1

我正在尝试匹配以下格式的字符串： 

S->A  
S->AbCd  
S->A|b|C|d  
S->Ab|B|cde|dB

也就是说，在最左边正好有一个大写的拉丁字母符号，后跟“->”字面量。在该文字之后正好是一个大写/非大写拉丁字母符号或此类符号的串联，这些符号后面也可以跟以“|”分隔的此类符号组 象征。
此外，我不仅想检查整个字符串是否符合这种格式，而且还能够捕获最左边的大写符号和 '->' 文字之后的所有符号组。到目前为止，我已经想出了这个正则表达式：

([A-Z]{1})->([a-zA-Z]+)(?:(?:\|)([a-zA-Z]+))*

例如，如果我针对此字符串对其进行测试：

S->Ab|B|c|d

我得到以下结果（使用 RegexBuddy 完成测试）：

Match 1:    S->Ab|B|c|d
Group 1:    S
Group 2:    Ab
Group 3:    d

好消息是我的正则表达式匹配整个字符串（这是正确的）。然而问题很明显：我的正则表达式仅捕获 '->' 文字之后的第一个和最后一个符号组。为什么？根据我对正则表达式的理解，这部分表达式

(?:(?:\|)([a-zA-Z]+))*

应该匹配所有分隔符号组。我相信这与“重复捕获组与捕获重复组”一文中描述的内容有关。我试着摆弄一下我的正则表达式，但仍然没有得到令人满意的结果。有什么建议么？

4

4 回答 4

2

正则表达式中只有三对捕获括号，因此您只能取出三个组（这与“捕获重复组与重复捕获组”有关）。组的数量始终是固定的。

为了清楚起见，使用类似 Perl 的间距m//x来拆分内容：

([a-zA-Z]{1})  ->  ([a-zA-Z]+)  (?: (?:\|) ([a-zA-Z]+) )*
^-----------^      ^---------^             ^---------^

显示了三个捕获部分。其他括号是非捕获的。显然，您可以捕获整个尾随组：

    ([a-zA-Z]{1})  ->  ([a-zA-Z]+)  ( (?:\|) (?:[a-zA-Z]+) )*

但是随后您需要对尾随组进行后处理，可能需要进行split操作，以获取子字段。

于 2012-04-25T06:16:53.280 回答
1

是的，您的问题是，您正在重复一个捕获组。

(?:(?:\|)([a-zA-Z]+))*
         ^^^^^^^^^^^
          third group

你是对的，这整个部分匹配你所有的重复组，每个匹配都存储在 中$3，所以在所有匹配完成后，你只能看到这个组的最后一个匹配，d在你的例子中。

您可以像这样捕获重复的组

([a-zA-Z]{1})->([a-zA-Z]+)((?:(?:\|)[a-zA-Z]+)*)

然后你的结果看起来像这样

Match 1:    S->Ab|B|c|d
Group 1:    S
Group 2:    Ab
Group 3:    |B|c|d
于 2012-04-25T06:20:23.437 回答
1

捕获组 3 匹配所有符号([a-zA-Z]+)- 它将首先匹配“B”，然后随着正则表达式在下一个之后的进行，它被替换为“c” |，最后它被替换为“d”，就像你的结果一样。

于 2012-04-25T06:21:22.317 回答
1

语法(?:...)表示非捕获组。

如果你想要一个捕获组，你应该使用它(...)。

尝试这个：

([a-zA-Z]{1})->([a-zA-Z]+)(\|[a-zA-Z]+)*

如果您想要单独的每个元素，您可以在分隔符上拆分。

于 2012-04-25T06:16:44.093 回答