Question

假设我有以下文字：

Fragment

我有一个正则表达式（稍微复杂一点，但归结为这一点）：

Objects

具有三个捕获组，它们可以捕获名称，地址和城市的值（如果它们出现在文本中）。这里有更多示例：https://regex101.com/r/37nemH/6。编辑顺序不是预先固定的，也可能发生字段不用Name: John Doe\tAddress: Street 123 ABC\tCity: MyCity字符分隔的情况。

现在这一切都很好，我唯一的轻微问题是当一个字段在同一文本中出现两次时，如我在regex101上的最后一个示例中所见：

^(?:(?:(?:Name: (.+?))|(?:Address: (.+?))|(?:City: (.+?)))\t*)+$

我想要的是让第二个捕获组匹配 first 地址，即\t，最好让第二个匹配项在“ City”组中匹配，即

Name: John Doe\tAddress: Street 123 ABC\tCity: MyCity\tAddress: Other Address

从概念上讲，我尝试使用反面的方式进行此操作，例如将Street 123 ABC替换为1: John Doe 2: Street 123 ABC 3: MyCity\tAddress: Other Address，即确保另一个(?:Address: (.+?))标签未在文本中进行(?:(?<!.*Address: )Address: (.+?))匹配。但是，负向后看不允许任意长度，因此这显然行不通。

可以使用正则表达式来实现吗？

Answer 1

对于您陈述的问题，可以将此正则表达式与条件构造一起使用：

^.*?(?:(?:Name: (.+?)|(Address: )(.+?)|City: ((?(2).*?Address: )*.+?))\t*)+$

RegEx Demo

您的值在已捕获的组1、3、4中可用。

捕获组2用于文字标签"Address: "。

在这里，(?(2).*?Address: )*是一个条件构造，这意味着如果存在捕获的第2组，则在第4组匹配文本中，直到找到下一个Address:（此匹配项为0或更多）。

对于文本Name: John Doe Address: Street 123 ABC City: MyCity Address: Second address，它将具有以下匹配项：

Group 1.    169-177 `John Doe`
Group 2.    178-187 `Address: `
Group 3.    187-201 `Street 123 ABC`
Group 4.    210-240 `MyCity Address: Second address`

Answer 2

如果单词顺序可以是任意的并且某些或所有项目可能会丢失，则使用3个独立的模式来提取所需的位会容易得多。

名称（demo）：

^.*?Name:\s*(.*?)(?=\s*(?:Name:|Address:|City:|$))

城市（demo）：

^.*?City:\s*(.*?)(?=\s*(?:Name:|Address:|City:|$))

地址（demo）：

^.*?Address:\s*(.*?)(?=\s*(?:Name:|Address:|City:|$))

详细信息

^-字符串的开头
.*?-除换行符以外的任何0+个字符，并且尽可能少
Address:-停在该关键字并寻找预期匹配项的关键字
\s*-超过0个空格
(.*?)-第1组：除换行符以外的任何0+个字符，并且尽可能少...
(?=\s*(?:Name:|Address:|City:|$))-最多但不包括0个或多个空格，后跟Name:，Address:，City:或字符串结尾。

正则表达式以循环模式捕获每个组的首次出现

2 个答案: