正则表达式双空格分离问题

Question

我想要一个正则表达式来匹配由两个或多个空格字符分隔的单词，例如

ABC  DE  FGHIJ   KLM    NO  P  QRST

注意字母之间有两个或多个空格。为此类问题编写正则表达式很容易，因为我只需要前 4 个单词，因为我们可以使用 \S+ 或 \S+? 搜索单词

但是，对于我的问题，一个单词中只能出现 1 个空格，例如

AB C  DE  FG HIJ   KLM    NO  P  QRST

这里 AB C 是一个词，而 FG HIJ 也是一个词。简而言之，我们想要隔离由两个或多个空格分隔的字符，我尝试使用这个正则表达式，

.+?  +.+?  +.+?  +.+?  +

它匹配得非常快，但是它不匹配的字符串花费了太多时间。 （这里以4个匹配为例，实际需要匹配更多）。

我需要一个更好的正则表达式来实现这一点，这样就可以避免所有的回溯。 [^ ]* 是一个正则表达式，它将匹配直到遇到空格。难道我们不能指定一个否定字符集，在出现单个空格的情况下继续匹配并在遇到 2 时中断？我尝试过使用积极的前瞻，但失败了。

非常感谢您的帮助。提前致谢。

萨德

Answer 1

最简单的解决方案是拆分\s{2,} 以获得您想要的“单词”，但如果您坚持扫描令牌，那么您之前拥有\S+，现在拥有的是\S+(\s\S+)* .这正是它所说的：\S+，后跟零个或多个(\s\S+)。您可以使用非捕获组来提高性能，即\S+(?:\s\S+)*。如果你的风格支持它以获得额外的提升，你甚至可以使每个重复都具有所有格，即\S++(?:\s\S++)*+。

这里有一个 Java sn-p 来演示：

    String text = "AB C  DE  FG HIJ   KLM    NO  P  QRST";
    Matcher m = Pattern.compile("\\S++(?:\\s\\S++)*+").matcher(text);
    while (m.find()) {
        System.out.println("[" + m.group() + "]");
    }

打印出来：

[AB C]
[DE]
[FG HIJ]
[KLM]
[NO]
[P]
[QRST]

如果这是您的要求，您当然可以只替换空格字符而不是 \s。

参考文献

• regular-expressions.info/Character Class, Brackets for Grouping, Repetition, Possessive

Answer 2

如果您知道分隔符是什么 (\s\s+)，则可以split 而不是 ma​​tch。 只需在两个或多个空格上拆分即可。

问候

rbo

Answer 3

我认为匹配 2 个或更多空格更简单：

\s{2,}

在 PHP 中，拆分看起来像这样

$list = preg_split('/\s{2,}/', $string);

Answer 4

如何使用这种模式：

\s{2,}

Answer 5

为什么不使用类似 \s\s+（一个空白字符，然后是一个或多个空白字符）之类的东西？

编辑：令我震惊的是，您使用的任何语言/工具包都可能不支持直接使用正则表达式“拆分”字符串。在这种情况下，您可能希望实现该功能，而不是尝试匹配输入中的 WORDS，而是匹配 SPACES，并使用来自这些匹配项的信息 ( position, length) 来提取匹配之间的单词。在某些语言（.NET 等）中，此功能是内置的。

Answer 6

如果您想匹配所有单词（允许连续一个空格），请尝试\S+(?:[ ]\S+)*（字符类不是必需的，可以只是空格字符，但为了清楚起见，我将其包括在内）。它指定至少需要一个非空白字符，并且一个空格后面不能跟另一个。

您没有提及您使用的是什么语言，但这里有一个 PHP 示例：

$string = "AB C  DE  FG HIJ   KLM    NO  P  QRST";
$matches = array();
preg_match_all('/\S+(?:[ ]\S+)*/', $string, $matches);
// $matches will contain 'AB C', 'DE', 'FG HIJ', 'KLM', 'NO', 'P', 'QRST'

如果要求每个单词最多一个空格，只需将末尾的* 更改为?：\S+(?:[ ]\S+)?。