使用正则表达式

Question

假设我有一个这样的字符串：abc def ghi jkl（为了简单起见，我在最后添加了一个空格，但它对我来说并不重要）我希望捕获它的＃34 ;块＆＃34;如下：

abc

def

ghi

jkl

当且仅当有1-4＆＃34;块＆＃34;在字符串中。我已经尝试了以下正则表达式：

^([^ ]+ ){1,4}$

在Regex101.com但它只捕获最后一次出现。发出警告：

  

重复捕获组仅捕获最后一次迭代。如果您对数据不感兴趣，请在重复组周围放置捕获组以捕获所有迭代或使用非捕获组

如何纠正正则表达式以实现我的目标？

Answer 1

可以使用tr：

在linux上完成

tr -sc 'a-zA-Z' '\n' < text.txt > out_text.txt

text.txt文件中的字符串是要规范化的字符串。

Answer 2

由于您无法访问代码，因此您可能使用的唯一解决方案是基于\G运算符的正则表达式，该运算符仅允许连续匹配并且在开始时锚定前瞻，需要1到4个非字符串中的-whitespace块。

(?:^(?=\s*\S+(?:\s+\S+){0,3}\s*$)|\G(?!^))\s*\K\S+

请参阅regex demo

<强>详情：

• (?:^(?=\s*\S+(?:\s+\S+){0,3}\s*$)|\G(?!^)) - 一个自定义边界，用于检查：

  • ^(?=\s*\S+(?:\s+\S+){0,3}\s*$) - 字符串起始位置（^），后跟1到4个非空白块，用1 +空格分隔，并且允许尾随/前导空格
  • | - 或
  • \G(?!^) - 上一次成功匹配结束时的当前位置（\G也匹配字符串的开头，因此我们必须使用否定前瞻来排除匹配位置，因为那里是一个单独的检查）

• \s* - 零个或多个空格

• \K - 匹配重置运算符，丢弃目前为止匹配的所有文本
• \S+ - 除空格外的1个或多个字符