正则表达式排除某些单词

Question

我需要一个正则表达式，它会抓住排除n和The的字词中的前A个字符。

例如，这是我的样本数据集：

The firstMatch
A SecondMatch
the thirdMatch
a Fourthmatch

以下是我尝试的正则表达式："^(.{3}).*$

抓取每个输入字符串的前三个字符。但我真正想要的是每个输入字符串不的前三个字符，包括A或The

因此，对于上面的输入字符串，我想要的匹配是：

'fir', 'Sec, 'thi', 'Fou'

关于如何做到这一点的任何想法？

Answer 1

这取决于您使用的是哪种正则表达式引擎（最初问题未被标记为Ruby，因此我将保留其他选项。）

选项1：Lookbehind（C＃，PHP，Java）

(?im)(?<=^The |^a )\w{3}

请参阅demo。

许多引擎支持lookbehind，但支持可变宽度的后端并不多。

选项2：\K（PHP，Perl，Ruby 2 +）

(?im)^(?:The |a )\K\w{3}

请参阅demo。

\K告诉引擎放弃与其返回的最终匹配相匹配的内容

选项3：捕获组（JavaScript，Python，其他）

(?im)^(?:The |a )(\w{3})

在the demo中，查看右侧窗格中的第1组捕获。

括号将匹配捕获到第1组。我们从第1组中检索它。

<强>解释

• (?i)启用不区分大小写的行
• (?m)启用了多行模式，允许^和$在每一行匹配
• ^锚点断言我们位于字符串的开头
• (?<=^The |^a )是一个lookbehind，断言当前位置之前的是字符串的开头The，或者字符串的开头然后是a
• (?:The |a )是一个非捕获组，其中包含OR |更改
• (\w{3})中的括号将匹配捕获到第1组。

<强>参考

• Lookahead and Lookbehind Zero-Length Assertions
• Mastering Lookahead and Lookbehind

Answer 2

使用此：

^(?:(?:the|a)\s+)?(.{3})

使用不区分大小写的搜索。

原始正则表达式中的.*$部分毫无意义。

Answer 3

你可以做这样的事情

^(the|A)? *(.{3}).+$

捕捉第2组，确保使用多行，全局和不敏感的修饰符

下次我建议您指定正在使用的正则表达式编译器