Question

让我们说我们的模式是大写字母的正则表达式（但我们可能有比搜索大写更复杂的模式）

要找到至少 n个连续模式（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Ruby）

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，如何搜索大多数 n个连续模式，例如，最多连续一个大写字母：

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leave it as it is）以便编写它作为正则表达式。如果我们认为遇到我们的模式为接收'1'并且没有接收模式为接收'0'，我们可以绘制一个简单的DFA图（其中n = 1，我们最多想要一个模式）：

DFA_to_be_regexed

具体来说，我想知道这是如何成为一个正则表达式。一般来说，我希望找到如何使用正则表达式找到“最多”，因为我的正则表达式技能会因“至少”单独而感到发育不良。

旅行危险 - 精神上不是正确的解决方案

请注意，此问题不重复this post，因为使用了可接受的方法：

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

这不是DFA所展示的，不仅仅是因为它错过了第二次寻求的匹配 - 更重要的是它包括'X'，它不应该，因为'X'后面是另一个资本，而且来自DFA我们看到另一个资本所追随的资本不是接受国。

你可以建议

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

（感谢Rubber Duck）

但我仍然想知道如何仅使用正则表达式查找最多n次出现。（知识！）

Answer 1

为什么你的尝试不起作用

您目前的尝试存在一些问题。

X是匹配的一部分的原因是.*贪婪且消耗尽可能多 - 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。
你没有得到第二场比赛的原因是双重的。首先，你需要要求两个尾随大写字母，而是字符串的结尾。其次，比赛不能重叠。第一场比赛包括至少两个尾随大写字母，但第二场比赛需要在开始时再次匹配，这是不可能的。
还有更多隐藏的问题：尝试输入四个连续的大写字母 - 它可以给你一个空的匹配（前提是你使用非贪婪的量词 - 贪婪的问题甚至更糟）。

使用当前的方法修复所有这些很难（我尝试过但失败了 - 如果你想看到我的尝试，请检查这篇文章的编辑历史，直到我决定完全废弃这种方法）。所以让我们尝试别的东西！

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，匹配从字符串的开头开始或在字符串的结尾处结束，我们想要匹配：

（非上限）1个上限（非上限）1个上限（非上限）...... 。

这是Jeffrey Friedl的unrolling-the-loop的理想选择。看起来像

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

现在边缘情况怎么样？我们可以这样说：

我们希望在比赛开始时允许一个大写字母，只要它在字符串的开头。
我们希望在比赛结束时允许一个大写字母，只要它在字符串的末尾。

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分组，并将它们标记为可选：

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

Now it's really working.更好的是，我们不再需要捕捉了！

推广解决方案

此解决方案很容易推广到“最多 n 连续大写字母”的情况，方法是将每个[A-Z]更改为[A-Z]{1,n}，从而允许最多{{1到目前为止只有一个允许的大写字母。

See the demo for n = 2.

Answer 2

TL;博士

要匹配最多包含N PATTERN的字词，请使用正则表达式

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

例如，要匹配包含最多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

我担心你的例子可能引起混淆。我们加几句话：

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

现在，重新运行 at-least-2-capitals regex返回

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

请注意不捕获的完整单词！你确定这是你想要的吗？当然，我问，因为在后面的例子中，你的 at-most-1-capital 正则表达式返回完整的单词，而不仅仅是捕获的大写字母。

解决方案

以下是解决方案。

首先，为了匹配只是模式（而不是整个单词，与初始示例一致），这里是最多的正则表达式 N - PATTERN 取值：

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

例如， at-most-1-capitals 正则表达式

/(?<![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"]

进一步举例说明，最多2个大写正则表达式返回

=>

最后，如果你想匹配包含的整个单词最多一定数量的连续模式，那么这是一个完全不同的方法：

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

返回

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

一般表格是

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

您可以在http://ideone.com/hImmZr找到所有这些示例。

Answer 3

使用正则表达式找到“最多”，你使用后缀{1,n}（可能前面带有负面的lookbehind，然后是正向前瞻），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

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"]

（但正则表达式可能在字符串的开头和结尾不匹配）

似乎

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

会更好。

用于查找最多n个连续模式的正则表达式