需要在 C# 正则表达式中提取文本

Question

我有一个字符串集合，例如Some song [FEAT. John Doe]，我正在尝试提取“特色”部分。它可以通过几个不同的词之一来标识"FEAT|FEAT\\.|Featuring"，并且可以用括号括起来也可以不括起来。我正在为此使用正则表达式，这就是我到目前为止所得到的：

[TestMethod]
public void ExtractFeaturedPerformers()
{
    IEnumerable<string> titles = new string[]
    {
        "abc [FEAT one two] 123",
        "def(FEAT. three'four) 456",
        "ghi Featuring five",
        "jkl"
    };

    // Must be able to use an arbitrary array of words
    var arrayOfWords = new string[] { "FEAT", "FEAT.", "Featuring" };
    string options = string.Join("|", arrayOfWords.Select(s => Regex.Escape(s)));
    var result = new List<string>();

    foreach(string title in titles)
    {
        var _ = Regex.Match(title, $@"(?<=({options})\s*)(.*?)(?=[\]\)]|$)");
        if (_.Success)
            result.Add(_.Value);
    }

    Assert.AreEqual(3, result.Count());
    Assert.IsTrue(result.Contains("one two"));
    Assert.IsTrue(result.Contains("three'four"));
    Assert.IsTrue(result.Contains("five"));
}

我大部分时间都在工作，但有两个限制。我的主要问题是第二个结果包括.。

. three'four

如何将其作为 Regex 的一部分删除，以便我可以接受任意的 options 字符串，而不是稍后将其剥离？处理. 是我主要关心的问题，但我也很感激从结果中删除前导和尾随空格的建议，这样我以后就不必再调用Trim()了。

Answer 1

你需要

(?:FEAT\.?|Featuring)\s*([^])]*)

见regex demo

详情

• (?:FEAT\.?|Featuring) - FEAT 和可选的 . 或 Featuring
• \s* - 零个或多个空格
• ([^])]*) - 正在捕获组 1：除 ] 和 ) 之外的零个或多个字符。

您需要修改 C# 代码以获取第 1 组值。

这里是full C# demo：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text.RegularExpressions;

public class Test
{
    public static void Main()
    {
        IEnumerable<string> titles = new string[]
        {
            "abc [FEAT one two] 123",
            "def(FEAT. three'four) 456",
            "ghi Featuring five",
            "jkl"
        };

        var keys = new List<string> { "FEAT", "FEAT.", "Featuring" };
        keys = keys.OrderByDescending(x => x.Length).ToList();
        var pattern = $@"(?:{string.Join("|", keys.Select(z => Regex.Escape(z)))})\s*([^])]*)";
        Console.WriteLine(pattern);
        
        var result = new List<string>();
        foreach(string title in titles)
        {
            var _ = Regex.Match(title, pattern);
            if (_.Success)
                result.Add(_.Groups[1].Value);
        }
    
        Console.WriteLine( result.Count()); // Assert.AreEqual(3, result.Count());
        Console.WriteLine( result.Contains("one two") ); //Assert.IsTrue(result.Contains("one two"));
        Console.WriteLine( result.Contains("three'four") ); //Assert.IsTrue(result.Contains("three'four"));
        Console.WriteLine( result.Contains("five") ); // Assert.IsTrue(result.Contains("five"));
    }
}

输出是

(?:Featuring|FEAT.|FEAT)\s*([^])]*)
3
True
True
True

注意正则表达式模式是如何构建的：

• var keys = new List<string> { "FEAT", "FEAT.", "Featuring" }; 使用搜索短语初始化 keys 字符串列表
• keys = keys.OrderByDescending(x => x.Length).ToList(); - 按长度降序对列表中的项目进行排序
• var pattern = $@"(?:{string.Join("|", keys.Select(z => Regex.Escape(z)))})\s*([^])]*)"; - 通过将转义的搜索短语放入非捕获组中创建正则表达式模式，其中| 交替运算符(?:Featuring|FEAT\.|FEAT)。