Question

我正在尝试使用perl regex在模板模式上过滤Wikipedia转储：

{{tl|a|b|c}}

我想捕获a和b，其中a，b，c等可以是任何一组UTF-8字符，不包括|或}。最终的}}＆＃39;之前可能会有未知数量的集合，但总会至少有两个（a和b）。所以你也可以得到：

{{tl|a|b}}

或{{tl|a|b|c|d}}

作为一名正则表达式新手，我首先想到尝试/\{\{tl\|(.+?)\|(.+?)\|?\}\}/

这给出了正确的完全匹配和第一次捕获，但在第二次捕获时失败，返回b|c|d因为它找不到|}。我需要告诉它在|和}之间寻找某些内容，但只有在找到|时才会这样做。似乎应该有一个解决这个问题的简单方法，但我会陷入困境。

Answer 1

你可以这样试试\{\{[^|}]*(?:\|[^|}]*)*\}\}
但不会得到捕获。

解释

 \{\{         # Open {{
 [^|}]*       # Optional, not | or }
 (?:          # Group start
      \|           # |
      [^|}]*       # Optional not | or }
 )*           # Group end, optional 0 to many times
 \}\}         # Close }}

或者，使用\G锚点并在第1组中获取结果

(?:\G(?!\A)|\{\{)([^|}]*)(?=(?:\|[^|}]*)*\}\})(?:\||\}\})

 (?:
      \G 
      (?! \A )
   |  
      \{\{                    # Open {{
 )

 ( [^|}]* )              # (1), Data

 (?=                     # Assert this is valid
      (?:
           \|                      # |
           [^|}]*                  # Optional not | or }
      )*                      # Group end, optional 0 to many times
      \}\}                    # Close }}
 )                       # End Assert

 (?:
      \|                      # Consume |
   |                        # or
      \}\}                    # Consume Close }}
 )

Answer 2

好的，我明白了。答案来自于使用(?:pattern)进行“群集，而不是捕获”群组。（来自perldoc）。使用此功能，您可以创建我们可以检查而无需捕获的组 - 在这种情况下，可以选择}}或|c|d}}。所以，作为一个正则表达式，答案是：

/\{\{tl\|([^\|]+?)\|(.+?)(?:\}\}|\|[^\}]+?\}\})/

第一部分与我之前的情况类似，/\{\{tl\|标识模板的第一部分，([^\|]+?)\|标识第一个捕获并停止|。下一部分设置第二个捕获(.+?)，它由\}\}构造内部\|[^\}]+?\}\} OR (?: )的选择分隔。

希望这有助于其他人！

使用可选分隔符捕获Perl正则表达式

2 个答案: