Question

我想从字符串中提取标题和2或3位数的ISO 639代码。

有效字符串的一般格式为：

header + <special char> + <2 or 3 digit code> + (<special char>forced)

最后一部分<special character>forced是可选的，可能存在也可能不存在，但如果存在forced，则必须在前面加上特殊字符（例如.或_或{ {1}}）视为有效字符串。

要提取标题和语言代码（-）的有效字符串的示例为：

eng

这里要检查的是语言代码后面是否有name.eng name-eng name(eng) name(fri)_eng name(fri)(eng) name.eng.forced name(eng).forced name.(eng).forced name.fri.eng.forced name(fri).eng.forced name.(fri).eng_forced name-fri-eng.forced name_(fri)_eng.forced name(fri)_eng.forced name(friday)_eng_forced name(fri)(eng).forced，然后它前面必须有)。这不是很关键，但是如果正则表达式可以检查它就很好了。

无效字符串的示例是：

我想检查一下的是：

nameeng nameeng.forced name.eng).forced name(fri)eng.forced name(friday).engforced name(fri)(eng)forced

我还在尝试非关键性的回溯，以检查语言代码之前的(.*)([._\-(])([a-z][a-z][a-z]|[a-z][a-z])((?<=\(...)\))?(.forced)?是否在代码之后带有(。这再次不是关键，但不是我面临的核心问题。

问题在于某些有效名称的标头（以及相应的语言代码）不正确，因为我认为表达式过于贪婪（我使用C＃，无法对所有操作数关闭贪婪）。我已经尝试过从右到左的选项，但是在重新排列了表达式之后，这似乎也不起作用。

是否可以用C＃的正则表达式实现我所需要的？

Answer 1

发布my suggestion，因为事实证明这很有帮助：

^(.*?[._-]?)(?=[\W_])[._-]?(\()?([a-z]{2,3})(?(2)\)|)(?:[_\W]forced)?$

请参见regex demo。

详细信息

^-字符串的开头
(.*?[._-]?)-第1组：除换行符外，其他任何0+个字符应尽可能少，然后是可选的.，_或-
(?=[\W_])[._-]?(\()?-下一个字符必须是非字母数字字符（由于(?=[\W_])正向提前），然后是可选的.，-或{{1 }}被匹配，然后一个可选的_被捕获到第2组
(-2或3个小写ASCII字母
([a-z]{2,3})-一个条件构造：如果第2组匹配，则匹配(?(2)\)|)，否则匹配一个空字符串
)-一个可选的非捕获组，匹配出现1或0次
- (?:[_\W]forced)?-任何非字母数字的字符
- [_\W]-子字符串
forced-字符串的结尾。

Answer 2

我发现您对nameeng无效的假设表明，对于标题的定义缺乏明确性。以下将适用于成功条件。请注意，使用IgnorePatternWhiteSpace可以按照以下所示的模式显示多行。

^
(?<Header>\w+)
[.\-\(\)_]*
(?<Code1>\w+)
[.\-\(\)_]*
(?<Code2>\w*)
[.\-\(\)_]*
(?<IsForced>forced)?

使用C＃

2 个答案: