带有可选捕获组的正则表达式

Question

我正在尝试使用正则表达式从字符串中获取数量、单位和内容。单位和物质来自预定义的列表。

所以：

• “2公斤水”应该返回：2, kg, water
• “1 加仑原油”应返回：1, gallon, oil

我可以使用以下正则表达式来实现这一点： (\d*) ?(kg|ml|gallon).*(water|oil)

问题是我不知道如何使最后一个捕获组成为可选。如果物质不在预定义列表中，我仍然想获取数量和单位。所以：

• “1 加仑柴油”应返回：1, gallon 或 1, gallon, ''

我已尝试将最后一个组包装在一个可选的非捕获组中，如下所述：Regex with optional capture fields 但没有成功。

这里是在线正则表达式测试器中的当前正则：https://regex101.com/r/hV3wQ3/55

Answer 1

您正在尝试使用(\d+) ?(kg|ml|gallon).*(?:(water|oil))?，并且此模式无法捕获water / oil。问题是 .* 抓取除换行符之外的任何 0+ 字符直到字符串/行的末尾，当正则表达式索引存在时，(?:(water|oil))? 在字符串末尾尝试。由于(?:(water|oil))?可以匹配空字符串，所以匹配到字符串末尾的位置，并返回匹配。

您仍然可以强制使用捕获组，但将.* 和捕获组与可选的非捕获组包装起来：

(\d+) ?(kg|ml|gallon)(?:.*(water|oil))?
                     ^^^             ^^ 

见regex demo

(?:.*(water|oil))? 匹配除换行符 (.*) 和 water 或 oil 之外的任何 0+ 字符的 1 次或 0 次（贪婪地）匹配。