正则表达式最后删除不必要的字符串

Posted 2023-02-22

【中文标题】正则表达式最后删除不必要的字符串

【英文标题】：Regular expression to remove unnecessary string at last

【发布时间】：2018-07-24 07:40:03

【问题描述】：

假设我们有：

ABC_ANY_STRING_DEF ANY_STRING ANY_STRING_DEF ABC_CDE_ANY_STRING_DEF

“ABC_”或“CDE_”可以是前缀也可以不存在。另外，“_DEF”可以是后缀也可以不存在。

在这种情况下，我可以使用一个正则表达式在前缀和后缀之间提取 ANY_STRING（只是任何一组字符，只是一个字符串）吗？ p>

例如输入=“ABC_CDE_I like an apple_DEF”，则输出必须是“I like an apple”。

我尝试了以下代码，但它没有输出我所期望的。

re.compile("(?:ABC_|CDE_)*(\S+)(?:_DEF)?")

或

re.compile("(?:ABC_|CDE_)*(\S+)(?:_DEF)*")

非常感谢您的建议。

【问题讨论】：

你的目标是什么？请提供输入和输出的示例

ANY_STRING 是与一个_ 连接的两个字符串的块吗？还是只是anyStrIng？一个现实生活中的例子会有所帮助。

@Wiktor ANY_STRING 表示任何字符串，如 \S+

它太笼统了，不能称它为任何字符串，任何字符串都可能像 ABC_CDE 一样最终是不需要的，如何区分需要什么，正则表达式是特定于要求的。必须有某种模式，例如 @ 或总是以 _A 等开头

@Inder “ABC_”或“CDE_”可以是前缀，“_DEF”可以是后缀。我想提取前缀和后缀之间的字符串。但它们可以存在也可以不存在。

【参考方案1】：

你可以使用

(?:ABC_|CDE_|^)+(\S*?)(?:_DEF|$)

见regex demo

详情

(?: - 一个 non-capturing group 的开头，它匹配任何用 alternation operator | 分隔的子模式： ABC_ - 文字子字符串 ABC_ | - 或 CDE_ - 文字子字符串 CDE_ | - 或 ^ - 字符串开头 )+ - 一个或多个连续出现，尽可能多（+ 是一个贪婪的量词） (\S*?) - 捕获组 1：零个或多个字符而不是空格，但由于 *? 惰性量词而尽可能少 (?:_DEF|$) - _DEF 或 (|) 字符串结尾 ($)。

【讨论】：

这是什么 |例如在 ABC_|CDE_| 中的表达式??

@Inder | 是一个alternation operator。

@Wiktor 我能知道为什么 (?:ABC_|CDE_|^)+(\S*)(?:_DEF|$) 不能正常工作吗？ “？”里面有东西吗？关键字使其工作？

@JoontaeKim \S* (0+ 非空白字符) 是一个贪婪量化的模式，\S 匹配 _、D、E 和F。因此，\S* 在此处抓取所有非空白字符直到字符串末尾，并检查 (?:_DEF|$) 是否可以匹配那里。是的，$ 匹配字符串的结尾，因此第 1 组保存它抓取的所有文本，并且正则表达式引擎返回有效匹配。见this debugger page。

@Wiktor 我明白了。 “？”似乎有机会在不存在“\S*”的情况下检查“_DEF”。非常感谢！！