我如何匹配一个字符串，直到某个模式在模式不出现时也可以工作？

Question

我需要提取数字后跟一个 A，直到出现模式“X”：

"50A ABC DE 51A FG X 52A HI 53A"

正则表达式\d+A(?=.* X ) 正确匹配50A 和51A，因为它们出现在X 之前 ，如图here。

但是，如果字符串不具有 X 模式，则正则表达式将不会匹配任何所需的模式（50A、51A、52A 和 53A）

"50A ABC DE 51A FG 52A HI 53A"    # no X here

我该如何解决这个问题？

Answer 1

您可以使用 PCRE 正则表达式，例如

\G(?:(?! X ).)*?\K\b\d+A\b

请参阅regex demo。 详情：

• \G - 字符串开始或上一个成功匹配的结束（仅确保连续匹配）
• (?:(?! X ).)*? - 任何不以空格开头的字符，除了换行字符，尽可能少+X+空格字符序列
• \K - 一个匹配重置操作符，丢弃目前匹配的所有文本
• \b\d+A\b - 一个或多个数字和A 在字边界内。

在 R 中，你可以使用the following base R code:

x <- "50A ABC DE 51A FG 52A HI 53A"
rx <- "\\G(?:(?! X ).)*?\\K\\b\\d+A\\b"
regmatches(x, gregexpr(rx, x, perl=TRUE))
# => [[1]]
#    [1] "50A" "51A" "52A" "53A"
x <- "50A ABC DE 51A FG X 52A HI 53A"
regmatches(x, gregexpr(rx, x, perl=TRUE))
# => [[1]]
#    [1] "50A" "51A"

你可以把X之后的全部去掉，然后提取：

x <- "50A ABC DE 51A FG X 52A HI 53A"
library(stringr)
str_extract_all(sub("(\\s|^)X(\\s.*)?$", "", x), "\\b\\d+A\\b")
# => [[1]]
#    [1] "50A" "51A"

x <- "50A ABC DE 51A FG 52A HI 53A"
str_extract_all(sub("(\\s|^)X(\\s.*)?$", "", x), "\\b\\d+A\\b")
# => [[1]]
#    [1] "50A" "51A" "52A" "53A"

这里，

• sub("(\\s|^)X(\\s.*)?$", "", x) 删除字符串开头或空格（带有此空格）之后的 X，并可选择在字符串末尾添加空格和任何文本
• str_extract_all(..., "\\b\\d+A\\b") 提取一个或多个数字，后跟 A 作为剩余字符串部分中的整个单词。

Answer 2

另一个选项可能是匹配 X 并且从那时起避免使用 SKIP FAIL 匹配其余类似选项并使用 perl=T 启用 PCRE

X .*(*SKIP)(*F)|\b\d+A\b

模式匹配：

• X 字面匹配
• .*(*SKIP)(*F)匹配该行的其余部分以避免匹配它
• |或者
• \b\d+A\b 在单词边界之间匹配 1+ 个数字和 A

查看regex demo 和R demo。

例子

library(stringr)

s1 <- "50A ABC DE 51A FG X 52A HI 53A"
s2 <- "50A ABC DE 51A FG 52A HI 53A"
patt <- "X .*(*SKIP)(*F)|\\b\\d+A\\b"

regmatches(s1, gregexpr(patt, s1, perl=T))
regmatches(s2, gregexpr(patt, s2, perl=T))

输出

[[1]]
[1] "50A" "51A"

[[1]]
[1] "50A" "51A" "52A" "53A"