正则表达式：在文本中查找标记的字符串答案

【问题标题】：Regex: Find tagged strings in text正则表达式：在文本中查找标记的字符串
【发布时间】：2020-01-21 16:04:53
【问题描述】：

我得到以下查询字符串，其中始终在字符串末尾包含几个标记值（key: value 对）：

Lorem ipsum age:85 date:15.05.2015 sender: user: John Doe

“Lorem ipsum”是一个应该被忽略的字符串，因为它不是一对。以下对有效：

age 与 85
date 与 15.05.2015
user 与 John Doe

如果在冒号后找不到任何内容，则应忽略标签。它们的内容还可以包含直到下一个标签键的空格。

这是我目前得到的：

/([\w-]+):\s*(.+?)(?!\s+[\w-]+:)?/g

但由于某种原因，它似乎只匹配值的第一个字符，并且还切入了“用户”标签（regexr playground）：

age:8
date:1
sender: u
ser:J

任何帮助将不胜感激！

【问题讨论】：

标签： regex regex-lookarounds

【解决方案1】：

你可以使用

(\w[\w-]*):(?!\s+\w[\w-]*:|\s*$)\s*(.*?)(?=\s+\w[\w-]*:|$)

见regex demo

详情

(\w[\w-]*) - 捕获组 1：一个单词 char 后跟 0+ 单词或连字符 chars
: - 冒号
(?!\s+\w[\w-]*:|\s*$) - 如果在当前位置的右侧有 1+ 个空格，一个单词 char 后跟 0+ 个单词或连字符，然后 : 或 0+ 个空格，则否定前瞻失败匹配字符串的
\s* - 0+ 个空格
(.*?) - 第 2 组：除换行符之外的任何零个或多个字符，尽可能少，直到最近的...
(?=\s+\w[\w-]*:|$) - 1+ 个空格，一个单词 char 后跟 0+ 个单词或连字符，然后是 : 或只是字符串的结尾。

【讨论】：

See your updated demo 以更好地理解失败的原因。请注意，您的正则表达式模式会选择普通文本。事实上，单独的正则表达式无法“知道”多字值的开始和结束位置，这就是为什么在 JSON 中此类值必须用双引号引起来。
在这种情况下，“John Doe ipsum”仍将被假定为“正确”，因为所有标签都放在字符串的末尾。如果不是，那么它是最后一个标签值的一部分，只是一个用户错误。（用引号将它们括起来可能是更明智的选择，但在这种情况下已决定反对......）

【解决方案2】：

我似乎从以下模式中获得了不错的成绩：

(?<!\S)\S+:\s*\S*[^:\s](?!\S)

Demo

这里的策略是匹配一个后跟冒号的键，然后是可选的空格和一个 not 的术语也以冒号结尾（以防止溢出到另一个键）。这是正则表达式的解释：

(?<!\S)   assert that what precedes the start of the key is either whitespace
          or the start of the string
\S+       match one or more non whitespace characters (the key)
:         followed by :
\s*       followed by optional whitespace
\S*       a value, zero or more non whitespace characters
[^:\s]    ending in a non colon
(?!\S)    assert that what follows is either whitespace or the end of the string

【讨论】：

你得到user 为John，但John Doe 是预期的。
负面的lookbehind使其不那么有用，它也不像其他答案那样匹配“Doe”，~~不是说它是要求，~~我喜欢这两个答案。
@Fixation 是匹配John Doe的要求。
@WiktorStribiżew 那么 OP 的数据就是问题所在。我们无法真正知道Doe 是密钥的一部分。如果你仔细看，你会看到领先的内容Lorem ipsum。
那是一个key，OP有一个[\w-]+模式来识别它，value可以包含任何char。