Debo procesar una cadena de valores separados por comas que contiene tripletes de valores y traducir en tiempo de ejecución cada triplete a diferentes tipos según su contenido, los datos de entrada serían parecidos a:
"1x2y3z,80r160g255b,48h30m50s,1x3z,255b,1h,..."
Así que cada sub-cadena debería ser procesada de la siguiente manera:
1x2y3z
se procesaría comoVector3
conx = 1
,y = 2
yz = 3
.80r160g255b
se procesaría comoColor
conr = 80
,g = 160
yb = 255
.48h30m50s
se procesaría comoTime
conh = 48
,m = 30
ys = 50
.
El problema que me encuentro es que cada componente es opcional (aunque siempre aparece en el mismo orden) así que las siguientes cadenas también son Vector3
, Color
y Time
correctos:
1x3z
se procesaría comoVector3
conx = 1
,y = 0
yz = 3
.255b
se procesaría comoColor
conr = 0
,g = 0
yb = 255
.1h
se procesaría comoTime
conh = 1
,m = 0
ys = 0
.
¿Qué he intentado hasta ahora?
Todos los componentes como opcionales.
((?:\d+A)?(?:\d+B)?(?:\d+C)?)
Los caracteres A
, B
y C
serían reemplazados por la letra correcta en cada caso. Esta expresión funciona bien salvo por el hecho de que captura el doble de resultados esperados (uno para la cadena buscada y otra captura con una cadena vacía justo después de la primera coincidencia), por ejemplo:
1h1m1s
dos coincidencias:"1h1m1s"
.""
.
11x50z
dos coincidencias:"11x50z"
.""
.
11111h
dos coincidencias:"11111h"
.""
.
No puedo decir que no lo esperara... al fin y al cabo una cadena vacía se corresponde con la expresión regular proporcionada cuando todos los componentes están vacíos; así que para solucionar este problema intenté lo siguiente:
Cuantificador de 1 a 3 elementos.
((?:\d+[ABC]){1,3})
Pero con esta expresión, se capturan cadenas con el orden incorrecto o incluso con elementos repetidos:
1s1m1h
una coincidencia, no debería coincidir (orden incorrecto).11z50z
una coincidencia, no debería coincidir (componentes repetidos).1r1r1b
una coincidencia, no debería coincidir (componentes repetidos).
Así que hice otro intento con una versión modificada de mi primer intento:
Coincidir de inicio ^
a fin $
de la cadena.
^((?:\d+A)?(?:\d+B)?(?:\d+C)?)$
Funciona mejor que la primera versión pero sigue coincidiendo con cadenas vacías, con la desventaja añadida que primero debo separar la cadena por cada coma (,
) y pasar la expresión sobre cada sub-cadena.
Usando Lookahead
El intento usando Lookahead:
\b(?=[^,])(?=.)((?:\d+A)?(?:\d+B)?(?:\d+C)?)\b
Contra la siguiente cadena:
"48h30m50s,1h,1h1m1s,11111h,1s1m1h,1h1h1h,1s,1m,1443s,adfank,12322134445688,48h"
Los resultados son muy buenos, detecta las coincidencias válidas sin añadir falsos positivos. Por desgracia, cada vez que se encuentra una cadena que no coincide con la expresión, añade una cadena vacía justo antes de la cadena no válida (encuentra ""
antes de "1s1m1h"
, "1h1h1h"
, "adfank"
y "12322134445688"
) así que he hecho un último intento modificando la condición del Lookahead:
\b(?=(?:\d+[ABC]){1,3})(?=.)((?:\d+A)?(?:\d+B)?(?:\d+C)?)\b
Esta expresión elimina las cadenas vacías detectadas antes de cualquier cadena que no coincida con (?:\d+[ABC]){1,3})
(las cadenas vacías antes de "adfank"
y "12322134445688"
) pero las cadenas vacías antes de "1s1m1h"
, "1h1h1h"
aún son detectadas.
Así que mi pregunta es: ¿Existe alguna expresión regular que encuentre coincidencias en tripletes de valores en un orden determinado, sin repeticiones, con todos los componentes opcionales pero compuesta por al menos un elemento y que no halle coincidencias en cadenas vacías?
La herramienta de expresiones regulares que estoy usando es <regex>
de C++11.