按名称引用外部组时如何捕获嵌套命名组？

Question

在以逗号分隔的整数列表中，我需要捕获（通过 PCRE 正则表达式）第一次出现的 12*（如果有）和第一次出现的 45*（如果有）。我怎么做？ 我尝试了以下方法，但它只能捕获序列中的第一个数字:(

(?P<number>(?P<n12>12\d)|(?P<n45>45\d)|\d+)(?:,(?P>number))*

这是一个要测试的示例字符串：11,222,123,444,456,7。我希望在这里捕获 n12=123 和 n45=456。

UPD

作为一种解决方法，我自己的解决方案是将分隔符声明为可选（它不是），如下所示：

(?:,?(?P<number>(?P<n12>12\d)|(?P<n45>45\d)|\d+))*

- 这对我有用，但不是在所有情况下（例如 ,1234、123,4、1234 和 ,123,4 的解析方式相同），如果可能的话，我想避免这种情况。

UPD2

注意来吧，这不是我面临的真正任务——这只是一个简化的例子。这是另一个，以便您更好地理解我的想法：

(?P<animal>(?P<cat>pussy|cat)|(?P<dog>doge|dog)|\w+)(?:,(?P>animal))*

pussy,mouse,dog,bird - 必须捕获：cat=pussy, dog=dog

Answer 1

如果没有命名组，您可以在组 1 中捕获 12 或 45，并且对于第二个捕获组，使用 (?1) 递归第一个子模式，然后断言它与组 1 中已经捕获的不同使用带有反向引用 (?!\1)

的负前瞻

^(?:\d+,)*?(12|45)(?:\d*(?:,\d+)*?,(?!\1)((?1)))?

说明

• ^ 字符串开始
• (?:\d+,)*? 尽可能少匹配 1+ 位和 , 的可选重复
• (12|45)\d* 捕获第 1 组中的 12 或 45
• (?:非捕获组
  • (?:,\d+)*?, 尽可能少地匹配 , 和 1+ 个数字的可选重复并匹配 ,
  • (?!\1) 负前瞻，断言不是第 1 组中捕获的内容
  • ((?1))捕获组2，重复第一个子模式
• )?关闭非捕获组并使其可选以允许匹配 1 个捕获组

Regex demo

---

如果您想要为单个或 2 个组值命名捕获组，您可以使用带有 J 标志的替代项来允许重复的子模式名称。

该模式匹配第一次出现的 12 然后 45，或仅匹配 12 或仅匹配 45。

^(?:(?:\d+,)*?(?P<n12>12)\d*(?:,\d+)*?,(?P<n45>45)|(?:\d+,)*?(?P<n45>45)\d*(?:,\d+)*?,(?P<n12>12)|(?:\d+,)*?(?P<n12>12)|(?:\d+,)*?(?P<n45>45))

Regex demo

Answer 2

看起来 PCRE 不允许捕获嵌套在通过引用调用的命名模式中的命名子模式。所以这个问题的确切答案是“没办法。对不起”。

但是对于这种特定情况有一个解决方法：而不是引用子模式：

(?P<animal>...)(?:,(?P>animal))*

- 你可以避免引用它：

(?:,(?P<animal>...))*

- 但这需要主题在开头有一个前导分隔符，而它没有。

一个不好的解决方法是将分隔符标记为可选：

(?:,?(?P<animal>...))*

- 但它允许匹配奇怪的序列。

更好的解决方案是，将分隔符标记为条件需要：如果子模式已经至少匹配一次，则需要分隔符，否则必须省略：

(?:(?(animal),)(?P<animal>...))*

即

(?:(?(animal),)(?P<animal>(?P<cat>pussy|cat)|(?P<dog>doge|dog)|\w+))*

注意这只会捕获每个子模式的最后一个匹配项（如果有）。