使正则表达式不捕获 OR 捕获组答案

【问题标题】：make regex not capture the OR capture group使正则表达式不捕获 OR 捕获组
【发布时间】：2016-12-27 18:51:26
【问题描述】：

所以，我正在努力捕捉字符串包含什么样的“语言”sn-p：

语言 sn-p 在 () 内部，是以下组合：En,Fr,De,Es,It

例子：

File (En,Fr,De,Es,It).doc    <== should match all 5 languages
File (En,Fr) (Required).doc  <== should match `En` and `Fr`
File (Enfoo,Fr).doc          <== should match only `Fr`
File (E,Fr).doc              <== should match only `Fr`

我当前的正则表达式：

((\(|,)En(\)|,))|((\(|,)Fr(\)|,))|((\(|,)De(\)|,))|((\(|,)Es(\)|,))|((\(|,)It(\)|,))

什么意思：

((\(|,)  <== either starts with `open parenthesis` or `comma`  (1)
En       <== the language                                      (2)
(\)|,))  <== either ends with `close parenthesis` or `comma`   (3)

然后我只需附加正则表达式OR (|)

您可以看到的问题：regexr.com/3ev6p 是，如果有第二种语言 sn-p 即 Fr 它不会满足正则表达式 (1) 因为第一种语言 sn-p En 正在捕获/已经占用open parenthesis 或comma，导致第二语言sn-p Fr 不匹配...

你们知道如何处理完全捕获所有的语言 sn-p 吗？我打算使用 PHP 的preg_match_all() 来获得所有这些。希望有人可以提供帮助。谢谢！

【问题讨论】：

不确定我是否理解正确，但这是您想要的吗？ regex101.com/r/PAwqGg/1
这个regexr.com/3ev6s 怎么样？
@Mi-Creativity，边界应该围绕所有语言。 ;)
@sinisake @Mi-Creativity 谢谢\b 他们在学校教这个时我缺席了。谢谢！
@sinisake 这是真的，如果他在所有语言中都有这个问题（像 Enfoo 这样的词），谢谢你提到它:)

标签： php regex

【解决方案1】：

您拥有的正则表达式使用语言代码周围的逗号。这意味着，在找到匹配项后，索引位于逗号之后，并且由于无法匹配，正则表达式引擎会跳过该逗号之后的语言。

为了匹配这样的重叠匹配，可以使用lookarounds：

(?<=[(,])(En|Fr|De|Es|It)(?=[,)])
^^^^^^^^^                ^^^^^^^^

见this regex demo。

(?<=[(,]) 是一个正向lookbehind，在语言代码前需要, 或(，(?=[,)]) 是一个正向lookahead，需要在语言代码右侧使用逗号或)，但是逗号/括号没有被消耗，它仍然需要在下一次迭代中匹配。

这里可能的另一个解决方案是使用单词边界（正如在 cmets 中已经描述的那样）。单词边界有助于匹配整个个单词。

\b(En|Fr|De|Es|It)\b

见regex demo

【讨论】：

哇，我也不知道positive lookbehind 也不知道positive lookahead。我不应该逃学。标记为附加解释的答案。

【解决方案2】：

这应该匹配所有：

 (?<=,|\()(\w\w)(?=,|\))

伴随preg_match_all应该做的工作。

解释：

后视断言（应以“，”或“（”）开头
两个单词字符（因此您不必事先指定要定位的语言）。
前瞻断言（应后跟“，”或“）”）

就是这样。

Working version.

【讨论】：