Сопоставить регулярное выражение с изменяемой длиной слова и отрицательной информацией о другом слове?
У меня есть регулярное выражение, которое захватывает шаблон A, только если строка содержит шаблон B где-то до A.
Скажем, ради простоты, что А является \b\d{3}\b (т. е. три цифры), а B - это слово "foo".
Поэтому регулярное выражение у меня есть (?<=\b(?:foo)\b.*?)(?<A>\b\d{3}\b),
(?<= # look-behind
\b(?:foo)\b # pattern B
.*? # variable length
)
(?<A>\b\d{3}\b) # pattern A
Например, для строки
"foo text 111, 222 and not bar something 333 but foo 444 and better 555"
это захватывает
(111, 222, 333, 444, 555)
Я получил новое требование, и теперь я должен исключить захваты, которым предшествует шаблон C, допустим, что C - это слово "bar". Я хочу построить регулярное выражение, выражающее
(?<= # look-behind
\b(?:foo)\b # pattern B
??????????? # anything that does not contains pattern C
)
(?<A>\b\d{3}\b) # pattern A
Итак, в примере строки мне нужно будет захватить
(111, 222, 444, 555)
Конечно что то типа (?<=\b(?:foo)\b.*?)(?<!\b(?:bar)\b.*?)(?<A>\b\d{3}\b)
(?<= # look-behind
\b(?:foo)\b # pattern B
.*?
)
(?<! # negative look-behind
\b(?:bar)\b # pattern C
.*?
)
(?<A>\b\d{3}\b) # pattern A
не сработает, так как исключит все после первого появления "бара" и захват будет
(111, 222)
Регулярное выражение (?<=\b(?:foo)\b(?!.*?(?:\bbar\b)).*?)(?<A>\b\d{3}\b)
(?<= # look-behind
\b(?:foo)\b # pattern B
(?! # negative lookahead
.*? # variable lenght
(?:\bbar\b) # pattern C
)
.*? # variable lenght
)
(?<A>\b\d{3}\b) # pattern A
тоже не будет работать, потому что для первого "foo" в моей тестовой строке он всегда найдет "bar" в качестве суффикса и будет захватывать только
(444, 55)
До сих пор, используя условное сопоставление выражений и (теперь) зная, что, находясь внутри объекта просмотра, .net сопоставляет и захватывает справа налево, я смог создать следующее регулярное выражение (?<=(?(C)(?!)| (?:\bfoo\b))(?:(?<!\bbar)\s|(?<C>\bbar\s)|[^\s])*)(?<A>\b\d{3}\b)
(?<= # look-behind
(?(C) # if capture group C is not empty
(?!) # fail (pattern C was found)
| # else
(?:\bfoo\b) # pattern B
)
(?:
(?<!\bbar)\s # space not preceeded by pattern C (consume the space)
|
(?<C>\bbar\s) # pattern C followed by space (capture in capture group C)
|
[^\s] # anything but space (just consume)
)* # repeat as needed
)
(?<A>\b\d{3}\b) # pattern A
это работает, но слишком сложно, так как шаблоны A, B и C намного сложнее, чем примеры, которые я выложил здесь.
Можно ли упростить это регулярное выражение? Может быть, с использованием балансировочных групп?
3 ответа
Один простой вариант очень похож на второй шаблон Казимира и Ипполита:
foo(?>(?<A>\b\d{3}\b)|(?!bar).)+
- Начать с
foo (?>...|(?!bar).)+- Стоп соответствия, если вы виделиbar,(?<A>\b\d{3}\b)и захватить все, что вы видите по пути.- Атомная группа
(?>)в этом случае нет необходимости, возвращение назад не испортит это в любом случае.
Точно так же это может быть преобразовано в вид сзади:
(?<=foo(?:(?!bar).)*?)(?<A>\b\d{3}\b)
Преимущество состоит в сопоставлении только чисел. Взгляд сзади утверждает, что есть foo до А, но нет bar,
Рабочий пример
Оба они предполагают, что B и C несколько просты.
Вы можете использовать шаблон на основе \G Якорь, который соответствует позиции после предыдущего матча:
(?:\G(?!\A)|\bfoo\b)(?:(?!\b(?:bar|\d{3})\b).)*(\d{3})
подробности:
(?:
\G(?!\A) # contiguous to a previous match and not at the start of the string
| # OR
\bfoo\b # foo: the condition for the first match
)
(?:(?!\b(?:bar|\d{3})\b).)* # all that is not "bar" or a 3 digit number (*)
(\d{3})
(*) Обратите внимание, что если вы можете использовать лучший подшаблон (то есть, который не проверяет каждый символ с заглядыванием, содержащим чередование) для вашей реальной ситуации, не стесняйтесь менять его. (например, что-то на основе классов символов: [^b\d]*(?>(?:\B[b\d]+|b(?!ar\b)|\d(?!\d\d\b))[^b\d]*)*)
Другой способ: поскольку механизм регулярных выражений.net может хранить повторные записи, вы также можете написать это:
\bfoo\b(?:(?:(?!\b(?:bar|\d{3})\b).)*(\d{3}))+
Но на этот раз вам нужно зацикливаться на каждом появлении foo для извлечения результатов в группе 1. Это менее удобно, но шаблон быстрее, так как он не начинается с чередования.
Обратите внимание, что если "bar" а также "\d{3}" начинается и заканчивается символами слова, вы можете написать шаблон более эффективным способом:
\bfoo(?:\W+(?>(?!bar\b)\w+\W+)*?(\d{3}))+\b
Другой способ: разделить строку на "foo" и "bar" (сохраните разделитель), перебрать каждую часть. Если для части задано значение "foo", установите для флага значение "истина", для части для "bar" установите значение "ложь", а если для этого параметра не указано "foo" или "bar", извлеките числа, если флаг имеет значение true.
Так как вы спросили, это возможно с балансировкой групп, но, вероятно, не нужно.
\A # Match from the start of the string
(?> # Atomic group. no backsies.
(?<B>(?<-B>)?foo) # If we see "foo", push it to stack B.
# (?<-B>)? ensures B only has one item - if there are two,
# one is popped.
|(?<-B>bar) # When we see a bar, reset the foo.
|(?(B)(?<A>\b\d{3}\b)|(?!)) # If foo is set, we are allowed to capture A.
|. # Else, just advance by one character.
)+
\z # Match until the end of the string.
Если мы хотим быть очень умными (чего, вероятно, нет), мы можем объединить большинство веток в условные:
\A
(?>
(?(B)
(?:(?<A>\b\d{3}\b)|(?<-B>bar))
| # else
(?<B>foo)
)
|.
)+
\z
Опять же, это возможно, но балансировка групп здесь не лучший вариант, в основном потому, что мы ничего не балансируем, просто проверяем, установлен флаг или нет.