", cups) 
NotWords: (Transport) 

会是什么好办法做到这一点？

Answer 1

如果你想用正则表达式来做到这一点，请注意，你的解析将在愚蠢的用户输入（用户，而不是输入=））上破坏。

我想尝试下面的正则表达式。

NotWords：

(?<=NOT\s)\b((?!NOT|OR)\w+|"[^"]+")\b 

AllWords：

(?<!OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?!\s+OR) 

AnyWords： 嗯..休息。 =）他们不容易被发现，因为我不知道如何将“OR背后或OR前面”放入正则表达式中。也许你可以加入从三个正则表达式

(?<=OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?!\s+OR) 
(?<=OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?=\s+OR) 
(?<!OR\s)\b((?!NOT|OR)\w+|"[^"]+")\b(?=\s+OR) 

问题的结果：这些都需要修改词语之间只有一个空格。 PHP仅支持修正长度表达式的后顾之忧，所以我没有办法解决这个问题，对不起。您可以使用\b(\w+|"[^"]+")\b来拆分输入，并手动解析结果数组。

Answer 2

这是测试优先驱动方法如何帮助您获得解决方案的绝佳示例。它可能并不是最好的，但是通过编写测试，您可以自信地重构，并立即查看是否打破了任何现有的测试。无论如何，你可以建立像一些测试：

public function setUp() { 
    $this->searchParser = new App_Search_Parser(); 
} 

public function testSingleWordParsesToAllWords() { 
    $this->searchParser->parse('Transport'); 
    $this->assertEquals(
    $this->searchParser->getAllWords(), 
    array('Transport') 
); 
    $this->assertEquals($this->searchParser->getNotWords(), array()); 
    $this->assertEquals($this->searchParser->getAnyWords()); 
} 

public function testParseOfCombinedSearchString() { 
    $query = 'energy food "olympics 2010" Terrorism ' . 
      'OR "government" OR cups NOT transport'; 
    $this->searchParser->parse($query); 

    $this->assertEquals(
    $this->searchParser->getAllWords(), 
    array('energy', 'food', 'olympics 2010') 
); 
    $this->assertEquals(
    $this->searchParser->getNotWords(), 
    array('Transport') 
); 
    $this->assertEquals(
    $this->searchParser->getAnyWords(), 
    array('terrorism', 'government', 'cups') 
); 
} 

其他好的测试将包括：

• testParseTwoWords
• testParseTwoWordsWithOr
• testParseSimpleWithNot
• testParseInvalid
  • 这里哟你必须确定什么是无效的输入以及你如何解释它，即：
  • 'NOT Transport'：搜索任何不包含Transport或者通知用户他还必须包含至少一个搜索词的东西？
  • 'OR energy'：可以用combinator开头吗？
  • '食物或非能量'：这是否意味着“寻找食物或任何不含能量的食物”，或者它是指“寻找食物而不是能量”，或者这不代表什么意思？ （即抛出异常，返回false或诸如此类的东西）
• testParseEmpty

然后，写测试一个接一个，并编写通过测试的简单解决方案。然后重构并做出正确的决定，然后再次运行，看看你是否仍然通过测试。 一旦测试通过并且代码被重构，然后编写下一个测试并重复该过程。当您发现特殊情况并重构代码以使其通过所有测试时添加更多测试。如果您打破测试，请备份并重新编写代码（不是测试！），以使其通过。

至于如何解决这个问题，可以看看preg_match,strtok，或者简单地循环访问字符串，并添加令牌。