正则表达式用于通过标点符号

Question

我正在使用：

(.*) CO\s?[\(.*\)|\[.*\]|\{.*\}|''.*''|".*"](.*) 

代表

3M CO 'A'(MINNESOTA MINING AND MANUFACTURING COMPANY). 

但是，正则表达式代码不能覆盖第一个单引号。你能告诉我为什么吗？

s/(.*) CO\s?[\(.*\)|\[.*\]|\{.*\}|''.*''|".*"](.*)/$1 CO $2

我希望得到：

3M CO 'A'(MINNESOTA MINING AND MANUFACTURING COMPANY)

但我知道

3M CO A'(MINNESOTA MINING AND MANUFACTURING COMPANY)

Answer 1

我猜想在这里我们希望设计一个表达式并逐部分匹配我们的输入，例如：

$ VAULT_TOKEN=<Vault_Token> vault token lookup

我们添加了额外的边界，如果不希望的话，可以减少边界。

我们有三个主要的捕获组：

(.+?)\s+CO\s+(['"].+?['"])([(\[{]).+?([)\]}])

RegEx电路

jex.im可视化正则表达式：

DEMO

演示

此代码段仅显示捕获组的工作方式：

(.+?) # anything before Co;
(['"].+?['"]) # the quotation part; and
([(\[{]).+?([)\]}]) # inside various brackets included those, which we can escape, if required.

RegEx

如果不需要此表达式，可以在regex101.com中对其进行修改/更改。

Answer 2

您的正则表达式应表示为

/(.*)\sCO\s?(\(.+\).*|".+".*|'.+'.*|{.+}.*|\[.+\].*)/

  

(.*)第一个捕获组将捕获起始组（在您的示例中为“ 3M”）

     

\sCO\s然后查找空白，后跟CO，后跟空白

     

(".+".* etc.)第二个捕获组，查找起始引号或方括号，后跟任何字符中的至少一个字符，后跟结束引号，然后是任意数量的任何字符

为什么原始正则表达式不起作用

在原始正则表达式中，[\(.*\)|\[.*\]|\{.*\}|''.*''|".*"]可以简化为[''.*'']（对于您提供的字符串）。我意识到，对于其他字符串，您可能希望查找(.*)或[.*]或{.*}或".*"，但是对于“ 3M”字符串，仅查找{{1 }}是相关的，所以我们只看一下。

因此[''.*'']的意思是：以任意顺序匹配[''.*'']中列表中的任何字符。在这种情况下，列表中有三个 unique 字符：[]，'和.（尽管您确实重复了* 3次） 。因此它与第一个'相匹配。但是，由于此匹配项不在您的捕获组'之外，因此第一个()不包括在捕获组响应中。

因此，与'的下一个匹配项将匹配第一个(.*)之后的所有其他内容，并将它们包括在第二个匹配组中，即'，前面没有A'(MINNESOTA MINING AND MANUFACTURING COMPANY)

这有意义吗？

演示

如果您想确保格式包括'或'A'或[A]或"A"或{A}，那么您要这样做：

(A)

Answer 3

'不匹配，因为在第二个捕获组中，因为您使用了可以写为CO\s?[(.*)|[\]{}'"]的字符类，然后它将与CO '

匹配

所以您的模式实际上看起来像：

(.*) CO\s?[.*()|[\]{}'"](.*)
^         ^             ^
group 1   Char class    group 2

要使两组匹配的人可以使用：

(.*?)CO\s?((?:(['"]).*?\3|\(.*?\)|\[.*?\]|\{.*?\}).*)

说明

• (.*?)捕获组1，匹配除换行符非贪婪以外的任何字符
• CO\s?匹配CO和可选的空白字符
• (捕获组2
  • (?:非捕获组，匹配任何选项
    • (['"]).*?\3匹配“或”，并使用反向引用捕获的内容
    • |或
    • \(.*?\)匹配( .... )
    • |或
    • \[.*?\]匹配[ .... ]
    • |或
    • \{.*?\}匹配{ .... }
  • )关闭非捕获组
  • .*匹配所有字符，直到字符串末尾
• )关闭第2组

Regex demo

请注意，.*?不贪婪，以防止不必要的回溯和过度匹配。