5

假设我们的模式是大写字母的正则表达式（但我们可以有一个比搜索大写字母更复杂的模式）

要找到至少n 个连续的模式（在这种情况下，我们正在寻找的模式只是一个大写字母），我们可以这样做：

（使用红宝石）

somestring = "ABC deFgHij kLmN pQrS XYZ abcdEf"

at_least_2_capitals = somestring.scan(/[A-Z][A-Z]+/)
=> ["ABC", "XYZ"]
at_least_3_capitals = somestring.scan(/[A-Z]{3}[A-Z]*/)
=> ["ABC", "XYZ"]

但是，我如何搜索最多n 个连续的模式，例如，最多一个连续的大写字母：

matches = somestring.scan(/ ??? /)
=> [" deFgHij kLmN pQrS ", " abcdEf"]

详细策略

我读到我需要否定“至少”正则表达式，将其转换为 DFA，否定接受状态，（然后将其转换回 NFA，尽管我们可以保持原样）所以将其写为正则表达式. 如果我们认为遇到我们的模式时接收到“1”，而没有接收到模式时接收到“0”，我们可以绘制一个简单的 DFA 图（其中 n=1，我们最多需要一个模式）：

DFA_to_be_regexed

具体来说，我想知道这如何成为一个正则表达式。一般来说，我希望找到如何用正则表达式找到“至多”，因为我的正则表达式技能只用“至少”就会受到阻碍。

绊倒危险 - 精神上不太正确的解决方案

请注意，这个问题不是这篇文章的重复，因为使用那里公认的方法会给出：

somestring.scan(/[A-Z]{2}[A-Z]*(.*)[A-Z]{2}[A-Z]*/)
=> [[" deFgHij kLmN pQrS X"]]

这不是 DFA 所显示的，不仅仅是因为它错过了第二次寻找的匹配 - 更重要的是它包含了不应该的“X”，因为“X”后面跟着另一个大写字母，从 DFA 中我们看到一个大写后面跟着另一个大写不是一个接受状态。

你可以建议

somestring.split(/[A-Z]{2}[A-Z]*/)
=> ["", " deFgHij kLmN pQrS ", " abcdEf"]

（感谢橡皮鸭）

但我仍然想知道如何仅使用正则表达式找到最多 n 次出现。（求知识！）

4

3 回答 3

2

为什么您的尝试不起作用

您当前的尝试存在一些问题。

  1. X作为匹配的一部分的原因.*是贪婪并且尽可能多地消耗 - 因此，只留下所需的两个大写字母与尾随位匹配。这可以用非贪婪的量词来解决。
  2. 你没有得到第二场比赛的原因是双重的。首先，您需要两个尾随大写字母，而是字符串的结尾。其次，匹配不能重叠。第一个匹配包括至少两个尾随大写字母，但第二个需要在开始时再次匹配这些字母，这是不可能的。
  3. 还有更多隐藏的问题：尝试使用四个连续大写字母的输入 - 它可以给你一个空匹配（假设你使用非贪婪量词 - 贪婪的量词更糟糕）。

用当前的方法修复所有这些是很困难的（我尝试过但失败了——如果你想查看我的尝试，请查看这篇文章的编辑历史，直到我决定完全放弃这种方法）。所以让我们试试别的吧！

寻找另一种解决方案

我们想要匹配的是什么？忽略边缘情况，即匹配从字符串的开头开始或在字符串的结尾结束，我们想要匹配：

（非大写） 1 个（非大写） 1 个（非大写） ... .

这是 Jeffrey Friedl 的展开循环的理想选择。看起来像

[^A-Z]+(?:[A-Z][^A-Z]+)*

现在边缘情况呢？我们可以这样表述它们：

  1. 我们希望在匹配的开头允许单个大写字母，前提是它位于字符串的开头。
  2. 我们希望在匹配结束时允许单个大写字母，前提是它位于字符串的末尾。

要将这些添加到我们的模式中，我们只需将大写字母与适当的锚组合在一起，并将它们一起标记为可选：

(?:^[A-Z])?[^A-Z]+(?:[A-Z][^A-Z]+)*(?:[A-Z]$)?

