谁知道del.icio.us如何解析标签啊？

Question

就是用怎样的正则表达式来Split目标串为多个标签？

Answer 1

一次用正则做delimiter会麻烦一些。如果在""中没有空格的话，处理起来会好很多。<script>
var s='abc def "somegood" okabc def';
alert(s.split(/( ")|(" )| /))
</script>

Answer 2

那就可以做两次吧？先找两边带引号的。
即先把“abc def "some good" ok”拆成
abc def     《--- 1
some good   《--- 2
ok但现在又有新问题了，结果1实际上是两个标签，而结果2只有一个，如何来区分它呢？尤其是在标签数量比较多的情况下。

Answer 3

<script>
s = 'abc def "some good" ok';
t = s.match(/(["']).+\1|\w+/g);
document.write(t);
</script>

Answer 4

谢谢 xuzuning(唠叨)，不过你给的RE有些BUG。1、需要把.+改成非贪婪的，否则匹配含有两个带空格的串时会有点小错误
如： abc def "some good" "this is" ok 2、英文双引号之间如果还有若干多个引号，如果这些在中间的引号的后一个字符不是空格(主要是针对起闭合作用的最后一个引号的判断)，则整个词组应被认为是一个标签。
如 abc "so"me g"ood" 应该被识别为两个标签：abc和so"me g"ood3、对于不构成词组的引号，应当只认为它是标签的一部分。
如 abc so"me g"ood 应该就是三个标签：abc、so"me、g"ood。

Answer 5

这个问题其实并不是特别简单，有许多情况需要考虑。
如果能解决的话，大家以后在处理Tag及类似对象时，就可以直接用了：）我能想到的一些测试例子(左边是用户的输入，右边是分隔好的标签)：abc "some good" "this is" ok  -》 abc|some good|this is|ok"some good" abc "this is" ok  -》 some good|abc|this is|ok"so"me g"ood" abc "this is"  -》so"me g"ood|abc|this is"so "me g" ood" "ab"c"   -》  so"me g|ood"|ab"c另外，由于用户在输入标签时，可能打开了中文输入法，所以标签之间很可能使用全角的中文空格分隔，也需要考虑。也就是说英文空格和全角中文空格的作用应该是一样的。把以上例子中的英文空格部分地或全部地代换为中文空格，如果都能正确处理，那么这个问题就可以结了：）如需要额外讨论，可以另开一帖的。谢谢大伙！

Answer 6

我的答案是：
(?!")[^\x20]+|"[^"]*"测试页面：（推荐）
http://www.regexlab.com/zh/workshop.asp?pat=%28%3F%21%22%29%5B%5E%5Cx20%5D%2B%7C%22%5B%5E%22%5D*%22&txt=abc%20def%20%22some%20good%22%20ok&dlt=0

Answer 7

谢谢楼上的兄弟，不过不好意思，你给的RE只能Match我给的第一个例子，后三个都是错误的。

Answer 8

经过修改：
(?!")[^\s]+|"([^"]|"(?!\s))*"测试页面：（推荐）
http://www.regexlab.com/zh/workshop.asp?pat=%28%3F%21%22%29%5B%5E%5Cs%5D%2B%7C%22%28%5B%5E%22%5D%7C%22%28%3F%21%5Cs%29%29*%22&txt=abc%20%20abc%22def%20%20%20%22some%20good%22%20%20%22some%22good%22%20ok&dlt=0

Answer 9

abc "some good" "this is" ok  -》 abc|some good|this is|ok"some good" abc "this is" ok  -》 some good|abc|this is|ok"so"me g"ood" abc "this is"  -》so"me g"ood|abc|this is"so "me g" ood" "ab"c"   -》  so"me g|ood"|ab"c
首先，下边这两个就看不出什么规则了。
其次，是不是凭这四个例子就代表了所有情况？
你自己是否清楚所有的规则，如果清楚就一条一条的写出来，再拿给别人看看有没有写明白，然后再拿出来问，这样是浪费大家的时间。
写来写去只能猜你想干什么，是不是太没意思了。

Answer 10

下面两个(第三行、第四行)规则很明显：3、英文双引号之间如果还有若干多个引号，如果这些处在中间位置的引号的后一个字符不是空格(主要是针对起闭合作用的最后一个引号的判断)，则整个词组应被认为是一个标签，并且此引号也仅就是一般字符，不具备构成词组的功能。
如 abc "so"me g"ood" 应该被识别为两个标签：abc和so"me g"ood
再如 "so"me g"ood" abc "this is"应该被识别为三个标签：so"me g"ood、abc、this is4、对于不构成词组的引号，应当只认为它是标签的一部分。
如 abc so"me g"ood 应该就是三个标签：abc、so"me、g"ood。
再如："so "me g" ood" "ab"c"应该被识别为三个标签：
so"me g（因为字母g后面的引号有空格，所以与s前面的引号构成一对）、
ood"（字母d后面虽然有引号，但是没有前导引号与之构成完整的一对，所以此引号只是标签的内容）、
ab"c（引号不但可以用来标示词组，当然也应该兼容一个单词的情况）PS:我也就一个人在业余研究这个东西，目标是想有一个比del.icio.us更加完善的Tag划分方法。有怎样的要求，我自己当然清楚。我把这些要求浓缩归纳为四条例子，简易直观，总比啰啰嗦嗦说一大堆又说不清楚好。同时我很奇怪，为什么别的兄弟能看懂，有星星的你就看不懂？？真的全部是我的原因么？

Answer 11

To sswater(光杆兵)：太感谢你的回复了！那四个例子都能正确地通过测试，等稍后我做一下完整的测试就结帖。对了，有空的话，你也到这里回一下帖：
http://community.csdn.net/Expert/TopicView.asp?id=4920147
好处嘛，是明显地，呵呵 ：）

Answer 12

To sswater(光杆兵)：经过多方面，反复地测试，还在http://www.regexlab.com/zh/workshop.asp处测试了，
发现《"this is"good 》达不到预期的效果。
原因是：作为词组起始引号的第一个引号，并没有一个闭合引号（即这样的一个引号：其后紧接的是一个空格或字符串结束符）。在这种没有闭合的情况下，《"this is"good 》应该被分为两个标签："this和is"good，而不是this is和good。如此的处理是否可以实现？再次表示感谢！PS:再顺便测试一下这个例子吧：
  《"so good"abc "this one》应为"so|good"abc|"this|one
---------------------------
其它的兄弟也可以讨论讨论的啊，谢谢！

Answer 13

"([^"]|"(?=\S))*"(?!\S)|\S+测试页面：（推荐）
http://www.regexlab.com/zh/workshop.asp?pat=%22%28%5B%5E%22%5D%7C%22%28%3F%3D%5CS%29%29*%22%28%3F%21%5CS%29%7C%5CS%2B&txt=abc%20abc%22def%20%22some%20good%22%20%22some%22good%22%20%22this%20is%22good%20%22one&dlt=0

Answer 14

感谢sswater(光杆兵) 的回答，结帖！