使用正则表达式分组结构匹配部分字符串

Posted 2023-04-13

【中文标题】使用正则表达式分组结构匹配部分字符串

【英文标题】：Matching parts of string using regex grouping constructs

【发布时间】：2019-12-25 08:16:45

【问题描述】：

我的字符串格式如下：

CC-SS[PC|PC|...|PC]

地点：

CC 是国家代码 SS 是状态码 PC|PC|...|PC 是用竖线分隔的邮政编码字符串

字符串的正确部分可能不存在。例如：

美国 美国-IL

是有效的字符串。

所以，我想使用正则表达式仅获取字符串的特定详细信息（如果存在）。

我尝试使用命名组和以下模式的一些变体：

^(?<country>.*)(?<=-)(?<state>.*)(?<=\[)(?<postalcodes>.*)(?=])

上述模式有两个问题：

首先，它仅适用于字符串的完整表示（缩短的不匹配） 其次，我无法拒绝分隔符的匹配（-，[，]）

通常，我使用正面或负面的前瞻/后视并匹配除定界符之外的所有内容 - [^.\]]，但我不确定在匹配多个组时如何应用此技术。

任何人都可以建议我可以尝试的东西吗？

【问题讨论】：

我个人认为，虽然功能强大，但正则表达式并不总是最好的选择，因为它会导致难以阅读和调试代码。使用自定义函数解析上述字符串会相当简单。

@TimRutter 谢谢。我现在就是这样做的。只是想知道我是否可以使用正则表达式使其更短/更智能。

一般建议：不要使用.* 和前瞻，使用负字符类将字符匹配到分隔符。例如，要匹配直到第一个 - 的所有内容，只需匹配 [^-]+

\b(?<country>[A-Z]2)(?:-(?<state>[A-Z]2))?\b(?:\[(?<postalcodes>[^][]*]))??见this demo

@WiktorStribiżew 它似乎有效。我现在将进行更多测试。

【参考方案1】：

我觉得你可以用

\b(?<country>[A-Z]2)(?:-(?<state>[A-Z]2))?\b(?:\[(?<postalcodes>[^][]*)])?

在 C# 中：

var rx = new Regex(@"\b(?<country>[A-Z]2)(?:-(?<state>[A-Z]2))?\b(?:\[(?<postalcodes>[^][]*)])?");

请参阅regex demo。

详情

\b - 单词边界 (?<country>[A-Z]2) - 组“国家”：两个大写 ASCII 字母 (?:-(?<state>[A-Z]2))? - 一个可选的非捕获组，匹配 1 次或 0 次出现 - - 一个连字符 (?<state>[A-Z]2) - 组“状态”：两个大写 ASCII 字母 \b - 单词边界 (?:\[(?<postalcodes>[^][]*)])? - 一个可选的非捕获组，匹配 1 次或 0 次 \[(?<postalcodes>[^][]*) - 组“邮政编码”：除 ] 和 [ 之外的 0 个或多个字符 ] - ] 字符。

【讨论】：

谢谢。我不知道我可以使用?: 结合capturing 子组。

@gotqn 组甚至环视可以嵌套。