Question

我有正式的正则表达式： /([^\s*][\l\u\w\d\s]+) (\d)/ 它应该匹配形式的字符串：＆＃34; some-string digit＆＃34 ;,例如＆＃34; stackoverflow 1＆＃34;。 这些字符串在开头不能有空格。

效果很好，除了开头有一个字符的简单字符串，例如：＆＃34; s 1＆＃34;。我该如何解决？我在boost :: regex（PCRE兼容）中使用它。

Answer 1

[^\s*]占用了你的第一个字符串字符，所以当你需要一个或多个字符串字符后，它就会失败：

/([^\s*][\l\u\w\d\s]+) (\d)/
   ^^^^  ^^^^^^^^^^     ^^
    "s"   no match      "1"

如果您修正了错误的*：

/([^\s]*[\l\u\w\d\s]+) (\d)/
   ^^^   ^^^^^^^^^^     ^^
   "s";      "s"        "1"
  match
then cancelled
by backtracking

但是为了避免回溯，我会像这样编写正则表达式：

/([\l\u\w\d]+[\l\u\w\d\s]*) (\d)/

请注意，我只显示正则表达式本身 - 根据需要重新应用额外的反斜杠以用于C ++字符串文字; e.g。

const std::string my_regex = "/([\\l\\u\\w\\d]+[\\l\\u\\w\\d\\s]*) (\\d)/";

无论如何，这可能会更加优化（我确定大多数这些角色类都是多余的），但这应该可以解决您的问题。

您可以测试正则表达式here。

Answer 2

问题是你的*位置错误：[^\s*]只匹配一个既不是空白也不是星号的字符。（s中的"s 1"有资格“既不是空白也不是星号”，因此它会被匹配和使用，并且不再可用作下一部分[\l\u\w\d\s]+的匹配项。请注意，带有两个空格的"s 1"会成功。）

你可能意味着[^\s]*，它匹配任何数字（包括零）的空白字符。如果你做了那么小的修改，那就会修正你的正则表达式。

但是，还有其他改进。首先，字母类缩写的反斜杠+字母序列可以通过大写字母来否定：字符类“不在\s”中的所有内容可以按上述方式编写，{ {1}}，但它也可以更简单地编写为[^\s]。

接下来，我不知道\S和\l是什么。您已标记此\u，因此您可能正在使用标准c++库，该库使用ECMAScript正则表达式语法。但是ECMAScript正则表达式规范没有定义那些元字符。

如果您要匹配“小写字母”和“大写字母”，那么这些字母为regex和[:lower:] - 但这两组字母已包含在[:upper:]中，因此您不需要将它们包含在也具有\w的字符类中。

拉出这些字符会留下\w的字符类 - 这仍然是多余的，因为[\w\d\s]也包含数字，所以我们不需要\w。删除它，我们有\d，它匹配“下划线，字母，数字，空格，制表符，换页符或换行符（换行符）。”

这使整个正则表达式[\w\s]：零个或多个非空白字符，后跟至少一个空格或单词字符，后跟一个空格，后跟一个数字。这对我来说似乎是一套不同寻常的标准，但它绝对应该与“1”相匹配。在我的测试中确实如此。

Answer 3

我希望你能做到这样的事情：

添加 {X，}，其中X是数字，在第二组括号

上

如下所示

([^\\s*][\\l\\u\\w\\d\\s]{2,}) (\d)

将2替换为您想要的最小字符串长度。