如何使用正则表达式匹配 Ruby 中包含特殊字符的重复模式？

Posted 2023-03-16

【中文标题】如何使用正则表达式匹配 Ruby 中包含特殊字符的重复模式？

【英文标题】：How to match repeating patterns containing special characters in Ruby using regex?

【发布时间】：2021-12-06 22:36:43

【问题描述】：

基本上，我正在尝试使用正则表达式来匹配 Ruby 中包含特殊字符的重复模式。如果给定模式重复但不是动态的次数，我就能够做到这一点。我要匹配的示例字符串是：

Draw a square that is coords.width pixels wide by coords.height pixels tall.

这可以通过使用轻松完成

arr = value.scan(/\\(\w+?\.\w+?)\\/).flatten

arr 运行后是这样的

["coords.width", "coords.height"]

但是我如何编写一个可以匹配的正则表达式，以防这种模式任意遵循，例如

Draw a square that is shape.rectangle.coords.width pixels wide by shape.rectangle.coords.height pixels tall.

同时在以下情况下也匹配（没有“。”）

Draw a square that is width pixels wide by height pixels tall.

【问题讨论】：

您要匹配coords.width.、.coords.width、coords width 还是coords..width？您需要准确地陈述您的问题。

【参考方案1】：

可以匹配正则表达式

r = /(?<=\\)[a-z]+(?:\.[a-z]+)*(?=\\)/

Rubular demo/PCRE demo at regex 101.com

我已包含 PCRE 演示，因为 regex101.com 提供了正则表达式每个元素的详细说明（悬停光标）。

例如，

str = "Draw a square coords.width wide by coords.height " +
      "tall by coords deep deep"

str.scan(r)
  #=> ["coords.width", "coords.height"]

注意"coords deep" 不匹配，因为它没有（我假设是）有效的形式。另请注意，我不必展平来自 scan 的返回值，因为正则表达式没有捕获组。

我们可以在free-spacing模式中编写正则表达式以使其自文档化。

/
(?<=      # begin a positive lookbehind
  \\    # match 1 or more lower case letters
)         # end the positive lookbehind
[a-z]+    # match 1 or more lower case letters
(?:       # begin a non-capture group
  \.      # match a period
  [a-z]+  # match 1 or more lower case letters
)         # end the non-capture group
*         # execute the non-capture group zero or more times
(?=       # begin a positive lookahead
  \\    # match ''
)         # end positive lookahead
/x        # free-spacing regex definition mode

【讨论】：

嗨，我已经写了正则表达式/(?<=\\)([a-z]+\.[a-z]*)(?=\\)/ 它工作正常。但是你已经包含了一个叫做non-capture group的东西，我不知道它是什么。你能帮我理解你为什么把它包括在内吗？还有哪些其他字符串不适用于我的正则表达式？你能帮帮我吗？

@Rajagopalan，如果你想重复一系列断言，例如\.[a-z]+，你需要将它们放在捕获组或非捕获组中。 (\.[a-z]+)*（捕获组）和(?:\.[a-z]+)*（非捕获组）匹配组的内容零次或多次。如果您希望稍后提取或反向引用组的内容，则需要一个捕获组；否则，两者都可以，但首选非捕获组，因为它告诉读者您不会引用该组的内容...

....您不需要正则表达式中的捕获组，因为环视不消耗字符；只需匹配/(?<=\\)[a-z]+\.[a-z]+(?=\\)/。通常你会使用环视，就像你所做的那样，或者使用捕获组：/\\([a-z]+\.[a-z]+)\\/。然而，这有问题。您的正则表达式匹配"x."，我认为这是不希望的，并且不匹配具有多个句点的示例，例如"shape.rectangle.coords.width"。

you need to place them in a capture group or non-capture group. (\.[a-z]+)* (capture group) and (?:\.[a-z]+)* (non-capture group) match the contents of the group zero or more times. 这一行非常清楚地解决了我的疑问。谢谢。

【参考方案2】：

(/\\(.*?)\\/)

这成功了。它匹配 中的任何内容，但我总是可以在提取事件/模式时验证结构

【参考方案3】：

(\+\S+)

上述模式将实现您的目标。它匹配外壳内的所有非空格字符。

【讨论】：

注意\S匹配任意字符，模式也可以匹配abc