正则表达式跳过令牌之间的第一个单词

Question

regexp guru需要帮助！

我有一个字符串，看起来像：

WordA1 wordA2 wordAN StartToken Skipword WordB1 WordB2 WordBN EndToken WordV1 WordCN

我希望提取WordB1 WordB2 WordBN子字符串，在StartToken和EndToken之间取消所有内容并跳过内部的第一个单词。 Usualy我用一些模式来解决这些问题：

(?<= StartToken )\S+\s\K.*?(?= EndToken )

问题是，我正在实现它的系统（配置单元）不支持“\ K”功能。它也不可能使用不固定宽度的lookbehind（不幸的是，SkipWord不是固定长度），如：

(?<= StartToken \S+\s).*?(?= EndToken )

另一种解决方案是

(?<= StartToken )(\S+\s)(.*)?(?= EndToken )

并采取第2组，但这非常困难，需要付出很多努力和代码更改才能获得确切的组号。

所以我的问题是：有没有人有简单优雅的解决方案，它可以在蜂巢上工作，不需要将组号带入regexp_extract？

Answer 1

你想要这样的东西吗？

(?=(?:\S+\s+){3}EndToken)(?:\S+\s+){2}\S+

Demo

如果要提取的字符串包含variable number of words，那么您可以尝试使用此正则表达式。

(?<= )\b(?:(?!(?<=StartToken )\S+\s+).)+(?= EndToken)

Demo

• (?<= )\b：表示word-starting point（bounday）
• (?= EndToken)：此正则表达式中的角色ending anchor
• \b(?:(?!(?<=StartToken )\S+\s+).)+：避免使用以“\S+”开头的单词（StartToken）并尝试将每个word-starting point（边界）的所有内容与ending anchor匹配

Answer 2

在this page我看到regexp_extract以外还有regexp_replace。

您可以尝试使用alternation选择令牌之前和之后的部分，并将其替换为空字符串：

(?:^.*StartToken \S+\s| EndToken.*$)

• (?:非捕获组
• ^.*StartToken \S+\s从字符串matchany字符的开头开始零次或多次，后跟StartToken，一个或多个非空白字符和一个空白字符。
• |或
• EndToken.*$)匹配EndToken后跟任意字符零次或多次，直至字符串结尾。