正则表达式获取模式的最后一个匹配项

Question

这是一个类似于我要匹配的字符串（为了简单起见，除了几个特定的​​模式）。 Hello, tonight I'm in the town of Trenton in New Jersey and I will be staying in Hotel HomeStay [123] and I have no money.

我正在尝试仅匹配最后一个 in Hotel HomeStay [123]。

我现在对前瞻和后瞻等正则表达式概念不太熟悉。这里的类似问题似乎无法解决我的问题。我尝试了一堆正则表达式（据我所知），这就是我想出的(?= (?:in|\d+))([\w \[]*\s*\d*\]*)(?!.*in)。数字和特殊字符可能是我实际尝试匹配的部分。

lookahead 和lookbehind 模式不限于仅包含in。它们也可以有更多常用词，例如and 和is。我只是在寻找其中任何一个的最后一次出现，然后是非常独特的主要模式 - edit 假设匹配必须包含HomeStay 或LuxuryInn，为了这个例子。

但是，这匹配整个in the town of Trenton in New Jersey and I will be staying in Hotel HomeStay [123]。 我哪里错了？另外，有人可以解释为什么 in 尽管被置于非捕获组中，但仍被捕获？

非常感谢任何帮助。

Answer 1

如果您想检索包含HomeStay 并以某些单词为前缀但不包含这些单词的文本，您可以使用内部使用否定前瞻的捕获组。下面的正则表达式捕获所有出现 (working fiddle)。

\b(?:in|and|is)\s+((?:.(?!\b(?:in|and|is)\b))*HomeStay(?:.(?!\b(?:in|and|is)\b))*)

这里，正则表达式查找：

• 给定前缀（in、and 或 is 作为一个整个单词，被分词符包围\b）
• ...后跟至少一个空白字符，
• ...然后是0个或多个字符的序列每个字符后面都没有前缀，
• ...后跟HomeStay,
• ... 后面跟着另一个 0 或多个字符的序列，每个字符后面都没有前缀

如果您只想要最后一次出现，您可以在 (fiddle) 之后添加另一个负前瞻。

\b(?:in|and|is)\s+((?:.(?!\b(?:in|and|is)\b))*HomeStay(?:.(?!\b(?:in|and|is)\b))*)(?!.*HomeStay.*)

同上，除了匹配的文本后面不能有包含HomeStay的文本。

最后，如果匹配文本必须至少包含列表中的一个单词，只需将两个出现的HomeStay 替换为替代列表即可。寄宿家庭和豪华住宿示例：(?:HomeStay|Luxury) (fiddle)。

Answer 2

在java中：

String s = "Hello, tonight I'm in the town of Trenton in New Jersey and I will be "
           + "staying in Hotel HomeStay [123] and I have no money.";
// Garbage: final String SUBP = "\\bin\\s+(\\S+)";
Pattern p = Pattern.compile("^.*\\sin\\s+(\\S+).*$", Pattern.DOTALL);
String last = p.matcher(s).replaceFirst("$1"); // If found

这将找到last“... in ...”，因为.*（而不是急切的.*?）会寻找最长的序列。

上面的结果将是Hotel（in 之后的非空格）但它可能是任何东西。

---

• Dot-All 将使. 也匹配换行符。
• 该模式将从^ 开始到$ 结束。
• 任何字符.*（最长）后跟一个空格字符\s。
• 然后是“in”，然后是组 1 中的一个单词（非空格 \S+）(...)
• 然后是直到结尾的任何字符.*。为了纯度，最短序列应该是.*?。
• 结局$.