REGEX 捕获不同组的重复组

Question

这是一个由两部分组成的问题，但我觉得答案是相关的。

我有这个正则表达式模式： (\d+)(aa|bb) 我用来捕获这个字符串：1bb2aa3aa4bb5bb6aa7bb8cc9cc

查看演示：example 1

它捕获 aa 和 bb 的随机序列（均以数字开头）的方式正是我想要的，并且就它而言是好的。

所以我们在 regex101 上得到了这个匹配：

Match 1
Full match  0-3 `1bb`
Group 1.    0-1 `1`
Group 2.    1-3 `bb`
Match 2
Full match  3-6 `2aa`
Group 1.    3-4 `2`
Group 2.    4-6 `aa`
Match 3
Full match  6-9 `3aa`
Group 1.    6-7 `3`
Group 2.    7-9 `aa`
Match 4
Full match  9-12    `4bb`
Group 1.    9-10    `4`
Group 2.    10-12   `bb`
Match 5
Full match  12-15   `5bb`
Group 1.    12-13   `5`
Group 2.    13-15   `bb`
Match 6
Full match  15-18   `6aa`
Group 1.    15-16   `6`
Group 2.    16-18   `aa`
Match 7
Full match  18-21   `7bb`
Group 1.    18-19   `7`
Group 2.    19-21   `bb`

正如预期的那样，末尾的8cc9ccbit 被忽略。我也想捕捉到这一点，就像我捕捉到第一个重复组一样，用同样的表达方式。所以在最终输出中，我会在输出的末尾添加类似这样的内容。这应该适用于任何一方的任何数量的比赛。本文只是一个例子。

Full match  21-24   `8cc`
Group 1.    21-22   `8`
Group 2.    22-24   `cc`
Match 7
Full match  24-27   `9cc`
Group 1.    24-25   `9`
Group 2.    25-27   `cc` 

另外，我想做类似的事情，但将“或”组翻转到最后，即：

1cc2cc3cc4cc5cc6cc7ccb8aa9bb

我当前的正则表达式模式(\\d+)(cc) 只匹配重复的“cc”组。 见演示：example 2

我想要一个类似的完整捕获，每个组的允许条目数量不限。

有什么想法吗？

Answer 1

你可以使用

(?:\G(?!^)(?(?=\d+(?:aa|bb))(?<!\dcc))|(?=(?:\d+(?:aa|bb))+(?:\d+cc)+))(\d+)(aa|bb|cc)

见regex demo

正则表达式只会匹配满足(?=(?:\d+(?:aa|bb))+(?:\d+cc)+)前瞻中模式的字符串，然后会连续匹配并捕获数字和aa、bb或cc，但数字+aa或@ 987654332@ 将被匹配，除非数字 + cc 不在前面。

详情

• (?:\G(?!^)(?(?=\d+(?:aa|bb))(?<!\dcc))|(?=(?:\d+(?:aa|bb))+(?:\d+cc)+)) - 两种选择之一：
  • \G(?!^) - 上一次成功匹配结束
  • (?(?=\d+(?:aa|bb))(?<!\dcc)) - if-then-else 构造：如果有 1+ 个数字，并且在当前位置（bb）的右侧紧邻当前位置（(?=\d+(?:aa|bb)），则仅在后面没有数字时才继续匹配cc 紧邻当前位置的左侧 ((?<!\dcc))
  • | - 或
  • ^ - 字符串开头
  • (?=(?:\d+(?:aa|bb))+(?:\d+cc)+) - 一个积极的前瞻，在当前位置的右侧，搜索以下内容（如果找到模式则返回 true，否则返回 false）：
    • (?:\d+(?:aa|bb))+ - 出现一个或多个 1+ 数字后跟 aa 或 bb
    • (?:\d+cc)+ - 出现一个或多个 1+ 数字后跟 cc
• (\d+) - 第 1 组：一位或多位数字
• (aa|bb|cc) - aa、bb 或 cc。

对于第二种模式，replace cc with (?:aa|bb)：

(?:\G(?!^)(?(?=\d+cc)(?<!\d(?:aa|bb)))|(?=(?:\d+cc)+(?:\d+(?:aa|bb))+))(\d+)(aa|bb|cc)

Answer 2

我不是 perl 专家，所以在这里我将给出一些伪代码。欢迎提出修改建议。

您可以首先匹配任意数量的 xaa 或 xbb 组合，然后使用此模式匹配一​​个或多个 xcc 组合：^(?:\d+(?:aa|bb))+(?:\dcc)+$

一旦你有了它，你就可以使用这个模式来捕获适当的组：(\d+)(aa|bb|cc)

Demo 1

Demo 2

类似：

if(ismatch("^(?:\d+(?:aa|bb))+(?:\dcc)+$", inputString))
{
  match = match("(\d+)(aa|bb|cc)", inputString);
}

您可以从这里使用组提取信息。