正则表达式：捕获、分组、混淆

Question

我似乎无法弄清楚 Regex (.net) 中的捕获 + 组。

假设我有以下输入字符串，其中每个字母实际上是更复杂的正则表达式的占位符（因此简单的字符排除不起作用）：

CBDAEDBCEFBCD

或者，更一般地说，这是一个用“正则表达式”编写的字符串模式：

(C|B|D)*A(E*)(D|B|C)*(E*)F(B|C|D)*

只有一个 A 和一个 F。 我需要将发生在 A 之后和 F 之前的 B、C、D 的所有实例（在我的应用程序中是更复杂的组）作为单独的“捕获”（或匹配或组）捕获。我还需要 A 和 F。我不需要'不需要 E。我不需要 A 之前的 C,B,D 或 F 之后的 B,C,D。

我希望正确的结果是：

Groups["start"] (1 capture) = A
Groups["content"] (3 captures)  
  Captures[0] = D  
  Captures[1] = B
  Captures[2] = C
Groups["end"] (1 capture) = F

我尝试了几次微不足道的尝试，但都没有成功。

仅“不正确”捕获上述示例字符串中 EF 之前的最后一个 C（以及正确的 start = A，end = F）

(?<=(?<start>A)).+(?<content>B|C|D).+(?=(?<end>F))

与上面的结果相同（只是在 (?B|C|D) 之后添加了一个 + ）

(?<=(?<start>A)).+(?<content>B|C|D)+.+(?=(?<end>F))

摆脱了环顾四周的东西......结果与上面相同

(?<start>A).+(?<content>B|C|D)+.+(?<end>F)

然后我那没用的大脑罢工了。

那么，解决这个问题的正确方法是什么？是否真的需要环顾四周？

谢谢！

Answer 1

是的，忘记环视，它们只会使事情变得不必要地复杂化。但我怀疑如果你先做那个.+ relucant，你最终的正则表达式会起作用：

(?<start>A).+?(?<content>B|C|D)+.+(?<end>F)

编辑：是的：

string s = "CBDAEDBCEFBCD";
Regex r = new Regex(@"(?<start>A).+?(?<content>B|C|D)+.+(?<end>F)");

foreach (Match m in r.Matches(s))
{
  Console.WriteLine(@"Groups[""start""] = {0}", m.Groups["start"]);
  foreach (Capture c in m.Groups["content"].Captures)
  {
    Console.WriteLine(@"Capture[""content""] = {0}", c.Value);
  }
  Console.WriteLine(@"Groups[""end""] = {0}", m.Groups["end"]);
}

输出：

Groups["start"] = A
Capture["content"] = D
Capture["content"] = B
Capture["content"] = C
Groups["end"] = F

Answer 2

既然你说的是C,B,D 的所有实例，我想你会想为[CBD]* 使用分组另外，如果你只是想在A 之后但@ 之前寻找一些东西987654325@，那么您应该可以使用这些文字以及一些排除项。

这是我想出的一个模式。组$4 应包含字母DBC

([^A]*)(A)([^CBDF]*)([CBD]*)([^F]*)(F)(.*)

这是this pattern in action 的示例。

问题是，如果原始字符串是CBDAEDEBECEFBCD，你想要什么？