正则表达式匹配一定长度的单词

Posted 2023-02-26

【中文标题】正则表达式匹配一定长度的单词

【英文标题】：Regex to match words of a certain length

【发布时间】：2012-02-21 01:31:30

【问题描述】：

我想知道匹配单词的正则表达式，以使单词具有最大长度。 例如，如果一个单词的长度最大为 10 个字符，我希望正则表达式匹配，但如果长度超过 10，则正则表达式不应该匹配。

我试过了

^(\w10)$

但只有当单词的最小长度为 10 个字符时，我才会匹配。如果单词超过 10 个字符，它仍然匹配，但只匹配前 10 个字符。

【问题讨论】：

您是否有理由不想简单地迭代单词并使用String.length()？

是的。这个字符串是一个更大的字符串的一部分，该字符串包含多种格式的单词 - 日期、电子邮件、网址等，所有这些都采用制表符分隔的格式。我正在考虑编写一个复合正则表达式来匹配整行。

我明白了。由于单词是由制表符分隔的，是不是可以拆分它们（使用String.split()或StringTokenizer），然后查看每个单词的长度？

很有可能。事实上，起初这是我的想法，但使用正则表达式似乎很简单...... :)

【参考方案1】：

我想你想要\b\w1,10\b。 \b 匹配单词边界。

当然，您也可以替换 \b 并替换为 ^\w1,10$。这将匹配最多 10 个字符的单词，只要它是字符串的唯一内容。我想这就是你之前所做的。

由于它是 Java，因此您实际上必须转义反斜杠："\\b\\w1,10\\b"。你可能已经知道了，但我之前就知道了。

【讨论】：

谢谢。我确定转义以前也让我知道.. :0 如果单词大于 10，您提供的表达式匹配 10 个字符。如果单词超过 10 个字符，我不希望它匹配。有点与 \w10, 相反，你可以说...！

@AnandHemmige：哪个表情？如果单词中有超过 10 个字符，则带有 \b 的那个不应该匹配任何内容。以$ 结尾的那个也是如此。如果字符串只有一个单词，您应该尝试后者。

在我的 VI 版本（gvim for Windows）中， 之前需要一个反斜杠 (\) 才能正常工作。

查找不是特定字符长度的单词的正则表达式是什么？

【参考方案2】：

^\w0,10$ # allows words of up to 10 characters.
^\w5,$   # allows words of more than 4 characters.
^\w5,10$ # allows words of between 5 and 10 characters.

【讨论】：

我希望其中的第一个可以作为 \w10, 的反面工作，但它没有。

^ 和 $ 将正则表达式锚定到字符串的开头和结尾。如果要提取子匹配（一定长度的单词），则需要使用\b 单词边界锚点代替它们：\b\w1,10\b 将找到长度为 1 到 10 的单词。

如何声明“允许 9 或 12 个字符的单词”的正则表达式？

@LoiNguyenHuynh：^(?:\w9|\w12)$

@TimPietzcker 我自己试过了^\w9|\w12$，但没用大声笑，原来是我需要捕获( )

【参考方案3】：

要匹配的字符长度。

n,m  n <= length <= m
n    length == n
n,   length >= n

默认情况下，引擎会贪婪地匹配此模式。例如，如果输入是 123456789，\d2,5 将匹配长度为 5 的 12345。

如果您希望引擎在匹配长度 2 时返回，请使用 \d2,5?

【讨论】：

这对我很有用，因为我正在寻找正则表达式来查找大于 x 的单词。

【参考方案4】：

方法一

单词边界在这里可以很好地发挥作用，例如：

\b\w3,8\b
\b\w2,
\b\w,10\b
\b\w5\b

RegEx Demo 1

Java

Java 和 C++ 等一些语言需要双转义：

\\b\\w3,8\\b
\\b\\w2,
\\b\\w,10\\b
\\b\\w5\\b

^{PS：\\b\\w,10\\b 可能不适用于所有语言或风格。}

测试 1

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class RegularExpression

    public static void main(String[] args)


        final String regex = "\\b\\w3,8\\b";
        final String string = "words with length three to eight";

        final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
        final Matcher matcher = pattern.matcher(string);

        while (matcher.find()) 
            System.out.println("Full match: " + matcher.group(0));
        

    

输出 1

Full match: words
Full match: with
Full match: length
Full match: three
Full match: eight

---

方法二

另一个值得了解的方法是使用否定环视：

(?<!\w)\w3,8(?!\w)
(?<!\w)\w2,
(?<!\w)\w,10(?!\w)
(?<!\w)\w5(?!\w)

Java

(?<!\\w)\\w3,8(?!\\w)
(?<!\\w)\\w2,
(?<!\\w)\\w,10(?!\\w)
(?<!\\w)\\w5(?!\\w)

RegEx Demo 2

测试 2

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class RegularExpression

    public static void main(String[] args)


        final String regex = "(?<!\\w)\\w1,10(?!\\w)";
        final String string = "words with length three to eight";

        final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
        final Matcher matcher = pattern.matcher(string);

        while (matcher.find()) 
            System.out.println("Full match: " + matcher.group(0));
        

    

输出 2

Full match: words
Full match: with
Full match: length
Full match: three
Full match: to
Full match: eight

正则表达式电路

jex.im 可视化正则表达式：

---

如果您希望简化/修改/探索表达式，在regex101.com 的右上角面板中已对此进行了说明。如果您愿意，您还可以在this link 中观看它如何与一些示例输入匹配。

---

【参考方案5】：

即使，我也在寻找相同的正则表达式，但我也想包含所有特殊字符和空格。所以这里是正则表达式：

^[A-Za-z0-9\s$&+,:;=?@#|'<>.^*()%!-]0,10$

【讨论】：

这与“^.0,10$”有何不同？