正则表达式匹配和限制字符类

Question

我不确定使用Regex是否可行，但我希望能够根据不同的字符限制允许的下划线数量。 这是为了将疯狂的通配符限制限制为用Java编写的搜索引擎。

起始字符是字母数字。 但是如果有更多的下划线而不是前面的字符，我基本上想要一个匹配。 所以

BA_会很好但是BA___会匹配正则表达式并且会被踢出查询解析器。

这可能使用正则表达式吗？

Answer 1

是的，你可以做到。 : 只有当下划线少于字母时，此模式才会成功 ：

^(?:[A-Z](?=[A-Z]*(\\1?+_)))*+[A-Z]+\\1?$

否定版本：

^(?:[A-Z](?=[A-Z]*(\\1?+_)))*\\1?_*$

我们的想法是重复一个包含对自身的反向引用+下划线的捕获组。 在每次重复时，捕获组都在增长。 ^(?:[AZ](?=[AZ]*+(\\\\1?+_)))*+将匹配具有对应下划线的所有字母。 您只需添加[AZ]+以确保有更多字母，并使用\\\\1?完成您的模式\\\\1? 包含所有下划线（我将其设为可选，以防根本没有下划线）。

请注意，如果在第一个模式中将[AZ]+替换为[AZ]{n} ，则可以精确设置字母和下划线之间的字符数差异。

---

为了给出一个更好的想法，我将尝试逐步描述它如何与字符串ABC-- （因为不可能将下划线以粗体显示，我使用连字符代替）：

ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$
 
ABC--        ^(?:[A-Z](?=[A-Z]*(\1?+-)))*+[A-Z]+\1?$

---

注意：需要使用非捕获组的占有量词来避免错误结果。

示例： ABC---和模式： ^(?:[AZ](?=[AZ]*(\\1?+-)))*[AZ]+\\1?$

ABC---     ^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$
 
ABC---     ^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$
 
ABC---     ^(?:[A-Z](?=[A-Z]*(\1?+-)))*[A-Z]+\1?$

问题：捕获组中有多少个连字符？
答：总是三个！

如果重复的非捕获组返回一个字母，捕获组总是包含三个连字符（正如最后一次正则表达式引擎读取捕获组）。这是违反直觉的，但是合乎逻辑的。

$pattern = <<<'EOD'
~
 (?(DEFINE)
     (?<neutral> (?: _ \g<neutral>?+ [A-Z] | [A-Z] \g<neutral>?+ _ )+ )
 )

 \A (?: \g<neutral> | _ )+ \z
~x
EOD;

var_dump(preg_match($pattern, '____ABC_DEF___'));

---

Robby Pond在评论中问我如何找到下划线比字母更多的字符串（所有这些都不是下划线） 。 显然，最好的方法是计算下划线的数量并与字符串长度进行比较。 但是关于完整的正则表达式解决方案，由于模式需要使用递归功能，因此无法使用Java构建模式。 例如，你可以用PHP做到这一点：

 $pattern = <<<'EOD' ~ (?(DEFINE) (?<neutral> (?: _ \\g<neutral>?+ [AZ] | [AZ] \\g<neutral>?+ _ )+ ) ) \\A (?: \\g<neutral> | _ )+ \\z ~x EOD; var_dump(preg_match($pattern, '____ABC_DEF___')); 

Answer 2

它在单数正则表达式中是不可能的。

i）需要实现逻辑以获得下划线之前的字符数（应该编写正则表达式以在下划线之前获得字符）。

ii）并验证结果（字符数 - 1）=所遵循的分号数（正则表达式返回下划线后跟字符）。

Answer 3

编辑：当！ 我刚刚注意到你需要这个用于java。 无论如何......如果来自.Net世界的人偶然发现这篇文章，我就把它留在这里。

如果您使用.Net，则可以使用平衡组 ：

^(?:(?<letter>[^_])|(?<-letter>_))*(?(letter)(?=)|(?!))$

.net正则表达式引擎能够维护捕获的组中的所有捕获模式。 在其他类型中，捕获的组将始终包含最后匹配的模式，但在.net中，所有先前的匹配都包含在捕获集合中供您使用。 此外，.net引擎还能够使用?<group-name> ， ?<-group-name>构造来推送和弹出捕获的组的堆栈。 这两个方便的结构可用于匹配paranthesis对等。

在上面的正则表达式中，引擎从字符串的开头开始，并尝试匹配“_”以外的任何内容。 这当然可以改为适合你的任何东西（例如[AZ][az] ）。 交替基本上意味着匹配[^\\_]或[\\_]并且这样做可以从捕获的组中推送或弹出。

正则表达式的后半部分是条件(?(group-name)true|false) 。 它基本上说，如果该组仍然存在（比弹出更多推送），那么执行true部分，如果不执行false部分。 使模式匹配的最简单方法是使用空的正向前看： (?=)并且使其失败的最简单方法是(?!) ，这是一个负前瞻。