带有负词前瞻的正则表达式循环解析答案

【问题标题】：Regex loop parsing with negative word lookahead带有负词前瞻的正则表达式循环解析
【发布时间】：2014-04-03 16:51:06
【问题描述】：

我正在尝试解析以下字符串，但我似乎无法弄清楚如何对单词使用正则表达式否定。我有以下短信历史记录。

string = '2014-03-29 10:29:24 AM: John Doe: Hey dude how are you feeling 2014-03-29 10:30:39 AM: Billy: Hey Doe, Im feeling better now. 2014-03-29 10:30:58 AM: Billy: Yup'

我的正则表达式 ruby 查询目前如下所示：

string.scan(/((\d{4}-\d{2}-\d{2}\s+\d{2}\:\d{2}\:\d{2}\s+[AP][M])\:\s(.*?)\:\s([^\d{4}]*))/) {|match| puts match}

Output:
   2014-03-29 10:29:24 AM: John Doe: Hey dude how are you feeling 
   2014-03-29 10:29:24 AM
   John Doe
   Hey dude how are you feeling 
   2014-03-29 10:30:39 AM: Billy: Hey Doe, Im feeling better now. 
   2014-03-29 10:30:39 AM
   Hason
   Hey Doe, Im feeling better now. 
   2014-03-29 10:30:58 AM: Billy: Yup
   2014-03-29 10:30:58 AM
   Billy
   Yup

问题

我的正则表达式否定只适用于字符而不是单词。 [^\d{4}] 仅在检测到任何数字而不是“2014”之类的单词时才会停止。

【问题讨论】：

标签： regex parsing regex-negation

【解决方案1】：

试试下面的。我使用?: 来避免从您的正则表达式中捕获少数组。此外，添加了一个积极的前瞻(?=\d{4}-|$)，以查看下一个或其行尾是否有任何\d\d\d\d- 格式可用。如果你愿意，你可以把它改成你的模式（我的意思是把它变成yyyy-mm-dd 格式）。

string.scan(/((?:\d{4}-\d{2}-\d{2}\s+\d{2}\:\d{2}\:\d{2}\s+[AP][M])\:\s(?:.*?)\:.*?)(?=\d{4}-|$)/) {|match| puts match}

输出：

2014-03-29 10:29:24 AM: John Doe: Hey dude how are you feeling 
2014-03-29 10:30:39 AM: Billy: Hey Doe, Im feeling better now. 
2014-03-29 10:30:58 AM: Billy: Yup

【讨论】：

【解决方案2】：

你可以匹配所有直到一个特定的“单词”，例如单词“2014”：

(?>[^2]+|2(?!014))*

与未知年份相同（四位数）：

(?>[^0-9]+|[0-9](?![0-9]{3}-))*

另一种方法是先行分割字符串：

string.split(/(?=\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2}\s+[AP][M]:)/)

注意：对于这三种模式，您可以选择如何指定前瞻断言中子模式的长度和精度。

【讨论】：

【解决方案3】：

字符类不是这样工作的。

[^\d{4}]*

意思：

^    -  Negative class, so -
\d   -  Not digit 0-9
{    -  Not '{'
4    -  Not '4'
}    -  Not '}'

而且，该类可以多次匹配此集合。
因此，它会停止，并且不会匹配数字Not digit 0-9

匹配直到一个4位数的单词也可以是这样的

 (                             # (1 start)
      (                             # (2 start)
           \d{4} - \d{2} - \d{2} 
           \s+ 
           \d{2} \: \d{2} \: \d{2} 
           \s+ 
           [AP] [M] 
      )                             # (2 end)
      \: \s 
      ( .*? )                       # (3)
      \: \s 
      (                             # (4 start)
           (?:
                (?! \d{4} )              # Not 4 digits ahead of this character
                .                        # Ok, match the character
           )*
      )                             # (4 end)
 )                             # (1 end)

【讨论】：