Ruby 中的条件正则表达式

Question

我有以下字符串：

'USD 100'

基于this post，如果USD 包含在字符串中或如果USD 不包含在字符串中，我将尝试捕获100 .

例如：

'USD 100' # => '100'
'YEN 300' # => ['Y', 'E', 'N']

到目前为止，我已经解决了这个问题，但它不起作用：

https://rubular.com/r/cK8Hn2mzrheHXZ

有趣的是，如果我将USD 放在它似乎有效的数量之后。理想情况下，无论货币字符的位置如何，我都希望具有相同的行为。

Answer 1

你的模式剖析

(?=.*(USD))(?(1)\d+|[a-zA-Z])
|    |     | |  |   |_______
|    |     | |  |   Else match a single char a-zA-Z
|    |     | |  |   
|    |     | |  |__
|    |     | |  If group 1 exists, match 1+ digits
|    |     | |
|    |     | |__
|    |     | Test for group 1
|    |     |_________________
|    |     If Clause
|    |___
|    Capture group 1
|__________
Positive lookahead

关于你尝试的模式

正向前瞻未锚定，将在每个位置上进行尝试。如果返回true，它将继续匹配，否则匹配停止并且引擎将移动到下一个位置。

为什么模式不匹配？

在第一个位置，前瞻为真，因为它可以在右侧找到美元。 它尝试匹配 1+ 位，但第一个字符是 U，它无法匹配。

USD 100
⎸
First position

从第二个位置到最后，lookahead 为假，因为它在右边找不到美元。

USD 100
 ⎸
Second position   

• 最终，if 子句只尝试了一次，它无法匹配 1+ 位数字。 else 子句从未尝试过，总体上没有匹配项。

• 对于YEN 300 部分，从未尝试过 if 子句，因为前瞻永远不会在右侧找到 USD，并且总体上没有匹配项。

有关条件的有趣资源例如可以在rexegg.com 和regular-expressions.info 找到

---

如果你想要单独的匹配，你可以使用：

\bUSD \K\d+|[A-Z](?=[A-Z]* \d+\b)

说明

• \bUSD 匹配美元和一个空格
• \K\d+ 忘记使用 \K 匹配的内容并匹配 1+ 个数字
• |或者
• [A-Z] 匹配一个字符 A-Z
• (?=[A-Z]* \d+\b) 断言右边是可选字符 A-Z 和 1+ 位

regex demo

或者使用捕获组：

\bUSD \K(\d+)|([A-Z])(?=[A-Z]* \d+\b)

Regex demo

Answer 2

TLDR；

可以在Wiktor 的回答和其他帖子中找到出色的working solution。

长答案：

由于我对Wiktor 对my solution 不起作用的解释并不完全满意，因此我决定自己深入研究一下，这是我的看法：

给定字符串USD 100，下面的正则表达式

(?=.*(USD))(?(1)\d+|[a-zA-Z])

根本行不通。整件事的精髓在于找出为什么。 事实证明，将前瞻 (?=.*(USD)) 与捕获组一起使用，隐含地表明 USD 的 位置 （如果找到的话）后面跟着某种模式（在条件 ( (?(1)\d+|[a-zA-Z])) 在这种情况下不会产生任何结果，因为在 USD 之前什么都没有。

如果我们按步骤将其分解，以下是我认为正在发生的事情的概要：

1. 指针设置在最开始。前瞻 (?=.*(USD)) 被解析并执行。
2. USD 已找到，但由于表达式是前瞻的，因此指针保留在字符串的开头并且未被使用。
3. 条件 ((?(1)\d+|[a-zA-Z])) 被解析并执行。
4. 组1 已设置（因为已找到USD）然而 \d+ 失败，因为指针搜索从字符串的开头 到字符串的开头 原来是我们使用前瞻时可以搜索的最远点！毕竟这正是它被称为前瞻的原因：搜索必须在一个范围内发生，该范围在此搜索开始之前停止。
5. 由于在USD 之前没有找到任何数字或任何内容，因此正则表达式不返回任何结果。正如Wiktor 正确指出的那样：

永远不会尝试第二种替代模式，因为您需要 USD 出现在字符串中才能进行匹配。

这基本上是说，由于USD 始终存在于字符串中，因此即使最终在USD 之前找到了某些内容，系统也永远不会跳转到“else”语句。

作为一个反例，如果在此字符串上测试相同的正则表达式，它将起作用：

'YEN USD 100'

