使用正则表达式查找两个字符串之间的多个匹配项

Posted 2023-05-08

【中文标题】使用正则表达式查找两个字符串之间的多个匹配项

【英文标题】：Using regex to find multiple matches between two strings

【发布时间】：2020-11-26 19:37:41

【问题描述】：

想象一下我有一个这样的字符串：

c x c x A c x c x c B c x c x

我想找到介于“A”和“B”之间的任何“c”字符。所以在这个例子中我需要得到 3 个匹配项。

我知道我可以使用lookahead 和lookbehind 标记。所以我使用了这个正则表达式：

(?<=A).*c.*(?=B)

但它得到了 A 和 B 之间的所有刺痛：c x c x c 作为一个结果。

如果我删除 .* 部分，则根本没有匹配项。

我做了一个example here。这样你就可以看到结果了。

【问题讨论】：

例如(?:\G(?!^)|A)[^AB]*?\Kc(?=.*?B)，见regex101.com/r/TeHHiF/1。如果A 和B 是多字符字符串的占位符，请使用(?:\G(?!^)|A)(?:(?!A).)*?\Kc(?=.*?B) (demo)

哇！ @WiktorStribizew 你是个魔术师！非常感谢。请发送您的评论作为答案，以便我将其标记为答案。

【参考方案1】：

这里有两种常见的情况：1) A 和 B 是不同 单个字符串，2) A 和 B 是不同 多字符串。

场景 1

你可以使用否定字符类：

(?:\G(?!^)|A)[^AB]*?\Kc(?=[^AB]*B)

见this regex demo。详情：

(?:\G(?!^)|A) - A 或上一次成功匹配结束 [^AB]*? - 除A 和B 之外的任何零个或多个字符，尽可能少 \K - 匹配重置操作符，丢弃目前在整个内存匹配缓冲区中匹配的所有文本 c - c 字符/字符串 (?=[^AB]*B) - 后面必须跟零个或多个字符，而不是 A 和 B，然后紧跟当前位置右侧的 B 字符。

场景 2

如果 A 和 B 是多字符字符串的占位符，例如，ABC 和 BCE 并且 c 是一些类似 c\d+ 的模式（匹配 c 和后面的一个或多个数字它）使用

(?s)(?:\G(?!^)|ABC)(?:(?!ABC).)*?\Kc\d+(?=.*?BCE)

见this regex demo。详情：

(?s) - 一个 DOTALL 修饰符，使正则表达式引擎匹配任何带有 . 的字符 (?:\G(?!^)|ABC) - ABC 或上一次成功匹配结束 (?:(?!ABC).)*? - 任何不启动 ABC 字符序列的字符，0 次或更多次 \K - 匹配重置运算符 c\d+ - c 和一位或多位数字 (?=.*?BCE) - 任何零个或多个字符，尽可能少，后跟BCE。

【讨论】：

优秀的解决方案！看来我们可以使用简单的.*? 而不是(?:(?!ABC).)*?，因为我们不关心第一个ABC 和c 之间的其他可能的ABC。

这很棒。非常感谢你。但是有一个小缺陷。如果字符串是 c x c x ABC c1 x c2 x c3 BCE c4 x c5 x BCE，c4 和 c5 也将出现在结果中。我将(?:(?!ABC).)*? 部分更改为(?:(?!BCE).)*? 并解决了问题。但是仍然会有另一个问题，如果我们有这个字符串：ABC c0 x ABC c1 x c2 x c3 BCE c4 x c5 x BCE，c0 也会出现在结果中。这个我想不通。

@MohsenHaeri 将两个定界符添加到回火前瞻中，(?s)(?:\G(?!^)|ABC)(?:(?!ABC|BCE).)*?\Kc\d+(?=(?:(?!ABC).)*BCE)。见this regex demo。