正则表达式丢弃整个捕获，如果它紧跟在特定字符之前

Question

给定以下文本：

somerandomtext06251/750/somerandomtext/21399/10 79/20 8301

如何提取 06251/750、79/20、8301 并忽略 21399/10？

一般规则：

• 在随机字符串中匹配每组至少 2 位数字，后跟可选的 /，再后跟至少 2 位数字；对数字贪婪（尽可能多）
• 如果前面紧跟 / 则忽略完整匹配

我从以下匹配模式开始：

 (?<invnr>\d{2,}/?\d{2,})

总的来说，它可以工作，但它只有一个问题：它也需要 21399/10。所以，我在后面添加了一个否定的lookbehind：

 (?<!/)(?<invnr>\d{2,}/?\d{2,})

现在它忽略了 21399/10 的第一个数字（因为它前面是 /），但它仍然捕获了所有后续字符，即 1399/10。但我需要完全跳过 21399/10。

我如何进行后视以删除整个匹配并跳到下一个而不是只跳过一个数字？

Answer 1

您可以在否定的lookbehind 中添加一个数字模式（通过使用字符类[/\d] 将它与/ 组合）以确保如果紧跟在一个数字之后就不会发生匹配：

(?<![/\d])\d{2,}(?:/\d{2,})?

见regex demo

详情

• (?<![/\d]) - 如果有 / 或紧邻当前位置左侧的数字，则匹配失败
• \d{2,} - 两位或多位数字
• (?:/\d{2,})? - / 和两个或多个数字的可选序列。

如果您需要确保只匹配 ASCII 数字，请将 RegexOptions.ECMAScript option 传递给 .NET 方法内的正则表达式编译器，或者使用 [0-9] 而不是 \d。

请注意，您的 \d{2,}/?\d{2,} 有点偏离，因为它不匹配 2 位或 3 位数字序列，仅匹配 4 位以上的数字序列。

Answer 2

尽管不如 Wiktor's answer 强大，但您可以选择在模式之前提供允许的字符的白名单：

(?<=^|[ a-z])[0-9]{2,}(?:\/[0-9]{2,})?

Regex demo

Answer 3

另一种方法是匹配以/ 开头的模式，并使用替换| 捕获那些不在组() 中的模式。

/[0-9]{2,}(?:/[0-9]{2,})?|(?<invnr>[0-9]+(?:/[0-9]{2,})?)

• /[0-9]{2,}(?:/[0-9]{2,})? 将模式与前导 / 匹配
• |或者
• (?<invnr>[0-9]+(?:/[0-9]{2,})?)捕获组invnr中的模式

.NET Regex demo（点击表格标签查看分组值）