正则表达式：查找单词但不允许重复答案

【问题标题】：Regex: Find word but not allow repetition正则表达式：查找单词但不允许重复
【发布时间】：2018-04-02 22:36:20
【问题描述】：

我有以下测试，我想提取 HAB: 之后的所有代码，它们前面必须有 REST，但中间可以有其他词：

REST gfdjj REST HAB：75RF-3729-70D-01 CLUE HAB：234-543 REST tt HAB：75RF-3729-70D-02 CLUE ytr HAB：34829-5467 REST HAB：75RF-3729-70D-03 REST REST REST HAB：54783-04 REST HA：837483 REST dfhjdf REST 347845-34 REST rehs HAB：45923 REST HAB：REST sdfdgdsd HAB：456734

https://regex101.com/r/4inYr4/3

我试过(REST.*?) *(HAB:) (.*?)( |$)，但它也返回了许多冗余的REST，

(REST) *(HAB:) (.*?)( |$) 但它不返回第二个代码，

和(REST(?!.*REST).*?) *(HAB:) (.*?)( |$)，但它只返回最后一个。

我需要某种条件正则表达式，它只允许 REST 和 HAB: 之间出现除 REST 之外的其他词，这是我所期望的最后一个要做？

编辑：

我要提取：

REST 75RF-3729-70D-01
REST 75RF-3729-70D-02
REST 75RF-3729-70D-03
REST 54783-04
REST 45923

编辑 2：

我需要 REST 部分，我更新了问题并添加了一些 CLUE 以强调我需要 REST

我使用 Python 2.7

编辑 3：

我还需要在以下位置找到 REST 456734：

REST HAB：REST sdfdgdsd HAB：456734

【问题讨论】：

你想从你的样本中匹配什么？
在您的 regex101 测试中，您的测试字符串不包括代码上的 -01 到 -04 后缀。当我穿上这些并使用您的第二个正则表达式时，它会返回所有 3 个代码 75RF-3729-70D-01、75RF-3729-70D-03 和 54783-04
您需要REST 部分吗？另外，您使用的是什么工具/语言？
试试(REST).*? *HAB: (\S+)，见also this Python demo。
但是45923后面没有HAB。

标签： python regex python-2.7

【解决方案1】：

您要求匹配从REST 到HAB: 不包括REST 的文本实际上没有帮助，它不会对匹配产生太大影响，但是HAB: 之后的文本不能是REST，因为它会阻止有效匹配。

你可以使用

(REST).*?HAB:\s*(?!REST(?!\S))(\S+)

见regex demo

详情

(REST) - 第 1 组：REST 子字符串
.*? - 除换行符以外的任何 0+ 个字符，尽可能少
HAB: - HAB: 文字子字符串
\s* - 0+ 个空格
(?!REST(?!\S)) - 如果紧挨当前位置的右侧有 REST 后跟空格或字符串结尾，则会导致匹配失败
(\S+) - 第 2 组：任何 1+ 个非空白字符。

Python code demo:

import re
rx = r"(REST).*?HAB:\s*(?!REST(?!\S))(\S+)"
s = """REST gfdjj REST HAB: 75RF-3729-70D-01 CLUE HAB: 234-543 REST tt HAB: 75RF-3729-70D-02 CLUE ytr HAB: 34829-5467 REST HAB: 75RF-3729-70D-03 REST REST REST HAB: 54783-04 REST HA: 837483 REST dfhjdf REST 347845-34 REST rehs HAB: 45923\nREST HAB: REST sdfdgdsd HAB: 456734"""
res = ["{} {}".format(x.group(1),x.group(2)) for x in re.finditer(rx, s)]
print(res)
# => ['REST 75RF-3729-70D-01', 'REST 75RF-3729-70D-02', 'REST 75RF-3729-70D-03', 
#    'REST 54783-04', 'REST 45923', 'REST 456734']

【讨论】：

他使用python 2.7，我不认为你的代码在那里工作。但在python 3 中它工作正常。
@ShashankSingh The link 证明了这一点。
糟糕，我在python 2.6 上试过了，对不起。它确实有效。
是否可以强制完全不捕获 REST，而不仅仅是在右侧？
@TobSta 可能你想要r"(REST)(?:(?!REST).)*?HAB:\s*(?!REST(?!\S))(\S+)"

【解决方案2】：

你想要这样的输出吗？

REST 75RF-3729-70D-01
REST 75RF-3729-70D-02
REST 75RF-3729-70D-03
REST 54783-04
REST 45923
REST 456734
REST 456734

你可以试试这个模式。

.*?(REST\s)(?:(?:(?!REST|HAB).)*HAB\:\s*)(\b(?:(?!REST)[-\w])+\b)

Demo

您要提取的内容在捕获组 1、2 中成对捕获

【讨论】：