Question

我希望正则表达式匹配由双倍或更多空格字符分隔的单词，例如

ABC  DE  FGHIJ   KLM    NO  P  QRST

注意字母表之间有两个或更多的空格。为这样的问题编写正则表达式很容易，因为我只需要前4个单词，因为我们可以使用\S+或\S+?来搜索单词

但是，对于我的问题，一个单词中只能出现1个空格，例如

AB C  DE  FG HIJ   KLM    NO  P  QRST

这里AB C是一个单词，FG HIJ也是一个单词。简而言之，我们想要隔离由双或更多空格组成的字符，我尝试使用这个正则表达式，

.+?  +.+?  +.+?  +.+?  +

它非常迅速地匹配，但它不匹配的字符串需要太多时间。（这里以4个匹配为例，实际上我需要匹配更多）。

我需要一个更好的正则表达式才能实现这一点，因此可以避免所有的回溯。 [^ ]*是一个正则表达式，它将匹配最后遇到的空格。我们不能指定一个否定的字符集，我们在单个空格的情况下继续匹配，遇到2时断开吗？我尝试过使用积极的前瞻但却失败了。

我真的很感谢你的帮助。提前谢谢。

Saad的

Answer 1

最简单的解决方案是在\s{2,}上拆分以获得您想要的“字词”，但如果您坚持扫描令牌，那么就像以前一样\S+，您现在拥有的是什么是\S+(\s\S+)*。这正是它所说的：\S+，后跟零或更多(\s\S+)。您可以使用非捕获组来提高性能，即\S+(?:\s\S+)*。如果你的味道支持它以获得额外的提升，你甚至可以使每次重复占有欲，即\S++(?:\s\S++)*+。

这是一个Java代码片段，用于演示：

    String text = "AB C  DE  FG HIJ   KLM    NO  P  QRST";
    Matcher m = Pattern.compile("\\S++(?:\\s\\S++)*+").matcher(text);
    while (m.find()) {
        System.out.println("[" + m.group() + "]");
    }

打印：

[AB C]
[DE]
[FG HIJ]
[KLM]
[NO]
[P]
[QRST]

如果这是您的要求，您当然可以替换空格字符而不是\s。

参考

regular-expressions.info/Character Class，Brackets for Grouping，Repetition，Possessive

Answer 2

如果你知道分隔符是什么（\ s \ s +），你可以分割而不是匹配。简单地分成两个或多个空格。

此致

RBO

Answer 3

使用这种模式怎么样：

\s{2,}

Answer 4

我认为匹配2个或更多空格会更简单：

\ S {2，}

在PHP中，拆分看起来像这样

$ list = preg_split（'/ \ s {2，} /'，$ string）;

Answer 5

为什么不能像\ s \ s +（一个空白字符，然后是一个或多个空白字符）？

编辑：对我来说，无论你使用什么语言/工具包，都可能不支持直接使用正则表达式“拆分”字符串。在这种情况下，您可能希望实现该功能，而不是尝试匹配输入中的 WORDS ，而不是匹配 SPACES ，并使用这些匹配中的信息（位置，长度）来提取匹配之间的单词。在某些语言（.NET，其他语言）中，此功能是内置的。

Answer 6

如果你想匹配所有单词（允许一行中有一个空格），请尝试\S+(?:[ ]\S+)*（字符类不是必需的，可以只是一个空格字符，但为了清楚起见，我将其包括在内）。它指定至少需要一个非空白字符，并且一个空格不能跟随另一个空格。

你没有提到你正在使用的语言，但这是PHP中的一个例子：

$string = "AB C  DE  FG HIJ   KLM    NO  P  QRST";
$matches = array();
preg_match_all('/\S+(?:[ ]\S+)*/', $string, $matches);
// $matches will contain 'AB C', 'DE', 'FG HIJ', 'KLM', 'NO', 'P', 'QRST'

如果要求每个字最多只有一个空格，只需将最后的*更改为?：\S+(?:[ ]\S+)?。

正则表达式双白空间分离问题

6 个答案:

参考