希望这对将来的某人有所帮助。

Answer 3

我建议提取所需的信息如下。

R = /\b([A-Z]{3}) +(\d+)\b/

def doit(str)
  str.scan(R).each_with_object({}) do |(cc,val),h|
    h[cc] = (cc == 'USD') ? val : cc.split('')
  end
end

doit 'USD 100'
  #=> {"USD"=>"100"} 
doit 'YEN 300'
  #=> {"YEN"=>["Y", "E", "N"]} 
doit 'I had USD 6000 to spend'
  #=> {"USD"=>"6000"} 
doit 'I had YEN 25779 to spend'
  #=> {"YEN"=>["Y", "E", "N"]} 
doit 'I had USD 60 and CDN 80 to spend'
  #=> {"USD"=>"60", "CDN"=>["C", "D", "N"]} 
doit 'USD -100'
  #=> {} 
doit 'YENS 4000'
  #=> {} 

Regex demo

Ruby 的正则表达式引擎执行以下操作。

\b          : assert a word boundary
([A-Z]{3})  : match 3 uppercase letters in capture group 1
\ +         : match 1+ spaces
(\d+)       : match 3 digits in capture group 2
\b          : assert a word boundary

Answer 4

您的正则表达式 (?=.*(USD))(?(1)\d+|[a-zA-Z]) 不起作用，因为

• (?=.*(USD)) - 一个正向前瞻，在字符串内的每个位置触发（如果使用scan）匹配USD 子字符串后的任何0个或多个字符，而不是换行字符尽可能多（这意味着，会有只有在某处有USD 时才匹配）
• (?(1)\d+|[a-zA-Z]) - 如果第 1 组匹配（如果有 USD），则匹配 1+ 位的条件构造，或者将尝试 ASCII 字母。 但是，第二个替代模式将永远尝试，因为您需要USD 出现在字符串中才能发生匹配。

查看USD 100 regex debugger，它准确地显示了当(?=.*(USD))(?(1)\d+|[a-zA-Z]) 正则表达式试图找到匹配项时会发生什么：

• 步骤 1 到 22：先尝试先行模式。这里的要点是，如果正向前瞻模式没有找到匹配项，则匹配将立即失败。在这种情况下，USD 位于字符串的开头（因为第一次尝试该模式，正则表达式索引位于字符串的起始位置）。前瞻找到了匹配项。
• 步骤 23-25：由于前瞻是一种非消耗模式，因此正则表达式索引仍位于字符串起始位置。前瞻表示“继续”，然后输入条件构造。 (?(1) 条件满足，组 1 USD 已匹配。因此，第一个 then 部分被触发。 \d+ 找不到任何数字，因为开头有 U 字母。 正则表达式匹配在字符串起始位置失败，但字符串中有更多位置需要测试，因为没有 \A 或 ^ 锚点，只有在匹配时才会发生匹配位于字符串/行的开头。
• 第 26 步：正则表达式引擎索引向右推进一个字符，现在，它位于字母 S 之前。
• 步骤 27-40：正则表达式引擎想要找到 0+ 个字符，然后在当前位置右侧立即找到 USD，但失败了（U 已经在索引“后面”）。
• 然后，执行与上述相同：正则表达式无法匹配当前位置右侧任何位置的USD，最终失败。

如果USD 位于100 右侧的某个位置，那么您应该是get a match。

因此，lookahead 不会设置任何搜索范围，它只是允许匹配其余模式（如果其模式匹配）或不匹配（如果其模式未找到）。

你可以使用

.scan(/^USD.*?\K(\d+)|([a-zA-Z])/).flatten.compact

模式详情

• ^USD.*?\K(\d+) - USD 在字符串的开头，然后尽可能少的除换行符之外的任何 0 个或多个字符，然后删除匹配的文本并将 1+ 个数字捕获到第 1 组
• | - 或
• ([a-zA-Z]) - 捕获到第 2 组的任何 ASCII 字母。

见Ruby demo:

p "USD 100".scan(/^USD.*?\K(\d+)|([a-zA-Z])/).flatten.compact
# => ["100"]
p "YEN 100".scan(/^USD.*?\K(\d+)|([a-zA-Z])/).flatten.compact
# => ["Y", "E", "N"]

Answer 5

以下模式似乎有效：

\b(?:USD (\d+)|(?!USD\b)(\w+) \d+)\b

这需要注意的是，它只有一个非美元货币符号的捕获组。正则表达式的一部分可能值得解释：

(?!USD\b)(\w+)

这使用负前瞻来断言货币符号不是美元。如果是这样，那么它会捕获该货币符号。