匹配正则表达式中的可选子字符串答案

【问题标题】：Matching an optional substring in a regex匹配正则表达式中的可选子字符串
【发布时间】：2021-11-26 09:40:16
【问题描述】：

我正在开发一种算法来解析一系列短字符串中的数字。这些字符串有些规则，但有一些不同的一般形式和几个例外。我正在尝试构建一组处理各种形式和异常的正则表达式；我会一个接一个地应用它们，看看我是否得到匹配。

其中一种形式如下所示：

X (Y) Z

地点：

X 是我要捕获的数字。
Z 是静态的预定义文本。这基本上是我确定这种特定形式是否适用的方式。
Y 是一个长度和内容未知的字符串，用括号括起来。

另外：Y 是可选的；它并不总是出现在带有Z 和X 的字符串中。所以，我希望能够从所有这些字符串中提取数字：

10 Z
20 (foo) Z
30 (bar) Z

现在，我有一个正则表达式可以捕获第一个：

([0-9]+) +Z

我的问题是我不知道如何构造一个匹配一系列字符的正则表达式，当且仅当它们被括在括号中时。这可以在单个正则表达式中完成吗？

【问题讨论】：

标签： regex

【解决方案1】：

(\d+)\s+(\(.*?\))?\s?Z

注意转义的括号和?（零或一次）量词。您不想捕获的任何组都可以是（?:非捕获组）。

我同意空格。 \s 是一个更好的选择。我还更改了量词以确保开头有数字。至于换行符，这将取决于上下文：如果文件被逐行解析，那将不是问题。另一种选择是锚定行的开头和结尾（在前面添加^，在末尾添加$）。

【讨论】：

空间是静态的。将它们替换为 \s+
或将其中一个放在 ( ) 内？
请注意，如果正则表达式使用 .或者如果一行上有多个实例，这应该是非贪婪的： (\d*) ((.*?))? Z
感谢?: 非捕获组的建议，这很容易。

【解决方案2】：

这应该可以工作：

^\d+\s?(\([^\)]+\)\s?)?Z$

虽然还没有测试过，但让我给你分解一下，所以如果还有任何错误，它们应该很容易找到：

首先开始：

^ = beginning of string
\d+ = one or more decimal characters
\s? = one optional whitespace

然后这部分：

(\([^\)]+\)\s?)?

其实是：

(.............)?

这使得以下内容是可选的，只有当它完全存在时

\([^\)]+\)\s?

\( = an opening bracket
[^\)]+ = a series of at least one character that is not a closing bracket
\) = followed by a closing bracket
\s? = followed by one optional whitespace

而结尾是由

Z$

在哪里

Z = your constant string
$ = the end of the string

【讨论】：

【解决方案3】：

你可以这样做：

([0-9]+) (\([^)]+\))? Z

但是，这不适用于 Y 的嵌套括号。嵌套需要递归，它不再是严格规则的（但与上下文无关）。现代正则表达式引擎仍然可以处理它，尽管有一些困难（反向引用）。

【讨论】：

幸运的是，我认为我不需要处理嵌套的括号。

【解决方案4】：

试试这个：

X (\(Y\))? Z

【讨论】：