Question

我不确定使用Regex是否可行，但我希望能够根据不同的字符限制允许的下划线数量。这是为了将疯狂的通配符限制限制为用Java编写的搜索引擎。

起始字符为字母数字。但是如果有更多的下划线而不是前面的字符，我基本上想要一个匹配。所以

BA_会没问题，但BA___会匹配正则表达式，并会被踢出查询解析器。

使用正则表达式可以吗？

Answer 1

是的，你可以做到。只有当下划线少于字母（您可以使用您想要的字符进行调整）时，此模式才会成功：

^(?:[A-Z](?=[A-Z]*(\\1?+_)))*+[A-Z]+\\1?$

（正如Pshemo注意到的那样，如果使用matches()方法，则不需要锚点，我编写它们来说明这种模式必须以任何方式限制的事实。例如，使用外观。）

否定版本：

^(?:[A-Z](?=[A-Z]*(\\1?+_)))*\\1?_*$

我们的想法是重复一个包含对自身的反向引用的捕获组+下划线。在每次重复时，捕获组都在增长。 ^(?:[A-Z](?=[A-Z]*+(\\1?+_)))*+将匹配具有相应下划线的所有字母。您只需添加[A-Z]+以确保有更多字母，并使用包含所有下划线的\\1?完成您的模式（我将其设为可选，以防根本没有下划线）

请注意，如果您在第一个模式中将[A-Z]+替换为[A-Z]{n}，则可以准确设置字母和下划线之间的字符数差异。

为了给出一个更好的主意，我将尝试逐步描述它如何与字符串ABC--一起使用（因为不可能将下划线以粗体显示，我使用连字符代替）：

 In the non-capturing group, the first letter is found 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 let's enter the lookahead (keep in mind that all in the lookahead is only
 a check and not a part of the match result.)
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 the first capturing group is encounter for the first time and its content is not
 defined. This is the reason why an optional quantifier is used, to avoid to make
 the lookahead fail. Consequence: \1?+ doesn't match something new.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 the first hyphen is matched. Once the capture group closed, the first capture
    group is now defined and contains one hyphen. 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 The lookahead succeeds, let's repeat the non-capturing group.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 The second letter is found
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 We enter the lookahead
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 but now, things are different. The capture group was defined before and
 contains an hyphen, this is why \1?+ will match the first hyphen.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 the literal hyphen matches the second hyphen in the string. And now the
 capture group 1 contains the two hypens. The lookahead succeeds.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 We repeat one more time the non capturing group.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 In the lookahead. There is no more letters, it's not a problem, since
 the * quantifier is used.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 \\1?+ matches now two hyphens.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 but there is no more hyphen in the string for the literal hypen and the regex
 engine can not use the bactracking since \1?+ has a possessive quantifier.
 The lookahead fails. Thus the third repetition of the non-capturing group too!
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 ensure that there is at least one more letter.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 We match the end of the string with the backreference to capture group 1 that
 contains the two hyphens. Note that the fact that this backreference is optional
 allows the string to not have hyphens at all. 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 This is the end of the string. The pattern succeeds.
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

<小时/> 注意：需要使用非捕获组的占有量词来避免错误结果。 （你可以观察到一种奇怪的行为，这可能很有用。）

示例：ABC---和模式：^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$ （没有占有量词）

 The non-capturing group is repeated three times and `ABC` are matched:
ABC---     ^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$
 Note that at this step the first capturing group contains ---
 But after the non capturing group, there is no more letter to match for [A-Z]+
 and the regex engine must backtrack.
ABC---     ^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$

问题：现在捕获组中有多少个连字符？ 答案：总是三个！

如果重复的非捕获组返回一个字母，捕获组总是包含三个连字符（正如最后一次正则表达式引擎读取捕获组）。这是违反直觉的，但是合乎逻辑。

 Then the letter C is found:
ABC---     ^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$
 And the three hyphens
ABC---     ^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$
 The pattern succeeds
ABC---     ^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$

Robby Pond在评论中问我如何找到比字母（所有不是下划线）更多下划线的字符串。显然，最好的方法是计算下划线的数量并与字符串长度进行比较。但是关于完整的正则表达式解决方案，由于模式需要使用递归功能，因此无法使用Java构建模式。例如，您可以使用PHP：

$pattern = <<<'EOD'
~
 (?(DEFINE)
     (?<neutral> (?: _ \g<neutral>?+ [A-Z] | [A-Z] \g<neutral>?+ _ )+ )
 )

 \A (?: \g<neutral> | _ )+ \z
~x
EOD;

var_dump(preg_match($pattern, '____ABC_DEF___'));

Answer 2

单数正则表达式不可能。

i）需要实现逻辑以获得下划线之前的字符数（应该编写正则表达式以在下划线之前获取字符）。

ii）并验证结果（字符数 - 1）=后面跟着的分号数（正则表达式返回下划线后跟字符的流）。

Answer 3

编辑：Dang！我刚刚注意到你需要这个用于java。无论如何......如果来自.Net世界的人偶然发现这篇帖子，我就把它留在这里。

如果您使用.Net：

，则可以使用Balancing Groups

^(?:(?<letter>[^_])|(?<-letter>_))*(?(letter)(?=)|(?!))$

.net正则表达式引擎能够维护捕获的组中的所有捕获模式。在其他类型中，捕获的组将始终包含最后匹配的模式，但在.net中，所有先前的匹配都包含在捕获集合中供您使用。此外，.net引擎还能够使用?<group-name>，?<-group-name>构造来推送和弹出捕获的组的堆栈。这两个方便的结构可用于匹配paranthesis对等。

在上面的正则表达式中，引擎从字符串的开头开始，并尝试匹配“_”以外的任何内容。这当然可以改为适合你的任何东西（例如[A-Z][a-z]）。替换基本上意味着匹配[^\_]或[\_]，并且这样做可以从捕获的组推送或弹出。

正则表达式的后半部分是条件(?(group-name)true|false)。它基本上说，如果该组仍然存在（比弹出更多推送），那么执行true部分，如果不执行false部分。使模式匹配的最简单方法是使用空的正面预测：(?=)并且使其失败的最简单方法是(?!)，这是一个负前瞻。

正则表达式匹配和限制字符类

3 个答案: