是否有可能有重叠的正则表达式匹配？

Posted 2023-04-13

【中文标题】是否有可能有重叠的正则表达式匹配？

【英文标题】：Is it possible to have overlapping regex matches?

【发布时间】：2021-08-30 00:28:27

【问题描述】：

以这个数据为例：

ID: JK546|Guitar: 0|Piano: 1|Violin: 0|Expiry: Aug14,2021

我想知道是否可以创建一个正则表达式来返回这组匹配项

ID: JK546|Guitar: 0|Expiry: Aug14,2021
ID: JK546|Piano: 1|Expiry: Aug14,2021
ID: JK546|Violin: 0|Expiry: Aug14,2021

我确实尝试在下面创建一个：

ID: (?<id>\w+).*\|(?<instrument>\w+):\s(?<count>\d).*Expiry:\s(?<expiry>[\w\d]+)

但它只返回带有小提琴乐器的那个。非常感谢您对此的见解。

【问题讨论】：

查看这个问题：***.com/questions/8020848/…

ID: JK546||Violin: 0|Expiry: Aug14,20201 - | 之前的两个Violin，是不是搞错了？

有效期为 18180 年后。经久耐用！ ;)

@AKSingh 已经修复了它

@Wyck lol 看起来我还是个半生不熟的调试器

【参考方案1】：

我不会使用正则表达式。特别是由于字符串ID: JK546|Guitar: 0|Expiry: Aug14,2021 没有出现在字符串ID: JK546|Guitar: 0|Piano: 1|Violin: 0|Expiry: Aug14,2021 中，所以它并不是严格意义上的匹配，而是更多的替换。但是没有什么好方法可以从所有比赛中获得所有替补。

所以，我只需在| 上拆分输入字符串。

然后你想组成一个由第一个字段、一个中间字段和最后一个字段组成的结果字符串。对于存在的每个中间字段，您将获得一个结果。如果它拆分为 N 个字段，您将获得 N-2 个结果。例如：如果它分成 5 个字段，那么您将得到 3 个结果，每个“中间”字段一个。

string input = "ID: JK546|Guitar: 0|Piano: 1|Violin: 0|Expiry: Aug14,2021";
string[] fields = input.Split('|');
for( int i = 1; i < fields.Length - 1; ++i) 
    string result = string.Join("|", fields.First(), fields[i], fields.Last());
    Console.WriteLine(result);

输出：

编号：JK546|吉他：0|有效期：2021年8月14日 编号：JK546|钢琴：1|有效期：2021年8月14日 编号：JK546|小提琴：0|有效期：2021年8月14日

【参考方案2】：

一个正则表达式返回多个匹配多次调用？ 我想知道这是否可能。

我不熟悉如何在 C# 中进行正则表达式处理， 但是这个sed 命令会做你想做的事。 也许您可以了解它的工作原理并根据您的需要进行调整：

sed -n ':loop; h; s/^\([^|]*|[^|]*\).*\(|.*\)$/\1\2/p; g; s/^\([^|]*\)|[^|]*\(|.*\)$/\1\2/; t loop'

为简单起见，我们假设输入字符串是“A|B|C|D|E”。

它的作用：

-n 是告诉sed 不要自动打印任何内容的选项 （但只有在被告知时才使用p 命令打印）。 :loop 实际上是“goto”的标签。 所以使用while 循环结构。 h 将模式空间保存到保持空间中。 换句话说，复制你的字符串。 s/^\([^|]*|[^|]*\).*\(|.*\)$/\1\2/p 捕获前两个段 最后一个，并打印结果。 所以“A|B|C|D|E”变成了“A|B|E”（即你想要的第一个输出）。 g 将保存的字符串从保持空间恢复到模式空间。 换句话说，检索您保存的字符串的副本。 s/^\([^|]*\)|[^|]*\(|.*\)$/\1\2/ 捕获第一段， 跳过第二个，然后捕获其余部分。 所以“A|B|C|D|E”变成了“A|C|D|E”。 t loop 是“goto”命令。 它说要回到循环的开头 如果最近的替换成功。 换句话说，这是循环的结束， 以及循环条件的说明。

循环的第二次迭代会将“A|C|D|E”更改为“A|C|E” 并打印出来。 然后将“A|C|D|E”更改为“A|D|E”并迭代。 循环的第三次迭代会将“A|D|E”更改为“A|D|E”并打印出来。 （显然没有变化，因为正则表达式中间的.* 匹配“A|D”和“|E”之间的零长度字符串。） 最后的替换将“A|D|E”更改为“A|E”， 然后就什么也找不到了。

【参考方案3】：

您可以利用 .NET Groups.Captures 属性来获取吉他、钢琴和小提琴的值。

(ID: \w+\|)(\w+: \d+\|)+(Expiry: \w+,\d+)

模式匹配：

(ID: \w+\|) 捕获

group 1

匹配 ID: 1+ word chars 和 | (\w+: \d+\|)+ 捕获

组 2

重复 1+ 次匹配 1+ 单词字符 : 1+ 数字 | (Expiry: \w+,\d+) 捕获

第 3 组

匹配 Expiry: 1+ 个单词字符 , 和 1+ 个数字

查看.NET regex demo | C# demo

例如

var str = "ID: JK546|Guitar: 0|Piano: 1|Violin: 0|Expiry: Aug14,2021";
string pattern = @"(ID: \w+\|)(\w+: \d+\|)+(Expiry: \w+,\d+)";
Match m = Regex.Match(str, pattern);

foreach(Capture c in  m.Groups[2].Captures) 
    Console.WriteLine(m.Groups[1].Value + c.Value + m.Groups[3].Value);

输出

ID: JK546|Guitar: 0|Expiry: Aug14,2021
ID: JK546|Piano: 1|Expiry: Aug14,2021
ID: JK546|Violin: 0|Expiry: Aug14,2021

【参考方案4】：

往后看应该可以：

string foo = @"ID: JK546 | Guitar: 0 | Piano: 1 | Violin: 0 | Expiry: Aug14,2021";

// First look at "Guitar: 0", "Piano: 1" and "Violin: 0". Then look behind "(?<= )" and search for the ID. Then look ahead "(?= )" and search for Expiry.

string pattern = @"(\w+: \d)(?<=(ID: [A-Z0-9]+).*?)(?=.*?(Expiry: \S+))";

foreach (var match in Regex.Matches(foo, pattern))

    ....                

幸运的是，c# 是少数可以处理可变长度查找的语言之一。