试图在字边界之外匹配零

Posted 2021-04-04

我有类似的模式 FQC19515_TCELL001_20190319_165944.pdf FQC19515_TBNK001_20190319_165944.pdf 我可以用这个RegEX匹配TCELL和TBNK这个词 ^（ d +） - （ d +） - 。（ d +）（[A-Z1-9] +）* 但如果我有类似的模式 FLW194640_T20NK022_20190323_131348.pdf FLW194228_C1920_SOME_DEBRIS_REMOVED.pdf 上面的正则表达式返回 T2和C192分别代替T20NK和C1920 是否有一般的正则表达式将Nzeros与这些单词边界相匹配？

答案

让我们考虑一下你输入的所有4个例子：

FQC19515_TCELL001_20190319_165944.pdf
FQC19515_TBNK001_20190319_165944.pdf
FLW194640_T20NK022_20190323_131348.pdf
FLW194228_C1920_SOME_DEBRIS_REMOVED.pdf

第一组，在行首和第一行“_”之间（例如第1行中的FQC19515）包括：

• 一个非空的字母序列，
• 一个非空的数字序列。

所以匹配它的正则表达式，包括行锚和捕获组的开始是：

^([A-Z]+d+)

您使用D而不是[A-Z]，但我认为[A-Z]更具体，因为它只匹配字母而不是“_”。

下一个源char是_，所以正则表达式也可以包括_。

现在更困难的部分：要捕获的第二组实际上有两个变体：

• 一系列字母和一系列数字（之后有一个“_”），
• 一系列字母，一系列数字和另一个字母序列（之后有你想要省略的数字）。

因此，最直观的方法是定义两个备选方案，每个备选方案都具有相应的正向前瞻：

• 替代方案1：[A-Z]+d+(?=_)，
• 替代方案2：[A-Z]+d+[A-Z]+(?=d)。

但是有一点短路。请注意，这两种选择都是从[A-Z]+d+开始的。所以我们可以将这个片段放在第一位，只有其余的包含作为非捕获组（(?:...)），有2个替代方案。以上所有内容都应该包含一个捕获组：

([A-Z]+d+(?:(?=_)|[A-Z]+(?=d)))

所以整个正则表达式可以是：

^([A-Z]+d+)_([A-Z]+d+(?:(?=_)|[A-Z]+(?=d)))

使用m选项（“^”也匹配每行的开头）。

有关工作示例，请参阅https://regex101.com/r/GDdt10/1

你的正则表达式：^(D+)-(d+)是错误的，因为你指定了一个非数字序列（D+），你的源中没有出现这种情况。第二个减号也与您的输入不对应。

Edit

要匹配所有字符串，我稍微修改了以前的正则表达式。更改仅限于匹配组No 2（在_之后）：

• 替代品1：[A-Z]{2,}+(?=d) - 两个或多个字母，在它们之后有一个数字，将被省略。它将匹配TCELL和TBNK。
• 替代品2：[A-Z]+d+(?:(?=_)|[A-Z]+(?=d)) - 此组的先前内容。它将匹配其余两个案例。

所以整个正则表达式是：

^([A-Z]+d+)_([A-Z]{2,}+(?=d)|[A-Z]+d+(?:(?=_)|[A-Z]+(?=d)))

有关工作示例，请参阅https://regex101.com/r/GDdt10/2

另一答案

据我了解，您可以使用：

^[A-Z]+d+_K[A-Z0-9]{5}

说明：

^                   # beginning of line
    [A-Z]+          # 1 or more capitals
    d+_            # 1 or more digit and 1 underscore
    K              # forget all we have seen until this position
    [A-Z0-9]{5}     # 5 capitals or digits

Demo