php regex - 在文本中查找带有数字和空格的大写字符串

Question

我想编写php正则表达式来查找大写字符串，也可以从文本中包含一个数字和空格。

例如，从这个文本"some text to contain EXAM PL E 7STRING uppercase word"我想得到字符串EXAM PL E 7STRING ，

找到的字符串应该只用大写开头和结尾，但在中间，没有大写字母也可以包含（但不一定）一个数字和空格。 因此，正则表达式应匹配任何这些模式

1) EXAMPLESTRING               - just uppercase string
2) EXAMP4LESTRING              - with number
3) EXAMPLES TRING              - with space
4) EXAM PL E STRING            - with more than one spaces
5) EXAMP LE4STRING             - with number and space
6) EXAMP LE 4ST RI NG          - with number and spaces 

并且字符串的总长度应等于或大于4个字母

我写了这个正则表达式'/[AZ]{1,}([AZ\\s]{2,}|\\d?)[AZ]{1,}/' ，可以找到前4个模式，但我无法想象它也匹配最后2个模式。

谢谢

Answer 1

有一个巧妙的技巧叫先行 。 它只检查当前位置后面的内容。 这可用于检查多个条件：

'/(?<![A-Z])(?=(?:[A-Z][\s\d]*){3}[A-Z])(?!(?:[A-Z\s]*\d){2})[A-Z][A-Z\s\d]*[A-Z]/'

第一个环视实际上是一个lookbehind并检查没有以前的大写字母。 对于无论如何都会使比赛失败的字符串来说，这只是一点加速。 第二个环视（前瞻）检查至少有四个字母。 第三个检查没有两个数字。 其余的只是匹配一串允许的字符，以大写字母开头和结尾。

请注意，在两位数的情况下，这根本不匹配（而不是将所有内容匹配到第二位）。 如果您确实希望在这种情况下匹配，则可以将“1位数”规则合并到实际匹配中：

'/(?<![A-Z])(?=(?:[A-Z][\s\d]*){3}[A-Z])[A-Z][A-Z\s]*\d?[A-Z\s]*[A-Z]/'

编辑：

正如Ωmega指出的那样，如果在第二个数字之前有少于四个字母，这将导致问题，但在此之后更多。 这实际上非常棘手，因为断言需要在第二个数字之前有超过4个字母。 由于我们不知道这四个字母中第一个数字的位置，我们必须检查所有可能的位置。 为此，我将完全废除前瞻，并简单地提供三种不同的替代方案。 （我将保持后视作为非匹配部件的优化。）

'/(?<![A-Z])[A-Z]\s*(?:\d\s*[A-Z]\s*[A-Z]|[A-Z]\s*\d\s*[A-Z]|[A-Z]\s*[A-Z][A-Z\s]*\d?)[A-Z\s]*[A-Z]/'

或在此处添加注释：

'/
(?<!         # negative lookbehind
    [A-Z]    # current position is not preceded by a letter
)            # end of lookbehind
[A-Z]        # match has to start with uppercase letter
\s*          # optional spaces after first letter
(?:          # subpattern for possible digit positions
    \d\s*[A-Z]\s*[A-Z]
             # digit comes after first letter, we need two more letters before last one
|            # OR
    [A-Z]\s*\d\s*[A-Z]
             # digit comes after second letter, we need one more letter before last one
|            # OR
    [A-Z]\s*[A-Z][A-Z\s]*\d?
             # digit comes after third letter, or later, or not at all
)            # end of subpattern for possible digit positions
[A-Z\s]*     # arbitrary amount of further letters and whitespace
[A-Z]        # match has to end with uppercase letter
/x'

这对Ωmega的冗长测试输入提供了相同的结果。

Answer 2

我建议使用正则表达式

 
 
 
  
  [AZ][ ]*(\\d)?(?(1)(?:[ ]*[AZ]){3,}|[AZ][ ]*(\\d)?(?(2)(?:[ ]*[AZ]){2,}|[AZ][ ]*(\\d)?(?(3)(?:[ ]*[AZ]){2,}|[AZ][ ]*(?:\\d|(?:[ ]*[AZ])+[ ]*\\d?))))(?:[ ]*[AZ])*
 
  

（见 本演示 ）。

 [AZ][ ]*(?:\\d(?:[ ]*[AZ]){2}|[AZ][ ]*\\d[ ]*[AZ]|(?:[AZ][ ]*){2,}\\d?)[AZ ]*[AZ] 

（见本演示 ）