前瞻正则表达式

Question

我期待匹配以下模式

（1）

10digits sometext（如1235873490 ABCD EFGK）

在可能有上述模式的文本，以及非常类似的模式像这样的

（2）

10位数字sometext decimal_number（例如9835873490 VBGF XMF 23.233）

如何写正则表达式来仅匹配模式（1）并忽略模式（2）？

我一直在使用这样的事情看着负向前看符号：

(\d{10})\s*([A-Za-z0-9]+(?:\s+[A-Za-z0-9]+)(?:\s+[A-Za-z0-9]+))\s*(?!(\d+.\d+)) 

，但不能让它开始工作。有任何想法吗？顺便说一句，我使用的是C++ boost :: regex。

Answer 1

首先，先从简单的版本：

(\d{10}   # 10 digits 
    (?:\s+\w+)+) # some text, separated by spaces, 
        # at least one time 
(?!\s*\d+\.\d+) # not followed by a decimal number 

我改变了你的[A-Za-z0-9]到\w为简单起见，并允许它，因为它要发生多次。

但是，这也会匹配第二个字符串 - 它会在末尾吞噬23，然后看到它后面没有一个十进制数（它后面跟着“.23”），所以它会匹配。

为了防止这种情况，我们可以说，它必须遵循的一个空间或文本的结尾：

(\d{10}(?:\s+\w+)+) 
    (?=\s|$)  # it must be followed by a space or end of text 
(?!\s*\d+\.\d+) 

然而，这仍然有问题。现在，它将匹配到“... XMF”，但接着看到后面跟着一个十进制数字，并且回溯。它会回到“... VBGF”然后匹配，因为“VBGF”后面没有小数。

为了防止这种情况，我们可以告诉大家，一旦符合我们的主要部分不能走回头路的正则表达式：

(?> # added '?>': not allowed to backtrack once this group is matched 
    \d{10}(?:\s+\w+)+)  
(?=\s|$)(?!\s*\d+\.\d+) 

或者，如果你知道总会有2份sometext ，这也将解决回溯：

(\d{10}(?:\s+\w+){2} # can only occur twice 
    )  
(?=\s|$)(?!\s*\d+\.\d+)