使正则表达式不捕获OR捕获组

Question

所以，我正在努力捕捉字符串包含的那种“语言”片段：

语言代码段位于()内，并且是En,Fr,De,Es,It

的组合

示例：

File (En,Fr,De,Es,It).doc    <== should match all 5 languages
File (En,Fr) (Required).doc  <== should match `En` and `Fr`
File (Enfoo,Fr).doc          <== should match only `Fr`
File (E,Fr).doc              <== should match only `Fr`

我当前的正则表达式：

((\(|,)En(\)|,))|((\(|,)Fr(\)|,))|((\(|,)De(\)|,))|((\(|,)Es(\)|,))|((\(|,)It(\)|,))

这是什么意思：

((\(|,)  <== either starts with `open parenthesis` or `comma`  (1)
En       <== the language                                      (2)
(\)|,))  <== either ends with `close parenthesis` or `comma`   (3)

然后我只用正则表达式OR（|）

附加

您可以看到问题：regexr.com/3ev6p如果有第二个语言代码段Fr，它将无法满足正则表达式(1)，因为第一个语言代码段{{1正在捕获/占用En或open parenthesis，导致第二语言代码段comma不匹配...

你们知道如何处理完全捕获所有语言片段吗？我打算用PHP的Fr来获取所有这些。希望有人可以提供帮助。 谢谢！

Answer 1

你使用的正则表达式使用逗号围绕语言代码。这意味着，在找到匹配后，索引在逗号后面，并且因为不能匹配，所以正则表达式引擎会跳过该逗号之后的语言。

为了匹配此类重叠匹配，可以使用以下内容：

(?<=[(,])(En|Fr|De|Es|It)(?=[,)])
^^^^^^^^^                ^^^^^^^^

请参阅this regex demo。

(?<=[(,])是一个积极的观察，需要在语言代码之前使用,或(，而(?=[,)])是一个需要逗号或{{1}的正面预测在语言代码的右边，但是没有使用逗号/括号，它在下一次迭代期间仍然需要匹配。

此处可能的另一种解决方案是使用单词边界（如评论中所述）。单词边界有助于匹配整个单词。

)

请参阅regex demo

Answer 2

这应该匹配所有：

 (?<=,|\()(\w\w)(?=,|\))

陪同preg_match_all应该做的工作。

说明：

• 一个后视断言（应该以“，”或“（”）
开头
• 两个单词字符（因此您无需事先指定要定位的语言）。
• 前瞻断言（应该后跟“，”或“）”）

就是这样。 ：）

Working version

问候。