正则表达式：如何在文本中间捕获可选组？

Question

我正在努力使用正则表达式来捕获一些可选文本 - 它位于一些文件名的中间，但不是全部。最大的问题似乎是我的可选组没有锚定（我在它之前和之后使用.*?）。我仔细查看了过去关于 SO 的答案，但大多数人只有在将可选文本锚定在一侧或另一侧（即在行尾）时才能捕获可选文本。

给定一个文件名列表，我尝试捕获最多 5 件事：

• 名称：始终存在，文件名中的第一件事
• NUMBER：始终存在，文件名中的第二项（可能在括号中）
• 形状：始终存在
• 颜色：有时存在，但可以出现在形状之前或之后
• 版本：有时出现，总是最后出现（但后面通常会有垃圾文本）

原文：

name 1111 color shape
name 2222 shape color
name 3333 shape
name (4444) color shape version
name.5555.JUNK.color.JUNK.shape.JUNK.version.JUNK

期望的结果：

name (1111) color shape
name (2222) color shape
name (3333) shape
name (4444) color shape version
name (5555) color shape version

但是当我使用这个正则表达式时：

FIND: (.*?).\(?(\d{4}).*?(color)?.*?(shape).*?(color)?.*?(version)?.*
REPLACE: $1 ($2) $3$5 $4 $6

我明白了：

name (1111)  shape
name (2222)  shape
name (3333)  shape
name (4444)  shape
name (5555)  shape

如您所见，通过将(color) 和(version) 捕获组设为可选，它根本不会选择它们。 （另外，如果有任何方法可以删除多余的空格，那也很棒。）

顺便说一句，我在每个捕获组之间使用.*?，因为我了解到它是.* 的“懒惰”版本（不是“贪婪”） - 基本上，它尝试尽可能少地匹配尽可能的。如果您是像我这样的正则表达式新手，请在此处了解更多信息：http://www.rexegg.com/regex-quantifiers.html#greedytrap

无论如何，我在这里遗漏了什么非常明显的东西吗？还是没有办法通过正则表达式捕获一些可选文本？

PS。这是我在在线工具上预加载的数据：http://regexr.com/3cs84 - 我知道正则表达式可能会因语言/平台而有所不同，所以如果有什么不同，我最终想在 AppleScript 中使用这个正则表达式进行重命名文件和文件夹（可能通过调用终端命令，因为我认为 AppleScript 本身不支持正则表达式）。

Answer 1

尝试将.*?(foo) 部分放在括号中，如(.*?(foo))，以便? 运算符将.*? 部分考虑在内。

更正语法(.*?).\(?(\d{4})(.*?(color))?.*?(shape)(.*?(color))?(.*?(version))?.* (example)

Answer 2

我对您尝试使用的格式不是特别熟悉，但我相信我想出了一个可以解决您遇到的问题的示例。

http://regexr.com/3cs8g

/name ((\([0-9]+\))|([0-9]+)) ((color shape)|(shape( color)?))( version)?/ig

您所描述的是一个可选子句，它可以出现在两个位置之一。所以，你做一个 or 语句来测试每个可能的位置。