用于匹配单词的正则表达式，除非前一行以单词结尾

Posted 2023-02-15

【中文标题】用于匹配单词的正则表达式，除非前一行以单词结尾

【英文标题】：Regex for matching a word, unless the previous line ends with a word

【发布时间】：2018-02-10 15:07:51

【问题描述】：

我有一个包含许多句子的文本，由换行符和任意空格分隔：

Some thing.
  Some other text.
 Some line.
   Some additional text.
Some stuff.
    Some additional text.
Some additional text.

我如何只匹配那些Some 字，其中上一行不以thing 或stuff 结尾？

对于上面的例子，我会匹配这些词：

Some thing.           
  Some other text.          <-- skip, previous line ends with "thing."
 [Some] line.
   [Some] additional text.  
[Some] stuff.
    Some additional text.   <-- skip, previous line ends with "stuff."
[Some] additional text.

我尝试了(?<!thing\.|stuff\.)[\r\n\s]+Some，但我不知道如何在否定的lookbehind 中包含空格+换行符？我发现了一些使用\K 来允许“可变长度”匹配的示例，但我显然根本不明白\K 是如何匹配的，因为我无法匹配任何东西。

【问题讨论】：

一开始的Some呢？

【参考方案1】：

您可以使用 PCRE 动词 (*SKIP)(*F) 使已知的抹茶失败，并交替使用您的匹配：

(?:thing|stuff)\.\R\s*\w+(*SKIP)(*F)|\bSome\b

RegEx Demo

当上一行以thing. 或stuff. 结尾时，此处(?:thing|stuff)\.\R\s*.*(*SKIP)(*F) 将跳过匹配失败。在交替的右侧，我们将得到我们的匹配。

【参考方案2】：

您可以使用带有非捕获组的“sacrificial match”来匹配您不想要的内容，然后允许在捕获组中匹配您想要的内容：

/(?:^\s*Some.*(?:thing\.|stuff\.)\s*^\s*Some)|(^\s*Some)/m

Demo

或者，如果您想要第一个和第四个（如 cmets 中所述，您的示例不一致...）

/(?:(?:thing\.|stuff\.)\s*Some)|(^\s*Some)/m

Demo

或者，跳过第一个 Some 并包括第四个：

/(?:(?:thing\.|stuff\.)\s*Some)|((?<=\n)\s*Some)/m

Demo

此方法适用于大多数正则表达式。

在这种情况下，向后看是一个问题，因为向后看需要固定宽度。您描述的\s* 不是固定宽度。