正则表达式：确保 b 不在 a 和 c 之间答案

【问题标题】：Regular expressions: Ensuring b doesn't come between a and c正则表达式：确保 b 不在 a 和 c 之间
【发布时间】：2016-05-15 15:53:40
【问题描述】：

这是我试图用正则表达式做的事情，但我不知道怎么做。我有一个大文件，字符串 abc、123 和 xyz 在整个文件中出现多次。

我想要一个正则表达式来匹配以abc 开头、在中间某处包含123、以xyz 结尾的大文件的子字符串，并且没有其他@987654328 实例@ 或 xyz 在除开头和结尾之外的子字符串中。

用正则表达式可以吗？

【问题讨论】：

Since regular expressions are not fully standardized, all questions with this tag should also include a tag specifying the applicable programming language or tool. 也就是说，您有什么特别的原因要在这里使用正则表达式吗？这是可能的，但在大多数环境中，它比不使用正则表达式更复杂。
是否应该考虑换行？大文件是逐行读取还是作为一个大字符串读取？
Regex 风格是 python 2.7，应该包含换行符。

标签： regex python-2.7

【解决方案1】：

当您的左右分隔符是单个字符时，可以使用negated character classes 轻松解决。因此，如果您的匹配在 a 和 c 之间并且不应包含 b（字面意思），您可以使用 (demo)

a[^abc]*c

当您想确保在 最接近的 a 和 c (demo) 之间有一个 b 时，这与您使用的技术相同：

a[^abc]*b[^ac]*c

当您的左右分隔符是多字符串时，您需要一个tempered greedy token：

abc(?:(?!abc|xyz|123).)*123(?:(?!abc|xyz).)*xyz

见regex demo

为确保它跨行匹配，请在编译正则表达式时使用re.DOTALL 标志。

请注意，要使用如此繁重的模式获得更好的性能，您应该考虑展开它。它可以通过否定字符类和否定前瞻来完成。

模式详情：

abc - 匹配 abc
(?:(?!abc|xyz|123).)* - 匹配任何不是 abc、xyz 或 123 字符序列起点的字符
123 - 文字字符串 123
(?:(?!abc|xyz).)* - 不是abc 或xyz 字符序列起点的任何字符
xyz - 一个尾随子字符串 xyz

参见下图（如果使用re.S，. 将表示AnyChar）：

见Python demo：

import re
p = re.compile(r'abc(?:(?!abc|xyz|123).)*123(?:(?!abc|xyz).)*xyz', re.DOTALL)
s = "abc 123 xyz\nabc abc 123 xyz\nabc text 123 xyz\nabc text xyz xyz"
print(p.findall(s))
// => ['abc 123 xyz', 'abc 123 xyz', 'abc text 123 xyz']

【讨论】：

能否请您链接生成该状态机的站点？我知道存在一个具有类似 UI 的网站，但找不到它。对不起，不相关的评论。我会尽快删除它:)
为什么是|123？
@StefanPochmann 好吧，如果你在第一种情况下使用惰性量词，你可能会摆脱它：r'abc(?:(?!abc|xyz).)*?123(?:(?!abc|xyz).)*xyz'。它的工作原理类似。
不过，两者都只是优化，对吧？没必要？
嘿@WiktorStribiżew 我认为您的第一个段落中的意思是“a 和 c 之间”。我尝试对其进行编辑，但我不想添加噪音来完成 6 个字符规则。

【解决方案2】：

使用 PCRE 的解决方案是：

这使用m 标志。如果您只想从一行的开头和结尾检查，请分别在开头和结尾添加 ^ 和 $

abc(?!.*(abc|xyz).*123).*123(?!.*(abc|xyz).*xyz).*xyz

Debuggex Demo

【讨论】：

用什么软件画图
@Er.AmitJoshi 这不是软件，是Debuggex Site 答案中有链接

【解决方案3】：

hvd 的comment 非常合适，这只是提供了一个示例。例如，在 SQL 中，我认为这样做会更清楚：

where val like 'abc%123%xyz' and
      val not like 'abc%abc%' and
      val not like '%xyz%xyz'

我想在其他环境中很容易做类似的事情。

【讨论】：

【解决方案4】：

你可以使用环视。

/^abc(?!.*abc).*123.*(?<!xyz.*)xyz$/g

（我没有测试过。）

【讨论】：