正则表达式捕获除最后一个主题标签之外的所有内容答案

【问题标题】：Regex to capture all but the last hashtag正则表达式捕获除最后一个主题标签之外的所有内容
【发布时间】：2020-07-15 05:19:48
【问题描述】：

我通常把正则表达式当作母语来使用，但今天我被这个谜题难住了。我需要捕获除最后一个主题标签之外的字符串的所有文本。除最后一个之外的任何主题标签都应包括在内，如果根本没有主题标签，它也需要匹配。

测试用例 1：

输入：Foo bar #baz
匹配：Foo bar

测试用例 2：

输入：Foo bar #baz #qux
匹配：Foo bar #baz

测试用例 3：

输入：Foo bar
匹配：Foo bar

由于我在 (Zapier) 中使用它的环境，我有一个严格的约束，即无论情况如何，我都需要在具有相同组号的单个捕获组中匹配字符串。 Zapier 使用 Python 引擎 FWIW。

上下文是从 Instagram 自动将照片发布到 Twitter，但需要将长度限制为 280 个字符。由于 Zapier 的 truncate 功能不允许切割干净的单词边界，因此 280 个字符可能会在主题标签的中间用完，当 Twitter 自动链接它时，可能会导致令人尴尬的结果。（Zapier 的截断确实允许附加省略号，这可以缓解常规单词的问题。）由于包含每个主题标签并不重要，我想丢弃最后一个，以防它被截断。

【问题讨论】：

标签： regex

【解决方案1】：

您可以使用展开循环方法。
这可能是最快的方法。

[^#]*(?:\#(?![^#]*$)[^#]*)*

见https://regex101.com/r/vlEows/1/tests

【讨论】：

这太棒了！很好很简单。

【解决方案2】：

就在我完成输入后，我找到了自己的解决方案（是的，橡皮鸭?它）。想我会把它发布给其他需要这个特定奇怪解决方案的人：

((^[^#]+$)|(?:.|\n)+)(?(2)|\s#[^#]+)

测试结果：https://regex101.com/r/RNGVSL/2/tests

更新

来自 Wiktor Stribiżew 在 cmets 中的更简单回答：

(?s)^(.*?)(?:\s*#[^\s#]+)?$

测试结果：https://regex101.com/r/RNGVSL/3/tests

【讨论】：

永远不要使用(?:.|\n)+。将. 与适当的修饰符一起使用，(?s)（Ruby 中的m 等）。或者，如果您无权访问修饰符，请使用 [\w\W] 而不是点。交替会导致多余的回溯。
另外，为什么不(?s)^(.*?)(?:\s*#[^\s#]+)?$ 并获取第 1 组的值？见regex demo。
我无法访问 Zapier 中的修饰符，否则我会使用 s。但是，[\w\W] 的好建议。您的简化不起作用，因为原始文本中可能需要保留换行符。为了简单起见，我只是没有在原始问题中注意到这一点。到目前为止，似乎这是赢家：((^[^#]+$)|[\w\W]+)(?(2)|\s#[^#]+).
您在我回复时编辑了您的评论。立即查看您的新版本...
尽管从技术上讲，根据 Regex101，与我原来的 655 步相比，2098 步的效率实际上更低。 :-)

【解决方案3】：

您可以匹配以下正则表达式，条件是字符串是否以井号标签结尾。

^(?:(?=.*#\w+$).*(?=#\w+$)|.*)

Start your engine!

如果您需要捕获组，请使用 $0，它保存完整的匹配项。

正则表达式引擎执行以下操作。

^              : match beginning of string
(?:            : begin non-capture group
  (?=.*#\w+$)  : positive lookahead asserts that the string
                 ends with a hashtag
  .*           : match 0+ characters
  (?=#\w+$)    : positive lookahead asserts that the next character
                 begins a hashtag at the end of the string
|              : or
  .*           : match 0+ characters
)              : end non-capture group

也可以删除非捕获组并重复字符串开头的锚点：

^(?=.*#\w+$).*(?=#\w+$)|^.*

【讨论】：