如何确定 RegEx 中重叠模式的优先级？

Question

我看到过几个类似的问题，甚至有一个是我自己发的，但这个问题很具体。

在正则表达式中有一个匹配模式。现在说在同一个字符串中有两个匹配模式都可以匹配文本。似乎我的运气总是倾向于匹配错误模式的正则表达式。（我在 C# 中使用 .Net Regex）

我有两种类型的字符串需要分解：

01 - First Value|02 - Second Value|Blank - Ignore

并且：

A - First ValueblankB - Second ValueC - Third Value

所以我想要的结果是用一个模式字符串将代码与含义匹配

Code,Meaning
01,First Value
02,Second Value
Blank,Ignore
A,First Value
blank,
B,Second Value
C,Third Value

我尝试了几种模式，但似乎永远无法完全正确。我能得到的最接近的是：

(([A-Z0-9]{1,4})[ \-–]{1,3}|([Bb]lank)[ \-–]{0,3})(([A-Z][a-z]+[.,;| ]?)+)

我的细分：

[A-Z0-9]{1,4}[ \-–]{1,3} --> 这匹配代码，大写，或者长度为 1 - 4 个字符的数字，后跟 space 的 1 到 3 个字符，来自 html.

或

[Bb]lank[ \-–]{0,3} --> 空白后跟 space、连字符或 0-3 个字符来自 html

然后

(([A-Z][a-z]+[.,;| ]?)+) --> 应该匹配任何多个单词，包括可能 space。所以第一和价值，第二和价值应该是匹配。

最初的问题是最终模式组与第二个输入字符串中的 "Valueblank" 相匹配。我想以某种方式优先考虑“[Bb]lank”应该作为第一组的一部分进行匹配，而不是第二组的一部分。
我尝试在 finalgroup 中放置一个 (?![Bb]lank) negative lookahead，但它似乎从来没有奏效。任何帮助将不胜感激。

谢谢

Jaeden "Sifo Dyas" al'Raec Ruiner

Answer 1

正则表达式将选择第一个最长的匹配项，也就是说，如果两个模式在相同位置开始匹配并匹配相同数量的字符，则会选择较早的替代项。

例如，以下（愚蠢的示例）将始终匹配第一个备选方案而不是第二个备选方案： (.+)|foo

在你的情况下，如果你真的想匹配两个项目，其中一个以数字开头，一个以字母开头，为什么不这样做： ([0-9]+...)|([A-Za-z]...)

尽早匹配两个候补。

Answer 2

以下 (regex101.com example):

/((?:[A-Z0-9]{1,4}|[Bb]lank)(?=\h[-–]\h)|[Bb]lank)(?:\h[-–]\h|\|)?(.*?)(?=[Bb]lank|\||[A-Z0-9]{1,4}\h[-–]\h|$)/gm

说明

[Bb]lank

"blank" 的所有匹配项检查小写或大写 "B"

((?:[A-Z0-9]{1,4}|[Bb]lank)(?=\h[-–]\h)|[Bb]lank)

第一个捕获组：将字母数字第一个值或 "blank" 第一个值与“-”或“-”匹配（正先行）OR "blank" 没有第二个匹配组的第一个值。

(?:\h[-–]\h|\|)?

“-”的分隔符OR“-”OR“|”这将发生零次或一次。

(.*?)

误匹配第2个匹配组

(?=[Bb]lank|\||[A-Z0-9]{1,4}\h[-–]\h|$)

使用积极的前瞻，寻找 "blank" OR "|" OR 字母数字第一个值在 OR 行末尾后带有“-”或“-”（以捕获行中的最后一项）找到我们应该捕获的地方的尽头

如何确定 RegEx 中重叠模式的优先级？

How can I Prioritize Overlapping Patterns in RegEx?

c#

regex

negative-lookahead

overlapping-matches