【问题标题】:Regex - Capturing repeating groups excluding surrounding partially matching content正则表达式 - 捕获重复组,不包括周围部分匹配的内容
【发布时间】:2019-01-22 08:38:02
【问题描述】:

作为记录,我使用的是 R,但我的查询是平台无关的(就目前而言),所以我将使用 regex101 进行演示。我试图捕捉可能被其他文本包围或不被其他文本包围的重复组。因此,此演示中显示了理想的行为: demo1

正则表达式:(\d{2})(AB)

文字:blahblah11AB12AB13ABblah

所以它很好地捕获了我想要的所有组:

第 1 场比赛

Full match  8-12    `11AB`
Group 1.    8-10    `11`
Group 2.    10-12   `AB`

第 2 场比赛

Full match  12-16   `12AB`
Group 1.    12-14   `12`
Group 2.    14-16   `AB`

第 3 场比赛

Full match  16-20   `13AB`
Group 1.    16-18   `13`
Group 2.    18-20   `AB`

但是,如果我包含另一段匹配的文本,它也会捕获(我想这很公平)

文字:blahblah11AB12AB13ABblah22AB 返回相同但有额外的组:

第 4 场比赛

Full match  24-28   `22AB`
Group 1.    24-26   `22`
Group 2.    26-28   `AB`

demo2

我想要做的是捕获第一组但忽略所有其他文本,即使有后续匹配。本质上,我只想从以下文本中获取三个匹配项:blahblah11AB12AB13ABblah22AB

我尝试了很多方法,例如: (((\d{2})(AB))+)(.*)

但随后我得到以下信息,这将丢失所有最后一次组捕获:

Demo 3

第 1 场比赛

Full match  8-28    `11AB12AB13ABblah22AB`
Group 1.    8-20    `11AB12AB13AB`
Group 2.    16-20   `13AB`
Group 3.    16-18   `13`
Group 4.    18-20   `AB`
Group 5.    20-28   `blah22AB`

我需要保留重复组的东西。被难住了!

在 R 中,输出应如下所示:

[[1]]
     [,1]   [,2] [,3]
[1,] "11AB" "11" "AB"
[2,] "12AB" "12" "AB"
[3,] "13AB" "13" "AB"

提前谢谢...

【问题讨论】:

  • 澄清一下,这不是您想要的匹配数量,而是所有连续匹配?
  • 正确@camille

标签: r regex pcre repeat


【解决方案1】:

一个想法是use \G for chaining matches 到^ 开始和reset by \K 之后。

(?:^.*?\K|\G)(\d{2})(AB)
  • ^.*?\K 将在第一次匹配之前惰性匹配任意数量的任意字符
  • |\G 或在上一场比赛结束时继续,可以是:开始、第一场、上一场

See your updated demo

这将匹配第一个匹配链并且是 pcre 模式 (perl=TRUE)。
如果第一次匹配前只能有非数字,use ^\D*\K instead of ^.*?\K。

【讨论】:

  • 你已经破解了!非常感谢。这正是我想要的。
【解决方案2】:

您可以使用量词 {3} 仅获得 3 个第一组:(((\d{2})(AB)){3})。见demo

【讨论】:

    【解决方案3】:

    如果我理解正确的话,问题出在括号的位置上。

    pattern <- "(\\d{2}AB)"
    
    s <- "blahblah11AB12AB13ABbla"
    
    m <- gregexpr(pattern, s)
    regmatches(s, m)
    #[[1]]
    #[1] "11AB" "12AB" "13AB"
    
    
    s2 <- "blahblah11AB12AB13ABblah22AB"
    s3 <- "11AB12AB13ABblah22AB"
    
    S <- c(s, s2, s3)
    
    m <- gregexpr(pattern, S)
    regmatches(S, m)
    #[[1]]
    #[1] "11AB" "12AB" "13AB"
    #
    #[[2]]
    #[1] "11AB" "12AB" "13AB" "22AB"
    #
    #[[3]]
    #[1] "11AB" "12AB" "13AB" "22AB"
    

    请注意,很多时候这仅在一个代码行中运行。我把它留成这样是为了让它更清楚。

    编辑。

    也许以下内容可以满足 OP 的要求。
    我敢打赌有更好的解决方案,在我看来,两个正则表达式有点过头了。

    pattern <- "((\\d{2}AB)+)([^[:digit:]AB]+(\\d{2}AB))"
    pattern2 <- "(\\d{2}AB)"
    
    m <- gregexpr(pattern2, gsub(pattern, "\\1", S))
    regmatches(S, m)
    #[[1]]
    #[1] "11AB" "12AB" "13AB"
    #
    #[[2]]
    #[1] "11AB" "12AB" "13AB"
    #
    #[[3]]
    #[1] "11AB" "12AB" "13AB"
    

    【讨论】:

    • 感谢您的快速回答。我已经编辑了我的帖子以显示我在 R 中寻找的内容
    • 所以,问题是我想在 s2 或 s3 中提交文本并返回您从 s 生成的输出。如果这是有道理的。所以它忽略了 blah22AB..
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2016-03-03
    • 1970-01-01
    • 1970-01-01
    • 2011-08-12
    • 2014-11-13
    • 1970-01-01
    相关资源
    最近更新 更多