正則表達式優先考慮最長的模式

我得到了一些字符串來搜索正則表達式的匹配。正則表達式優先考慮最長的模式

foo 
AB0001 
AB0002 foo 
foo AB0003 
foo AB0004A AB0004.1 
AB0005.1 foo AB0005A bar AB0005

的期望的匹配是每行一個ID而與在端部具有字母ID應該被優先，而具有0.1的ID應該被忽略。

foo        -> no match 
AB0001       -> AB0001 
AB0002 foo      -> AB0002 
foo AB0003.1      -> no match 
foo AB0004A AB0004.1    -> AB0004A 
AB0005.1 foo AB0005A bar AB0005 -> AB0005A

我以爲我可以很容易地使用由交替|符號賦予優先級的ID，並在最後一個大寫字母，但仍然存在總是給多個匹配的優先級。

我的建議： regex101.com/r/yP5kX4/1

Offtopic：當使用正則表達式整體開始^結束與$與捕獲/非捕獲組工作時，我應該寫的正則表達式儘可能短？

來源

2016-03-04 heiiRa

您無法通過R中的純正PCRE/TRE正則表達式實現此功能。 –

這是一種方法。這有點複雜，因爲你需要懶得找到ID的第一個實例
。

這個正則表達式用於多行模式。如果可以的話，將(?m)添加到正則表達式的開頭
。

所得ID是在捕獲組1

^.*?\b([A-Z]+\d+[A-Z]|[A-Z]+\d+(?!\.\d)(?!.*?\b[A-Z]+\d+[A-Z]))\b

解釋

^        # Beginning of string 
.*?        # Any char, lazy to get first instance 
\b  
(         # (1 start), the ID 
     [A-Z]+ \d+ [A-Z]     # Priority, with trailing letter 
    |         # or, 
     [A-Z]+ \d+       # no trailing letter 
     (?! \. \d)      # no dot digit after digit 
     (?! .*? \b [A-Z]+ \d+ [A-Z])  # and only if not a trailing letter id downstream 
)         # (1 end) 
\b

來源

2016-03-04 01:14:22 sln

感謝您的操作！負面的預測只是放棄了「匹配」被識別？我理解'|'和第二個之後的第一個表達式，但是我沒有得到第三個表達式。爲什麼這需要？也許僅僅如果字符串出現像「AB0001A AB0001.1 AB0002A」一樣？所以第一個ID被標記爲匹配，然後負向前瞻發現第三個ID，並通過將'AB0002A'作爲最終匹配而丟棄先前的匹配？ – heiiRa

@heiiRa - 幾乎正確。這是基本表達式[[A-Z] + \ d + [A-Z]？'它只是被分割爲_OR_（交替））。引擎測試每個字符位置的交替。如果找不到'[A-Z] + \ d + [A-Z]'，它會匹配[A-Z] + \ d +'，如果可以的話。第一個_assertion_'（？！\。\ d）'使它停止匹配_any_'AB0001.1'，第二個斷言'（？！。*？\ b [AZ] + \ d + [AZ]）'將其停止匹配當前候選人'AB0001'_如果右邊有任何'AB0001B'。然後它檢查每個字符，直到它到達匹配的「AB0001B」。 – sln

我想檢測ř3.1字符串。3這樣：

grepl("(?<!\\.)[A-Z0-9]+?(?=\\s)", subject, perl=TRUE);

根據您在您的問題張貼的輸入，輸出將是：

INPUT

foo 
AB0001 
AB0002 foo 
foo AB0003 
foo AB0004A AB0004.1 
AB0005.1 foo AB0005A bar AB0005

輸出

AB0001
AB0002
AB0003
AB0004A
AB0005A

來源

2016-03-04 01:18:31 Saleem

下面的正則表達式應該做的：

(AB(?:[0-9A-Z]{5}|[0-9]{4}))(?:\s+)

我添加了一個非捕獲組（？：\ s +）來捕獲ID匹配後的空間。演示是HERE:

我的想法：（請糾正我，如果我錯了）

當使用正則表達式整體開始與$ ^結束？如果正則表達式匹配從整個字符串的開始（^）到結尾（$）。

並與捕獲/非捕獲組一起工作？如果要提取/引用該信息，請使用捕獲組; 如果您只想匹配但不提取和引用，則使用非捕獲組。請看看：What is a non-capturing group? What does a question mark followed by a colon (?:) mean?。

我應該在什麼時候寫RegEx儘可能短？時間越短越好，只要它的作品

來源

2016-03-04 04:20:11 Quinn

\b(AB\d{4}(?!\.\d)[A-Z]?)\b

DEMO

這是AB其次是四位數字，一定不能跟一個十進制數序列，但可能以字母結尾。字邊界（\b）有助於確保匹配的序列不是像發生在的一樣的較長序列的一部分。

基於交替的解決方案永遠不會工作。確實，如果在給定點處，一個交替的兩個或多個分支可以匹配，則總是選擇第一個分支（無論如何，在大多數正則表達式中）。但是這對你沒有幫助，因爲正則表達式引擎總是支持第一個（最左邊的）匹配;這是它的最高優先級。所以第一場比賽無論它使用哪個分支都會贏。

對於錨（^和$），他們通常只有當你想整個字符串，或者在多行模式一整行匹配（和BTW需要的，因爲你不使用他們，你不不需要/m標誌;它所做的只是改變錨點的含義）。

捕獲組的問題在這裏很有趣，因爲你不需要它們。我使用的唯一原因是因爲Regex101網站沒有顯示側面板中的匹配，除非它們在捕獲組。這是一個非常有用的網站令人討厭的故障。但是一般來說，當您需要提取匹配的特定部分時，或者需要在正則表達式本身中使用反向引用時，您可以使用捕獲組。

來源

2016-03-04 05:27:40

正則表達式優先考慮最長的模式

回答

相關問題