过滤不必要结果的base64正则表达式

Question

从正则表达式中过滤掉不需要的匹配项

我正在R中提取base64编码字符串，并且正在使用以下正则表达式：

\b[A-Za-z0-9+/]\b

99％的时间都可以，但是当我遇到这种情况（或类似情况）时：

itisyourpersonalenergyspecialistitisyourpersonalenergyspecialist

我的单词折叠了，我得到了匹配。我的数据很乱，就像这样。

有什么办法可以过滤掉它们，从而修改我的原始正则表达式。

这个问题可能很明显，但是我对正则表达式还是比较陌生。

Answer 1

  

您可以考虑为以下表达式设计几个边界   您可能拥有并出现的概率为1％。

This RegEx可能会帮助您设计这样的表达式，只需添加一些边界即可，例如：

• 应该使用(?=)来确定某些字符，然后使用出现次数{n,}（即使这不是最佳边界，它可能会帮助您设计一个字符，但我并不是真的）确定base64）

• 您还可以在\b( )\b周围添加一个长度边界，以使其与百分比概率较低的示例字符串不匹配。

您可以看到类似这样的字符串的概率：

 itisyourpersonalenergyspecialistitisyourpersonalenergyspecialist

成为base64字符串几乎是0。即使您有一些接近base64格式的随机字符串（也许与我强调的字符串类似），仍然可以通过一个好的表达式将其排除。

如果愿意，您可以添加许多类型的边界以达到几乎100％的精度。这不是一个好的表达，但它可能会给您大致的看法：

(?=.+[A-Z]{2,})(?=.+[a-z]{2,})(?=.+[0-9]{2,})([A-Za-z0-9+\/]{100,}) 

此表达式仅表示字符串输入：

• 彼此之间必须至少有两个[A-Z]字符。
• 彼此之间必须至少包含两个[a-z]字符。
• 彼此之间必须至少包含两个[0-9]个字符（我对此非常确定）。
• 应至少具有100个base64字符长度。

您可能会认为我添加的那些量词，例如{2,}和{100,}，只是为了表明您可以排除问题中的字符串。您很可能会为此匹配设计出许多更好的表达式，希望它们能达到100％的准确性。

---

其他演示：

This RegEx可能会帮助您了解量词的工作原理：

 ([A-Za-z0-9+\/]{100,})

  

总体而言，您当然可以这样做。