正则表达式：疯了吗？

Question

我有一个这样的字符串：

  

请参阅文件ABC.123.1234.1234和文件CBA.321.4321

我正在运行两个不同的正则表达式搜索，以分别识别两个不同的文档标识符。第一个标识符的表达很有用：

ABC.123.1234.1234 = \b[A-Z]{3}\.\d{1,4}\.\d{1,4}\.\d{1,4}\b

现在，我遇到的问题是尝试使用以下表达式提取较小的标识符：

\b[A-Z]{3}\.\d{1,3}\.\d{1,4}\b

不幸的是，这会返回两个结果ABC.123.1234＆amp; CBA.321.4321。我要求第二个表达式返回的唯一结果是CBA.321.4321。

Answer 1

如果您将其更改为[A-Z]{3}\.\d{1,3}\.\d{1,4}(!\.)，如果有第三个点，它会使用负向前瞻来停止匹配，这样只会为您提供所需的结果。

Answer 2

不确定您使用的是哪个正则表达式系统，因为它们的语法略有不同。

你想要的是一个否定的zero-width lookahead assertion，以确保你得到你的匹配，只有\.[A-Za-z]{4}后面的匹配才会被计算。

另外，数据中的数字实际上是可变宽度吗？如果不匹配，如果您匹配{4}而不是{1,4}，则会更容易获得匹配。前瞻性断言不会那么容易实现。

但你仍然可以实现它们。只需制作负面预测匹配\d*\.\d{1,4}（\d*是避免部分匹配的重要部分。）

修改

由于你使用的是VB.Net，这里是Regex实现中负前瞻断言的语法：

(?!subexpression)

所以你的正则表达式可能会像：

\b[A-Z]{3}\.\d{1,4}\.\d{1,4}(?!\d*\.\d{1,4}\b)

删除较长匹配并处理可变宽度数字的重要部分是：

(?!\d*\.\d{1,4}\b)