正则表达式：在捕获组中捕获组

Question

简介

（如果您对前奏感到厌烦，可以跳至如果...）

这个问题并不是特别针对 VBScript（我只是在这种情况下使用它）：我想为一般正则表达式的使用找到一个解决方案（包括编辑器）。

这开始于我想创建Example 4 where 3 capture groups are used to split data across 3 cells in MS Excel 的改编版本。 我需要捕获一个完整的模式，然后在其中捕获 3 个其他模式。但是，在同一个表达式中，我还需要捕获另一种模式，并在其中再次捕获其他 3 种模式（是的，我知道……但在指向 nutjob 手指之前，请完成阅读）。

我首先想到了Named Capturing Groups，然后我意识到我不应该«混合命名和编号的捕获组»，因为它«不推荐，因为组的风格不一致编号»。

然后我查看了 VBScript SubMatches 和 «non-capturing» groups 并找到了针对特定案例的可行解决方案：

For Each C In Myrange
    strPattern = "(?:^([0-9]+);([0-9]+);([0-9]+)$|^.*:([0-9]+)\s.*:([0-9]+).*:([a-zA-Z0-9]+)$)"

    If strPattern <> "" Then
        strInput = C.Value

        With regEx
            .Global = True
            .MultiLine = True
            .IgnoreCase = False
            .Pattern = strPattern
        End With

        Set rgxMatches = regEx.Execute(strInput)

        For Each mtx In rgxMatches
            If mtx.SubMatches(0) <> "" Then
                C.Offset(0, 1) = mtx.SubMatches(0)
                C.Offset(0, 2) = mtx.SubMatches(1)
                C.Offset(0, 3) = mtx.SubMatches(2)
            ElseIf mtx.SubMatches(3) <> "" Then
                C.Offset(0, 1) = mtx.SubMatches(3)
                C.Offset(0, 2) = mtx.SubMatches(4)
                C.Offset(0, 3) = mtx.SubMatches(5)
            Else
                C.Offset(0, 1) = "(Not matched)"
            End If
        Next
    End If
Next

Here's a demo in Rubular of the regex。 在这些：

124;12;3
我的 id1：213 我的 id2：232 我的话：ins4yanrgx
:8587459 :18254182540215 :dcpt
0;1;2

它返回带有数字的前 2 个单元格和带有数字或单词的第三个^rd。 基本上，我使用了一个具有 2 个“父”模式的非捕获组（“父”= 我想检测其他子模式的广泛模式）。如果 1^st 父模式具有匹配的子模式（1^st 捕获组），那么我将其值和该模式的剩余捕获组放在 3 个单元格中。如果没有，我检查第 4^th 捕获组（属于 2^nd 父模式）是否匹配，并将剩余的子模式放在相同的 3 个单元格中。

如果...

而不是这样：

(?:^(\d+);(\d+);(\d+)$|^.*:(\d+)\s.*:(\d+).*:(\w+)$|what(ever))

这样的事情是可能的：

(#:^(\d+);(\d+);(\d+)$)|(#:^.*:(\d+)\s.*:(\d+).*:(\w+)$)|(#:what(ever))

(#: 不是创建一个非捕获组，而是创建一个“父”编号的捕获组。 这样我就可以做类似于Example 4的事情：

C.Offset(0, 1) = regEx.Replace(strInput, "#$1")
C.Offset(0, 2) = regEx.Replace(strInput, "#$2")
C.Offset(0, 3) = regEx.Replace(strInput, "#$3")

它将搜索父模式，直到在子模式中找到匹配项（将返回第一个匹配项，理想情况下，不会搜索剩余的匹配项）。

已经有类似的东西了吗？或者我完全从正则表达式中遗漏了一些允许这样做的东西？

其他可能的变化：

• 直接引用父子模式，例如：#2$3（在我的示例中相当于$6）；
• 根据需要在其他人中创建尽可能多的捕获组（我想这会更复杂，但也是最有趣的部分），例如：使用像(#:^_(?:(#:(\d+):\w+-(\d))|(#:\w+:(\d+)-(\d+)))_$)|(#:^\w+:\s+(#:(\w+);\d-(\d+))$) 这样的正则表达式（相同的语法）并以像这样的模式获取##$1 ：

  _123:smt-4_ 匹配：123
  _ott:432-10_ 匹配：432
  yant: special;3-45235 匹配：特殊

如果您发现此逻辑中有任何错误或缺陷，请告诉我，我会尽快编辑。

Answer 1

这通常是要捕获大部分相同数据的情况。
唯一的区别在于形式。

有一个称为分支重置的正则表达式构造。
它在大多数 Perl 兼容引擎上提供。不是 Java 也不是 Dot Net。
它主要只是节省正则表达式资源并使其更容易处理匹配。

您提到的替代方案没有任何帮助，它实际上只是使用
更多资源。您仍然需要查看匹配的内容才能了解您的位置。
但是您只需要检查集群中的一个组，就可以知道是哪个组
组是有效的（

（下面是使用RegexFormat 6构造的）

这里是分支重置版本：

 # (?|^(\d+);(\d+);(\d+)$|^.*:(\d+)\s.*:(\d+).*:(\w+)$|what(ever)()())

 (?|
      ^ 
      ( \d+ )                       # (1)
      ;
      ( \d+ )                       # (2)
      ;
      ( \d+ )                       # (3)
      $ 
   |  
      ^ .* :
      ( \d+ )                       # (1)
      \s .* :
      ( \d+ )                       # (2)
      .* :
      ( \w+ )                       # (3)
      $ 
   |  
      what
      ( ever )                      # (1)
      ( )                           # (2)
      ( )                           # (3)
 )

这是你的两个正则表达式。请注意，“父”捕获实际上增加了组的数量（这会降低引擎的速度）：

 # (?:^(\d+);(\d+);(\d+)$|^.*:(\d+)\s.*:(\d+).*:(\w+)$|what(ever))

 (?:
      ^ 
      ( \d+ )                       # (1)
      ;
      ( \d+ )                       # (2)
      ;
      ( \d+ )                       # (3)
      $ 
   |  
      ^ .* :
      ( \d+ )                       # (4)
      \s .* :
      ( \d+ )                       # (5)
      .* :
      ( \w+ )                       # (6)
      $ 
   |  
      what
      ( ever )                      # (7)
 )

和

    # (#:^(\d+);(\d+);(\d+)$)|(#:^.*:(\d+)\s.*:(\d+).*:(\w+)$)|(#:what(ever))

    (                             # (1 start)
         \#: ^ 
         ( \d+ )                       # (2)
         ;
         ( \d+ )                       # (3)
         ;
         ( \d+ )                       # (4)
         $ 
    )                             # (1 end)
 |  
    (                             # (5 start)
         \#: ^ .* :
         ( \d+ )                       # (6)
         \s .* :
         ( \d+ )                       # (7)
         .* :
         ( \w+ )                       # (8)
         $ 
    )                             # (5 end)
 |  
    (                             # (9 start)
         \#:what
         ( ever )                      # (10)
    )                             # (9 end)