使正则表达式不捕获OR捕获组

Question

因此，我正在努力捕获字符串包含什么样的“语言”片段：

语言片段位于() ，并且组合为： En,Fr,De,Es,It

例：

File (En,Fr,De,Es,It).doc    <== should match all 5 languages
File (En,Fr) (Required).doc  <== should match `En` and `Fr`
File (Enfoo,Fr).doc          <== should match only `Fr`
File (E,Fr).doc              <== should match only `Fr`

我当前的正则表达式：

((\\(|,)En(\\)|,))|((\\(|,)Fr(\\)|,))|((\\(|,)De(\\)|,))|((\\(|,)Es(\\)|,))|((\\(|,)It(\\)|,))

这是什么意思：

((\(|,)  <== either starts with `open parenthesis` or `comma`  (1)
En       <== the language                                      (2)
(\)|,))  <== either ends with `close parenthesis` or `comma`   (3)

然后我只添加正则表达式OR （|）

如您所见： regexr.com/3ev6p的问题是，如果存在第二个语言代码段，即Fr ，它将不满足正则表达式(1)因为第一个语言代码段En已经在捕获/占用open parenthesis或comma ，导致第二语言片段Fr不匹配...

你们知道如何处理完全捕获所有语言片段吗？ 我打算使用PHP的preg_match_all()来获取所有这些信息。 希望有人能帮忙。 谢谢！

Answer 1

您拥有的正则表达式消耗了语言代码周围的逗号。 这意味着，找到匹配项后，索引将在逗号后，并且由于无法匹配，因此正则表达式引擎将跳过该逗号后的语言。

为了匹配这样的重叠匹配，可以使用环顾四周：

(?<=[(,])(En|Fr|De|Es|It)(?=[,)])
^^^^^^^^^                ^^^^^^^^

请参阅此正则表达式演示 。

的(?<=[(,])是正回顾后，需要一个,或(语言代码，和之前(?=[,)])是一个正向前查找需要逗号或)该语言的右侧代码，但不使用逗号/括号，在下一次迭代期间仍需将其匹配。

此处可能的另一种解决方案是使用单词边界（如注释中所述）。 单词边界有助于匹配整个单词。

\b(En|Fr|De|Es|It)\b

见正则表达式演示

Answer 2

这应该符合所有条件：

 (?<=,|\()(\w\w)(?=,|\))

伴随有preg_match_all应该可以完成这项工作。

解释：

• 后置断言（应在“，”或“（”之后）
• 两个字字符（因此您不必事先指定要定位的语言）。
• 前瞻性断言（后跟“，”或“）”）

就是这样。 :)

工作版本 。

问候。