regex - 如何使用正则表达式循环分隔标记？

Question

如何创建一个从字符串中获取分隔文本的正则表达式？例如，给定一个字符串

text ###token1### text text ###token2### text text 

我想要一个可以退出的正则表达式###token1###。是的，我也想要分隔符。通过添加另一个组，我可以同时获得：

(###(.+?)###)

Answer 1

/###(.+?)###/

如果你想要###，那么你需要

/(###.+?###)/

？ _ 表示非贪婪，如果你没有? ，那么它会抓住太多。

例如'###token1### text text ###token2###'，都会被抓住。

我最初的答案是 * 而不是 +。* 表示 0 或更多。+ 表示 1 或更多。* 是错误的，因为这将允许 ###### 作为有效的查找对象。

用于玩正则表达式。我强烈推荐用于 Windows 的http://www.weitz.de/regex-coach/ 。你可以输入你想要的字符串和你的正则表达式，看看它实际上在做什么。

您选择的文本将存储在 \1 或 $1 中，具体取决于您使用正则表达式的位置。

Answer 2

在 Perl 中，你实际上想要这样的东西：

$text = 'text ###token1### text text ###token2### text text';

while($text =~ m/###(.+?)###/g) {
  print $1, "\n";
}

这将在 while 循环中依次为您提供每个令牌。(.*?) 确保您获得分隔符之间的最短位，防止它认为令牌是 'token1### text text ###token2'。

或者，如果您只想保存它们，不要立即循环：

@tokens = $text =~ m/###(.+?)###/g;

Answer 3

假设您也想匹配 ###token2### ......

/###.+###/

Answer 4

使用 () 和 \x。假设标记中的文本始终由 # 分隔的天真示例：

text (#+.+#+) text text (#+.+#+) text text

然后可以通过使用 \1 和 \2 来获取 () 中的内容（第一组为 \1，替换表达式中的第二个为 \2（假设您正在编辑器中进行搜索/替换）。对于例如，替换表达式可以是：

token1: \1, token2: \2

对于上面的例子，这应该产生：

token1: ###token1###, token2: ###token2###

如果您在程序中使用正则表达式库，您可能会调用一个函数来获取第一个和第二个标记的内容，您已经用它们周围的 ()s 表示。

Answer 5

好吧，当您使用诸如此类的分隔符时，基本上您只需抓住第一个分隔符，然后抓住与结束分隔符不匹配的任何内容，然后是结束分隔符。需要特别注意的是，在上面的示例中，[^#] 不能作为检查以确保不存在结束分隔符，因为单个 # 会导致正则表达式失败（即。“###foo#bar# ##). 在上面要解析的正则表达式的情况下，假设允许使用空标记（如果不允许，请将 * 更改为 +）：

###([^#]|#[^#]|##[^#])*###