包含数字的单词的正则表达式屏蔽答案

【问题标题】：Regex masking of words that contain a digit包含数字的单词的正则表达式屏蔽
【发布时间】：2013-11-04 19:26:43
【问题描述】：

试图想出一个“简单”的正则表达式来屏蔽看起来可能包含帐号的文本位。

简单的英语：

应匹配包含数字的任何单词（或一系列此类单词）
保留最后 4 位数字
用四个 X (xxxx) 替换匹配字符串的所有先前部分

到目前为止

我正在使用以下内容：

[\-0-9 ]+(?<m1>[\-0-9]{4})

替换为

xxxx${m1}

但这错过了下面最后几个示例

样本数据：

123456789
a123b456
a1234b5678
a1234 b5678
111 22 3333
this is a a1234 b5678 test string

实际结果

xxxx6789
a123b456
a1234b5678
a1234 b5678
xxxx3333
this is a a1234 b5678 test string

预期结果

xxxx6789
xxxxb456
xxxx5678
xxxx5678
xxxx3333
this is a xxxx5678 test string

这样的安排可以用正则表达式替换吗？

我认为我需要一些贪婪和前瞻功能，但我在这些领域的经验为零。

【问题讨论】：

很抱歉，我看不到问题所在？您得到的错误结果是什么？
@Sniffer 我已经根据他的模式添加了实际结果。
您的预期结果对吗？ xxxxb456 看起来不应该在那里。

标签： c# regex

【解决方案1】：

这适用于您的示例：

var result = Regex.Replace(
    input,
    @"(?<!\b\w*\d\w*)(?<m1>\s?\b\w*\d\w*)+",
    m => "xxxx" + m.Value.Substring(Math.Max(0, m.Value.Length - 4)));

如果你有像111 2233 33 这样的值，它将打印xxxx3 33。如果您希望它没有空格，您可以将 lambda 转换为从值中删除空格的多行语句。

为了稍微解释一下正则表达式模式，它有一个否定的lookbehind，所以它确保它后面的单词没有数字（数字周围有可选的单词字符）。然后它有m1 部分，它查找其中包含数字的单词。在正则表达式模式解析其余字符后，通过一些 C# 代码获取最后四个字符。

【讨论】：

【解决方案2】：

我不认为正则表达式是解决此问题的最佳方法，这就是我发布此答案的原因。对于如此复杂的情况，构建相应的正则表达式太难了，更糟糕的是，它的清晰度和适应性远低于较长代码的方法。

这些行下面的代码提供了您所追求的确切功能，它足够清晰并且可以轻松扩展。

string input = "this is a a1234 b5678 test string";
string output = "";
string[] temp = input.Trim().Split(' ');
bool previousNum = false;
string tempOutput = "";
foreach (string word in temp)
{
    if (word.ToCharArray().Where(x => char.IsDigit(x)).Count() > 0)
    {
        previousNum = true;
        tempOutput = tempOutput + word;
    }
    else
    {
        if (previousNum)
        {
            if (tempOutput.Length >= 4) tempOutput = "xxxx" + tempOutput.Substring(tempOutput.Length - 4, 4);
            output = output + " " + tempOutput;
            previousNum = false;
        }
        output = output + " " + word;
    }
}
if (previousNum)
{
    if (tempOutput.Length >= 4) tempOutput = "xxxx" + tempOutput.Substring(tempOutput.Length - 4, 4);
    output = output + " " + tempOutput;
    previousNum = false;
}

【讨论】：

一个快速评论，你说if (!previousNum) previousNum = true;，你可以通过说previousNum = true;并删除if语句来降低复杂性。它将将该语句的圈复杂度降低 1
@joe_coolish 你是完全正确的。我很快就写好了代码。
除此之外，+1 用于解开正则表达式！
我同意直接的正则表达式不是最好的方法......但这就是我的追求
@BrianAdkins 我很高兴看到我们都同意这一点。您可以继续尝试获取基于正则表达式的方法（因为您被指示这样做，或者因为这是个人挑战或出于任何原因），并且如果找不到任何提供足够准确的解决方案的方法，您可以只依靠在此代码上。

【解决方案3】：

你试过这个吗：

.*(?<m1>[\d]{4})(?<m2>.*)

替换

xxxx${m1}${m2}

这会产生

xxxx6789
xxxx5678
xxxx5678
xxxx3333
xxxx5678 test string

在 'b' 变成一个数字之前，你不会得到 'a123b456' 来匹配...。 ;-)

【讨论】：

这将替换上一个示例中的“This is a”
在我写答案的时候，他的例子也删除了那个。从那时起，要求发生了变化；-)

【解决方案4】：

这是我非常快速的尝试：

(\s|^)([a-z]*\d+[a-z,0-9]+\s)+

这将选择所有这些测试用例。现在对于 C# 代码，您需要检查每个匹配项以查看匹配序列的开头或结尾是否有空格（例如，最后一个示例将在选中前后有空格）

这是进行替换的 C# 代码：

var redacted = Regex.Replace(record, @"(\s|^)([a-z]*\d+[a-z,0-9]+\s)+",
    match => "xxxx" /*new String("x",match.Value.Length - 4)*/ + 
    match.Value.Substring(Math.Max(0, match.Value.Length - 4)));

【讨论】：