从文本中获取 3 个单词

Question

我必须编写一个正则表达式才能从文本中获取三个单词。单词用一个空格分隔。我写的代码不是给我所有的序列。 例如对于文本“一二三四五六”，我只有两个序列：1.一二三 2.四五六。但我希望我的正则表达式给我所有的序列，所以输出将是：1.一二三 2.二三四 3.三四五。 4.四五六。 有人可以告诉我我的正则表达式有什么问题吗？ 这是我的代码：

   string input = "one two three four five six";
   string pattern = @"([a-zA-Z]+ ){2}[a-zA-Z]+";
   Regex rgx = new Regex(pattern, RegexOptions.IgnoreCase);
   MatchCollection matches = rgx.Matches(input);
   if (matches.Count > 0)
   {
       Console.WriteLine("{0} ({1} matches):", input, matches.Count);
       Console.WriteLine();
       foreach (Match match in matches)
           Console.WriteLine(match.Value);
   }
   Console.ReadLine();

Answer 1

您的正则表达式没有任何问题 - 这就是正则表达式的工作原理。当您找到匹配项时，将在刚刚找到的匹配项的末尾继续搜索下一个匹配项 - 匹配项的宽度已消耗。

那么，如何解决这个问题？一种方法是让你的比赛不消耗任何东西。您可以通过将原始模式置于零宽度的正向前瞻断言中来做到这一点：

string pattern = @"(?=([a-zA-Z]+ ){2}[a-zA-Z]+)";
added --->         ***                        * 

(?=pattern) 表示“仅当紧随其后的是匹配 pattern 的某些内容时才匹配” - 但匹配 pattern 的内容不是整体匹配的一部分，因此不会被消耗。

如果它不是匹配的一部分，那么它不会出现在match.Value 中 - 那么如何获取值呢？很简单 - 只需在原始模式周围添加一个捕获组（即(?=(pattern))），捕获的组就会正常显示在您的结果中。

string pattern = @"(?=(([a-zA-Z]+ ){2}[a-zA-Z]+))";
added --->            *                        *

所以现在，您可以像以前一样遍历 foreach 循环，但 match.Value 将为空 - 您想要的结果在 match.Groups[1].Value 中。

但是现在你有另一个问题。你的结果是

one two three
ne two three
e two three
two three four
wo three four

等等。这是因为您的模式匹配即使您从单词中途开始。

如何解决这个问题？

我们添加了另一个零宽度断言，这一次是一个否定的lookbehind：(?<![a-zA-Z])。它不是说“仅当该点后面跟着模式时才匹配”，而是说“从不匹配，如果该点在模式之前之后”。因此，我们永远不会匹配一个字母之前的点。例如，ne two three 不会返回，因为它前面有 o。

string pattern = @"(?<![a-zA-Z])(?=(([a-zA-Z]+ ){2}[a-zA-Z]+))";
added --->         *************

使用这种模式，您最终会得到预期的结果。