现在它真的起作用了。更妙的是，我们不再需要捕捉！

推广解决方案

这个解决方案很容易推广到“最多n个连续大写字母”的情况，通过将每个大写字母更改[A-Z]为[A-Z]{1,n}，从而允许最多n大写字母，而到目前为止只允许一个大写字母。

请参阅演示n = 2。

于 2013-06-19T10:27:23.753 回答
2

tl;博士

要匹配最多包含s 的单词N PATTERN，请使用正则表达式

/\b(?:\w(?:(?<!PATTERN)|(?!(?:PATTERN){N,})))+\b/

例如，要匹配最多包含 1 个大写字母的单词，

/\b(?:\w(?:(?<![A-Z])|(?!(?:[A-Z]){1,})))+\b/

这也适用于多字符模式。

需要澄清

恐怕你的例子可能会引起混淆。让我们添加几句话：

somestring = "ABC deFgHij kLmN pQrS XYZ abcdEf mixedCaps mixeDCaps mIxedCaps mIxeDCaps T TT t tt"
                                              ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

现在，重新运行您的at-least-2-capitals正则表达式返回

at_least_2_capitals = somestring.scan(/[A-Z][A-Z]+/)
=> ["ABC", "XYZ", "DC", "DC", "TT"]

请注意完整的单词是如何未被捕获的！你确定这是你想要的吗？我问，当然，因为在你后面的例子中，你最多 1 个大写的正则表达式返回完整的单词，而不仅仅是被捕获的大写字母。

解决方案

无论哪种方式，这都是解决方案。

首先，为了只匹配模式（而不是整个单词，与您最初的示例一致），这里是最多- - s 的正N则PATTERN表达式：

/(?<!PATTERN)(?!(?:PATTERN){N+1,})(?:PATTERN)+/

例如，最多 1 个大写的正则表达式是

/(?<![A-Z])(?!(?:[A-Z]){2,})(?:[A-Z])+/

并返回

=> ["F", "H", "L", "N", "Q", "S", "E", "C", "DC", "I", "C", "I", "DC", "T", "TT"]

为了进一步举例说明，最多 2 个大写的正则表达式返回

=>

最后，如果您想匹配最多包含一定数量连续模式的整个单词，那么这是一种完全不同的方法：

/\b(?:\w(?:(?<![A-Z])|(?![A-Z]{1,})))+\b/

这返回

["deFgHij", "kLmN", "pQrS", "abcdEf", "mixedCaps", "mIxedCaps", "T", "t", "tt"]

一般形式是

/\b(?:\w(?:(?<!PATTERN)|(?!(?:PATTERN){N,})))+\b/

您可以在http://ideone.com/hImmZr查看所有这些示例。

于 2013-06-19T10:29:42.113 回答
1

要使用正则表达式查找“​​至多”，请使用后缀{1,n}（可能前面有一个否定的lookbehind，然后是一个肯定的lookahead），所以看起来你想要的是：

irb(main):006:0> somestring.scan(/[A-Z]{1,2}/)
=> ["AB", "C", "F", "H", "L", "N", "Q", "S", "XY", "Z", "E"]

或者

irb(main):007:0> somestring.scan(/(?<![A-Z])[A-Z]{1,2}(?![A-Z])/)
=> ["F", "H", "L", "N", "Q", "S", "E"]

编辑：如果 OP 仍然想要“最长的字符串不包括两个以上的大写字母”，它可以使用：

irb(main):025:0> somestring.scan(/[^A-Z]+(?:[A-Z]{1,2}[^A-Z]+)*/)                                                                                    
=> [" deFgHij kLmN pQrS ", " abcdEf"]

（但该正则表达式可能在字符串的开头和结尾不匹配）

看起来

irb(main):026:0> somestring.split(/[A-Z]{3,}/)                                                                                                       
=> ["", " deFgHij kLmN pQrS ", " abcdEf"]

会更好。

于 2013-06-19T10:16:48.163 回答